Look-up in Google Scholar
Full metadata record
Ñaupari Huatuco, Dionicio Zócimo
García Fernández, Leonardo Brain
García Fernández, Leonardo Brain
2022-04-13T19:42:50Z
2022-04-13T19:42:50Z
2022-04-13T19:42:50Z
2022-04-13T19:42:50Z
2021
http://hdl.handle.net/20.500.14076/21832
Esta tesis desarrolla un modelo computacional para pronosticar la demanda eléctrica peruana a corto plazo, basado en la comparación del desempeño entre dos metodologías, las cuales utilizan las redes neuronales de la Teoría de Resonancia Adaptativa (ARTMAP Fuzzy) y el modelo Neuro-Fuzzy (ANFIS), técnicas pertenecientes al Machine Learning (ML) y aplicado al Sistema Eléctrico Interconectado Nacional (SEIN). Además, el contenido de la tesis propone la metodología de pre-procesamiento del conjunto de datos históricos como alternativa para mejorar el desempeño en los resultados presentados. Los diferentes escenarios desarrollados en el pronóstico de demanda incluyen los años 2019 y 2020, donde las metodologías de las redes neuronales buscan la mejor opción en términos del error porcentual medio absoluto (MAPE). Finalmente, los resultados de la comparación propuesta plantean la sugerencia de actualizar el procedimiento técnico 03 (PR03), metodología propuesta por el Comité de Operación Económica del Sistema Interconectado Nacional (COES). (es)
This thesis develops a computational model to forecast the Peruvian electricity demand in the short term, based on the performance comparison between two methodologies that use the neural networks of the Adaptive Resonance Theory (ARTMAP Fuzzy) and the Neuro-Fuzzy model (ANFIS), techniques belonging to Machine Learning (ML) and applied to the National Interconnected Electric System (SEIN). In addition, the thesis’ content proposes the pre-processing methodology of historical data set as an alternative to improve performance in the results presented. The different scenarios developed in the demand forecast include the years 2019 and 2020, where neural network methodologies seek the best option in terms of absolute mean percentage error (MAPE). Finally, the results of the proposed comparison raises the suggestion to update procedure 03 (PR03), methodology proposed by the Coordinator of the Operation of the Interconnected Electric System (COES). (en)
Tesis (es)
application/pdf (es)
spa (es)
Universidad Nacional de Ingeniería (es)
info:eu-repo/semantics/openAccess (es)
http://creativecommons.org/licenses/by-nc-nd/4.0/ (es)
Universidad Nacional de Ingeniería (es)
Repositorio Institucional - UNI (es)
Sistema Eléctrico Interconectado Nacional (es)
Demanda de energía eléctrica (es)
MACHINE LEARNING (es)
Teoría de Resonancia Adaptativa (ARTMAP Fuzzy) (es)
Modelamiento del pronóstico de la demanda eléctrica diaria del sistema eléctrico interconectado nacional utilizando técnicas de MACHINE LEARNING (es)
info:eu-repo/semantics/bachelorThesis (es)
Universidad Nacional de Ingeniería. Facultad de Ingeniería Eléctrica y Electrónica (es)
Ingeniería Eléctrica (es)
Título Profesional (es)
Ingeniero Electricista (es)
PE (es)
http://purl.org/pe-repo/ocde/ford#2.02.01 (es)
http://purl.org/pe-repo/renati/nivel#tituloProfesional (es)
07091569
https://orcid.org/0000-0002-8204-516X (es)
71909844
711046
Rosado Aguirre, Estanislao Ubaldo
Ramírez Arcelles, Roberto Rubén
http://purl.org/pe-repo/renati/type#tesis (es)
Pública



This item is licensed under a Creative Commons License Creative Commons