Title: Análisis comparativo de las técnicas de minería de datos para la estimación de consumos de energía eléctrica en la empresa Electronorte S.A.
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2019
Institution: Universidad Señor de Sipán
Abstract: La investigación denominada “Análisis comparativo de las técnicas de minería de datos
para la estimación de consumos de energía eléctrica en la empresa ELECTRONORTE
S.A.” tiene como objetivo analizar los diversos algoritmos de aprendizaje de minería de
datos para el diseño de modelos con tendencia predictiva en los sistemas de Inteligencia
de Negocios.
La minería de datos es una herramienta que permita a través de la exploración y análisis
de datos extraer patrones de comportamiento en el histórico de datos de determinado
fenómeno (Institución, Empresa, etc.), según la naturaleza del fenómeno y los datos se
aplican diversas técnicas, siendo relevante mencionar a técnicas como Regresión,
Clasificación, Asociación y Agrupación; esta exploración se realiza mediante algoritmos
computacionales de aprendizaje.
El ámbito de aplicación de éstas técnicas, en esta investigación se localiza en los datos de
los clientes de la empresa ELECTRONORTE S.A., empresa del rubro eléctrico de
servicios públicos, siendo el objetivo de la misma analizar los datos con respecto al
comportamiento de consumo eléctrico de los clientes para determinados periodos
comerciales.
Por lo tanto, el tipo de modelo se asocia con las técnicas de Regresión o series de tiempo,
ya que se pretende realizar estimaciones de los consumos de energía eléctrica de los
clientes. Evidentemente es un caso de pronósticos de series de tiempo, para lo cual se
conocen diversos algoritmos como es el caso de Holtwinters, ARIMA, ETS, Redes
Neuronales, entre otros, con los cuales se puede realizar el pronóstico según el análisis
histórico de la serie de tiempo. Se sabe también que cada algoritmo puede ser aplicado a
una realidad específica, siendo el ámbito energético al cual se someterán a evaluación los
mencionados algoritmos para establecer cual tiene mejor precisión en el desarrollo de
modelos predictivos orientado a este problema.
Discipline: Ingeniería de Sistemas
Grade or title grantor: Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo
Grade or title: Ingeniero de Sistemas
Register date: 25-Feb-2020