Pronóstico de Demanda de Muy Corto Plazo Utilizando Razonamiento Inductivo Fuzzy y Algoritmos Evolutivos
Pronóstico de Demanda de Muy Corto Plazo Utilizando Razonamiento Inductivo Fuzzy y Algoritmos Evolutivos
Cómo citar
Descargar cita
Mostrar biografía de los autores
Artículos similares
- Edgar A. Moreno, Víctor H. Hinojosa, Análisis de Estabilidad Transitoria para el Sistema Eléctrico Ecuatoriano Utilizando Redes Neuronales Artificiales , Revista Técnica "energía": Vol. 5 Núm. 1 (2009): Revista Técnica "energía", Edición No. 5
- Juan Carlos Ríos, Carlos Quinatoa, Germán Casillas, Ubicación Óptima de Reconectadores en Redes de Distribución con Generación Distribuida Utilizando Algoritmos Genéticos e Índices de Calidad de Servicio , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
También puede Iniciar una búsqueda de similitud avanzada para este artículo.
Artículos más leídos del mismo autor/a
- Gabriel Salazar, Víctor Hinojosa, Licitaciones de Energía Eléctrica y Teoría de Subastas , Revista Técnica "energía": Vol. 3 Núm. 1 (2007): Revista Técnica "energía", Edición No. 3
- Víctor Hinojosa, Wladimir Llanos, Pronóstico de Demanda para Sistemas de Suministro de Energía Eléctrica Utilizando Algoritmos Evolutivos y Razonamiento Inductivo Fuzzy – Desarrollo de la Plataforma Gráfica Merlyn , Revista Técnica "energía": Vol. 10 Núm. 1 (2014): Revista Técnica "energía", Edición No. 10
- Víctor Hinojosa, Wladimir Llanos, Pronóstico de Demanda para Sistemas de Suministro de Energía Eléctrica Utilizando Algoritmos Evolutivos y Razonamiento Inductivo Fuzzy – Desarrollo de la Plataforma Gráfica Merlyn - 2008 , Revista Técnica "energía": Vol. 4 Núm. 1 (2008): Revista Técnica "energía", Edición No. 4
Este trabajo se enfocará en la modelación Cualitativa– Cuantitativa Razonamiento Inductivo Fuzzy (FIR), aplicada al problema de Pronóstico de Demanda de Muy Corto Plazo (PDMCP). El PDMCP predice el comportamiento de la demanda a partir del último dato real agregado, con el fin de establecer las desviaciones de la demanda programada versus la real.
La Metodología FIR & SRA propuesta se verifica con varios horizontes de pronóstico, verificando la eficiencia del modelo. El modelo considera la temperatura, debido a la correlación que tiene en el corto plazo con la demanda de un Sistema Eléctrico.
Visitas del artículo 556 | Visitas PDF 237
Descargas
Semestral: Publicaciones en enero y julio
