Modelo predictivo de recomendación para el despacho energético del complejo Hidroeléctrico Paute
Predictive recommendation model for the energy dispatch of the Paute Hydropower complex
Cómo citar
Descargar cita
Mostrar biografía de los autores
Artículos similares
- Josue Ortiz, Jefferson Tayupanda, Carlos Quinatoa, Solución al problema de despacho hidrotérmico a corto plazo mediante la programación no lineal aplicada a sistemas de uno y varios nodos , Revista Técnica "energía": Vol. 20 Núm. 2 (2024): Revista Técnica "energía", Edición No. 20, ISSUE II
- Alex Villamarín, Angie Bravo, Ariel Chancusig, Contribución del Almacenamiento en Baterías en el Sistema Eléctrico Ecuatoriano para Optimizar su Despacho Económico , Revista Técnica "energía": Vol. 22 Núm. 2 (2026): Revista Técnica "energía", Edición No. 22 ISSUE II
- Wilson Brito, Wilson Sánchez, Evaluación del desempeño de modelos LSTM y XGBoost en la predicción de la demanda eléctrica del sistema ecuatoriano , Revista Técnica "energía": Vol. 22 Núm. 2 (2026): Revista Técnica "energía", Edición No. 22 ISSUE II
- Gabriel Guañuna, Graciela Colomé, Estefanía Tapia, Predicción del Estado de Estabilidad de Corto Plazo en Sistemas de Potencia con Integración de Generación Renovable Utilizando Aprendizaje Profundo , Revista Técnica "energía": Vol. 22 Núm. 2 (2026): Revista Técnica "energía", Edición No. 22 ISSUE II
- Wilson Brito, Santiago Chamba, Diego Echeverría, Aharon De La Torre, David Panchi, Herramienta de Identificación Paramétrica, Validación y Sintonización de Reguladores de Velocidad Mediante Algoritmos de Optimización Heurísticos , Revista Técnica "energía": Vol. 20 Núm. 2 (2024): Revista Técnica "energía", Edición No. 20, ISSUE II
- 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
- Joffre Constante, Robert Quinga, Klever Tigasi, Mauricio Mullo, Estimación Paramétrica del Modelo de Carga de Recuperación Exponencial Utilizando Mediciones Sincrofasoriales , Revista Técnica "energía": Vol. 22 Núm. 2 (2026): Revista Técnica "energía", Edición No. 22 ISSUE II
- Wilson Sánchez, Diego Echeverría, Santiago Chamba, Andrés Jacho, Carlos Lozada, Despacho Económico de Energía de la Microrred en las Islas Galápagos Utilizando la Plataforma SimSEE , Revista Técnica "energía": Vol. 21 Núm. 1 (2024): Revista Técnica "energía", Edición No. 21, ISSUE I
- Diego Lojano, Juan Palacios, Flujo Óptimo de Sistemas Eléctricos de Potencia con Consideraciones Ambientales , Revista Técnica "energía": Vol. 21 Núm. 2 (2025): Revista Técnica "energía", Edición No. 21, ISSUE II
- Julio Cardenas, Graciela Colomé, Estefania Tapia, Desconexión Adaptable de Generadores para Mejorar la Estabilidad Transitoria en Sistemas con Integración de Generación Renovable , 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.
El presente trabajo propone aprovechar al máximo el recurso hídrico utilizado para la generación de energía eléctrica en el Ecuador. Se ha realizado tres modelos basados en inteligencia artificial para las centrales hidroeléctricas Mazar, Molino y Sopladora que pertenecen al complejo hidroeléctrico Paute-Integral. Para la implementación de los algoritmos predictivos de recomendación, primero se modeló el comportamiento de las centrales Mazar, Molino y Sopladora, posterior a lo cual se procedió a la optimización para maximizar la generación eléctrica acorde a la capacidad de las centrales hidroeléctricas y la hidrología. Finalmente, con los resultados obtenidos, se logra la maximización de la generación eléctrica para las centrales Mazar y Molino. Respecto a la central Sopladora, cuyo despacho energético depende directamente de la generación eléctrica de la central Molino, queda como punto de evaluación medir el impacto producido por la optimización de la central Molino.
Visitas del artículo 901 | Visitas PDF 489
Descargas
[1] Asamblea Nacional de la Republica del Ecuador, LEY ORGANICA DEL SERVICIO PÚBLICO DE ENERGÍA ELECTRICA, Quito, Pichincha: LEY 0 REGISTRO OFICIAL SUPLEMENTO 418, 2015.
[2] CELEC, «www.celec.gob.ec,» 31 12 2015. [En línea]. Available: www.celec.gob.ec.
[3] O. Barboza, «Automatización de previsión de demanda horaria de potencia,» Revista Científica de la UCSA, pp. 4-14, 2014.
[4] I. F. Sinaluisa Lozano, A. F. Morocho Caiza y C. Marquez Zurita, «Predicción de demanda de energía eléctrica mediante redes neuronales artificiales,» Risti, pp. 505-519, 2019.
[5] N. Huang, L. Guobo y X. Dianguo, «A Permutation Importance-Based Feature Selection Method for Short-Term Electricity Load Forecasting Using Random Forest,» Energies, 2016.
[6] J. Zalamea, «POLÍTICAS DE DESPACHO PARA EL COMPLEJO HIDROELÉCTRICO PAUTE,» ECUACIER, 2012.
[7] G. T. Doran, «There's a S.M.A.R.T. way to write management's goals and objectives,» Management Review (AMA FORUM), vol. 70, pp. 35-36, 1981.
[8] CONELEC, Estudio y Gestion de la Demanda Electrica, Quito, Provincia, 2013.
[9] ARCONEL, Estadística Anual y Multianual del Sector Eléctrico Ecuatoriano, Quito, Pichincha, 2018.
[10] CELEC EP;, «Plan Estratégico 2017-2021,» Cuenca, 2019.
[11] CELEC EP, «Plan Estratégico 2017-2021,» Cuenca, 2019.
[12] G. Argüello, INFORME OPERATIVO ANUAL, 2019.
Semestral: Publicaciones en enero y julio
