Implementación de una Red Neuronal Artificial para la predicción de la Demanda Eléctrica a corto plazo
Implementación de una Red Neuronal Artificial para la predicción de la Demanda Eléctrica a corto plazo
Cómo citar
Descargar cita
Mostrar biografía de los autores
Artículos similares
- Jorge Lara, Mauricio Samper, Graciela Colomé, Predicción a corto plazo de sistemas de medición inteligentes mediante arquitecturas de aprendizaje profundo multivariable y multipaso , Revista Técnica "energía": Vol. 21 Núm. 1 (2024): Revista Técnica "energía", Edición No. 21, ISSUE I
- 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
- 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 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
- Carlos Lozada, David Panchi, Wilson Sánchez, Andrés Jacho, Regresión Lineal para la Identificación del Punto de Máxima Potencia en Microrredes Híbridas Implementado en HYPERSIM , Revista Técnica "energía": Vol. 20 Núm. 2 (2024): Revista Técnica "energía", Edición No. 20, ISSUE II
- Jorge Leon, Graciela Colomé, Estefanía Tapia, Identificación de Generadores Críticos ante Problemas de Estabilidad Transitoria , Revista Técnica "energía": Vol. 21 Núm. 2 (2025): Revista Técnica "energía", Edición No. 21, ISSUE II
- Julio Lascano, Luis Chiza, Roberth Saraguro, Carlos Quinatoa, Jessy Tapia, Estimación de la Demanda de una Estación de Carga para Vehículos Eléctricos Mediante la Aplicación de Métodos Probabilísticos , 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
- Nelson Granda, Karen Paguanquiza, Modelos de Respuesta de la Frecuencia para el Sistema Nacional Interconectado Ecuatoriano , Revista Técnica "energía": Vol. 21 Núm. 1 (2024): Revista Técnica "energía", Edición No. 21, ISSUE I
También puede Iniciar una búsqueda de similitud avanzada para este artículo.
Artículos más leídos del mismo autor/a
- J. Carrión , J. Cuenca , D. Orellana , Evaluación del Impacto que Genera la Introducción Masiva de Cocinas de Inducción en los Transformadores de Distribución Usando Algoritmos Genéticos , Revista Técnica "energía": Vol. 12 Núm. 1 (2016): Revista Técnica "energía", Edición No. 12
El pronóstico de la demanda eléctrica es un problema de gran importancia para el sector eléctrico, a partir de los resultados que se obtienen en un pronóstico los organismos reguladores toman decisiones adecuadas. Un buen pronóstico trae grandes beneficios tanto técnicos como financieros, por lo que en la actualidad se busca constantemente desarrollar modelos de predicción con el mínimo porcentaje de error, los resultados que se presentan en este trabajo corresponde al desarrollo de una red neuronal artificial para el pronóstico de la demanda eléctrica a corto plazo, utilizando las herramientas de Matlab.
La base de datos que se utilizó corresponde a las mediciones registradas por el sistema SCADA en un alimentador primario de la ciudad de Loja-Ecuador. Se emplea una red neuronal con el mínimo de capas y neuronas, sin perder la precisión del pronóstico. Para entrenar la red neuronal se realizó una adecuada selección y clasificación de las variables de entrada.
Visitas del artículo 1663 | Visitas PDF 669
Descargas
Semestral: Publicaciones en enero y julio
