@article{Gallo_Pérez_Salinas_2021, title={Minería de Datos y Proyección a Corto Plazo de la Demanda de Potencia en el Sistema Eléctrico Ecuatoriano}, volume={18}, url={https://revistaenergia.cenace.gob.ec/index.php/cenace/article/view/461}, DOI={10.37116/revistaenergia.v18.n1.2021.461}, abstractNote={<p>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.</p> <p>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.</p> <p>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.</p>}, number={1}, journal={Revista Técnica "energía"}, author={Gallo , Angel and Pérez, Fabián and Salinas, Diego}, year={2021}, month={jul.}, pages={PP. 72–85} }