Buscar en Google Scholar
Título: Aplicación de las redes neuronales recurrentes para la predicción de la demanda de energía eléctrica en la barra de 10kv - Juliaca, de la empresa de distribución Electro Puno S.A.A
Asesor(es): Ramos Cutipa, Jose Manuel
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.03
Fecha de publicación: 25-nov-2022
Institución: Universidad Nacional del Altiplano. Repositorio Institucional - UNAP
Resumen: El presente trabajo de investigación tiene como propósito el de Implementar un modelo basado en redes neuronales recurrentes el cual pueda predecir la demanda de energía eléctrica con el mayor porcentaje de exactitud posible, utilizando los datos históricos suministrados por la Empresa de distribución Electro Puno, proponiendo un modelo basado en redes neuronales recurrentes para la predicción de la demanda de la energía eléctrica, se utiliza una base de datos de la demanda de energía eléctrica durante los años 2018, 2019, 2020 hasta agosto del 2021, el cual fue suministrado por la empresa Electro Puno S.A.A., Iniciándose con la inspección de los datos para lo cual se utiliza python y sus librerías, se realizan graficas del perfil de carga de la demanda para luego buscar patrones para construir el modelo y procediéndose a encontrar los datos atípicos y faltantes. Seguido se procede a la construcción de la red neuronal recurrente LSTM para lo cual se utiliza Tensorflow como herramienta principal y se evalúa las diferentes arquitecturas como la simple, apilada y bidireccional, obteniendo los mejores resultados con la arquitectura bidireccional y se concluye que el modelo es capaz de predecir la demanda de energía eléctrica en un horizonte de corto y mediano plazo, llegándose a determinar como resultado implemento un modelo de predicción basado en redes neuronales recurrentes LSTM que puede predecir la demanda de energía eléctrica con un 97.18% exactitud.
Disciplina académico-profesional: Ingeniería Mecánica Eléctrica
Institución que otorga el grado o título: Universidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas
Grado o título: Ingeniero Mecánico Electricista
Jurado: Beltran Castañon, Norman Jesus; Hurtado Chavez, Angel Mario; Quisocala Herrera, Jhimmy Alberth
Fecha de registro: 23-nov-2022



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons