Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)Rey López, Juan ManuelDominguez Jiménez, Juan AntonioDuarte Gualdrón, Cesar AntonioUribe Gómez, Sergio AlejandroSarmiento Gómez, Juan Camilo2023-11-112023-11-112023-10-112023-10-11https://noesis.uis.edu.co/handle/20.500.14071/15278La energía eléctrica es un recurso indispensable en el día a día de la sociedad, pues prácticamente la totalidad de los procesos cotidianos, a nivel residencial e industrial dependen de esta. Por esta razón, es necesario un sistema de distribución robusto y confiable, con una alta capacidad de planeación en la generación, despacho y transporte de la energía eléctrica, cuyo pilar fundamental es un correcto pronóstico en la demanda energética. En este trabajo de grado se propone el desarrollo de un modelo predictivo de tres fases para la predicción de demanda energética en el departamento de Santander: extracción de características de las entradas de la máquina, selección de predictores, y predicción, donde se optó por métodos de aprendizaje automático por conjuntos basados en arboles de decisión. Finalmente, el desempeño de los modelos se midió bajo las métricas MAPE y RMSE.application/pdfspainfo:eu-repo/semantics/openAccessPredicciónDemandaSTLFAprendizaje de máquinaCaracterización y predicción de la demanda energética a corto plazo usando técnicas de aprendizaje máquina aplicado al MC - SantanderUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coForecastingDemandMachine LearningSTLFCharacterization and Short-Term Energy Demand Forecasting Using Machine Learning Techniques Applied to MC - Santanderhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)