Minería de Datos y Proyección a Corto Plazo de la Demanda de Potencia en el Sistema Eléctrico Ecuatoriano
Data Mining and Short-Term Projection of Power Demand in the Ecuadorian Electric System
Cómo citar
Descargar cita
Mostrar biografía de los autores
Artículos similares
- Diego Jiménez, Jhoao Rea, Pablo Muñoz, Gabriela Vizuete, Leonel Latacunga, Ciro Iza, Diseño y Construcción de un Medidor de Energía Digital Domiciliar , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
- Joffre Constante, Lesly Ochoa, Brayan Caiza, Walter Rueda, Omar Chuquitarco, Identificación Paramétrica del Modelo de Carga OCL Utilizando Mediciones Sincrofasoriales y Técnicas de Optimización , Revista Técnica "energía": Vol. 22 Núm. 2 (2026): Revista Técnica "energía", Edición No. 22 ISSUE II
- Wilson Vásquez, Evaluación del Factor de Potencia en Usuarios con Equipos de Generación para Autoabastecimiento , Revista Técnica "energía": Vol. 21 Núm. 1 (2024): Revista Técnica "energía", Edición No. 21, ISSUE I
- Armando Freire, Fernando Arias, Héctor Mullo, Jhonny Casa, Implementación de Control Remoto para la Apertura y Cierre de Compensación Reactiva al Alimentador de 13,8 kV de la Subestación Eléctrica de la Empresa Novacero S.A. mediante una Tarjeta ADVC-IOEX , Revista Técnica "energía": Vol. 21 Núm. 1 (2024): Revista Técnica "energía", Edición No. 21, ISSUE I
- William Yugcha, Diego Pichoasamin, Paúl Astudillo, Comparación y Optimización del Uso de Filtro Pasivo y Activo de Potencia para Mitigar Armónicos en Redes de Distribución con Cargas no Lineal , Revista Técnica "energía": Vol. 21 Núm. 1 (2024): Revista Técnica "energía", Edición No. 21, ISSUE I
- Daniel Orbe, Luis Salazar, Paúl Vásquez, Estimación y Análisis de Sensibilidad del Consumo Energético de Buses Eléctricos mediante Simulaciones Microscópicas en líneas de Transporte Público , Revista Técnica "energía": Vol. 21 Núm. 1 (2024): Revista Técnica "energía", Edición No. 21, ISSUE I
- Selene Peñafiel, Patricia Otero, Fabián Pérez, Diagnóstico del Estado de Transformadores de Distribución Mediante el Ensayo de Análisis de Respuesta en Frecuencia , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
- Morayma Muñoz, Napoleón Padilla, Grace Morillo, Marco Rosero, Electrocoagulación como Alternativa Sostenible para el Tratamiento de Efluentes de Refinería: Aplicación en Refinería Esmeraldas , Revista Técnica "energía": Vol. 22 Núm. 1 (2025): Revista Técnica "energía", Edición No. 22, ISSUE I
- HOLGUER VINICIO YUGLA LEMA, Sintonización de los Parámetros de un D-Statcom para la Estabilidad de Voltaje con Presencia de Generación Distribuida , Revista Técnica "energía": Vol. 21 Núm. 2 (2025): Revista Técnica "energía", Edición No. 21, ISSUE II
- Diego Paguay, Ricardo Lozada, Ariel Almeida, Carlos Lozada, Modelo de Unidad de Medición Fasorial PMU Implementado en el Software de Simulación en Tiempo Real de Transitorios Electromagnéticos HYPERSIMmulación en tiempo real de transitorios electromagnéticos HYPERSIM , Revista Técnica "energía": Vol. 22 Núm. 2 (2026): Revista Técnica "energía", Edición No. 22 ISSUE II
También puede Iniciar una búsqueda de similitud avanzada para este artículo.
Artículos más leídos del mismo autor/a
- Erick Tipanguano, Luis Dután, Fabián Pérez, Adecuaciones al Modelo de Relé de Distancia (ANSI tipo 21) de ATPDraw para Viabilizar el Análisis del Desempeño Dinámico de esta Protección en Esquemas de Apertura y Recierre Monopolar para Líneas de Transmisión , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Selene Peñafiel, Patricia Otero, Fabián Pérez, Diagnóstico del Estado de Transformadores de Distribución Mediante el Ensayo de Análisis de Respuesta en Frecuencia , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
- Daniel Jiménez, Wilson Andino, Mauricio Soria, Fabián Pérez, Coordinación Óptima de Relés de Sobrecorriente Temporizados empleando Algoritmos Heurísticos COA y GSA , Revista Técnica "energía": Vol. 21 Núm. 1 (2024): Revista Técnica "energía", Edición No. 21, ISSUE I
- Alejandro Trejo , Patricia Gavela, Diego Salinas, Análisis de Energía Firme en Autogeneradores Hidroeléctricos Considerando la Red de Transmisión , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
En este artículo se presenta una herramienta computacional elaborada en lenguaje de programación Python para minería de datos y proyección a corto plazo de la demanda de potencia eléctrica del Sistema Nacional Interconectado (SNI), utilizando el enfoque predictivo del algoritmo de aprendizaje automático Random Forest.
La implementación de la función Hyperopt para definir los principales hiperparámetros del algoritmo Random Forest junto con la aplicación de la ingeniería de características permiten ajustar un modelo adecuado de aprendizaje automático para las series de datos. Dicho algoritmo es implementado en tareas de mitigación de valores faltantes y valores atípicos para estructurar bases de datos completos y libres de desviaciones.
El procedimiento para minería de datos y proyección de demanda muestra la confiabilidad y versatilidad de utilizar la herramienta computacional obteniendo resultados relevantes, como la disminución de anomalías en las series de datos para mejorar la precisión en las curvas de demanda eléctrica proyectadas.
Visitas del artículo 2574 | Visitas PDF 806
Descargas
[1] R. Medina and E. Montoya, “Estimación estadística de valores faltantes en series históricas de lluvia,” Universidad Tecnológica de Pereira, Pereira, 2008.
[2] S. Jurado, À. Nebot, F. Mugica, and N. Avellana, “Hybrid methodologies for electricity load forecasting: Entropy-Based Feature Selection with Machine Learning and Soft Computing Techniques,” ENERGY, vol. 86, pp. 276–291, Jun. 2015.
[3] K. Berk, Modeling and Forecasting Electricity Demand A Risk Management Perspective. Germany: Springer, 2015.
[4] V. Hinojosa, “Pronóstico de Demanda de Corto Plazo en Sistemas de Suministro de Energía Eléctrica utilizando Inteligencia Artificial,” Universidad Nacional de San Juan, Argentina, 2007.
[5] M. Jacob, C. Neves, and D. Vukadinović Greetham, “Short Term Load Forecasting,” in Forecasting and Assessing Risk of Individual Electricity Peaks. Mathematics of Planet Earth, Springer, 2019, pp. 15–37.
[6] Y. Liu, Python Machine Learning by Example, 2nd ed. Birmingham: Packt, 2017.
[7] L. Igual and S. Seguí, Introduction to Data Science: A Python Apporach to Concepts, Techniques and Applications. Switzerland: Springer, 2017.
[8] L. BREIMAN, “Random Forests,” Machine Learning, vol. 45, pp. 5–32, 2001.
[9] Medium, “A Trip to Random Forest.” Mar. 2018, Accessed: Jun. 28, 2020. [Online]. Available: https://medium.com/greyatom/a-trip-to-random-forest-5c30d8250d6a.
[10] Scikit Learn, “scikit-learn Machine Learninh in Python.” Jun. 28, 2020, Accessed: Jun. 28, 2020. [Online]. Available: https://scikit-learn.org/stable/index.html.
[11] M. Swamynathan, Mastering Machine Learning with Python in Six Steps: A practical Implementation Guide to Predictive Data Analytics Using Python. Bangalore: Apress, 2017.
[12] K. Brent, J. Bergstra, and C. Eliasmith, “Hyperopt-Sklearn,” in Automated Machine Learning: Methods, Systems, Challenges, Waterloo: Springer, 2019.
[13] A. O. Gallo, “Análisis predictivo para minería de datos y proyección de demanda a corto plazo de la demanda de potencia en el sistema eléctrico ecuatoriano”, Escuela Politécnica Nacional, Quito, Ecuador, Oct. 2020.
[14] G. Bontempi, S. Ben Taieb, and Y. Le borgne, “Machine learning strategies for time series forecasting,” Berlin Germany, Jul. 2012, vol. 138, pp. 62–77.
Semestral: Publicaciones en enero y julio
