Please use this identifier to cite or link to this item:
http://repositorio.uisek.edu.ec/handle/123456789/4220
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | López Villada., Jesús | - |
dc.contributor.author | Rosero García, Jhonatan Fabricio | - |
dc.date.accessioned | 2021-05-04T16:37:41Z | - |
dc.date.available | 2021-05-04T16:37:41Z | - |
dc.date.issued | 2021-04 | - |
dc.identifier.citation | CT-MECI R816an/2021 | es |
dc.identifier.uri | https://repositorio.uisek.edu.ec/handle/123456789/4220 | - |
dc.description | La planificación eléctrica de un país es una creciente necesidad para su desarrollo económico. Sin embargo, este análisis es complejo de realizar debido a los diferentes hábitos de consumo de los participantes de este mercado. En este sentido, en Imbabura-Ecuador, el consumo eléctrico residencial es mayor que la capacidad de producción de esta provincia. Por esta razón, se presenta un análisis de predicción y agrupamiento por municipalidades mediante algoritmos de aprendizaje automático con el fin de determinar tendencias de consumo y presentar reportes para una adecuada planificación eléctrica. Como resultados relevantes los modelos de máquinas de soporte de decisión y bosques aleatorios demostraron ser los adecuados para esta tarea con error de predicción menor del 10 %. Por su parte, el algoritmo k-means pudo agrupar en 4 tipos de consumo eléctrico con una representación del 98 % de la variabilidad de los datos | es |
dc.description.abstract | The electrical planning of a country is a growing need for its economic development. However, this analysis is complex to carry out due to the different consumption habits of the participants in this market. In this sense, in Imbabura-Ecuador, residential electricity consumption is the one that needs the greatest electricity demand. For this reason, a prediction and grouping analysis by municipalities is presented using machine learning algorithms in order to determine consumer trends and present reports for proper electrical planning. As relevant results, the models of decision support machines and random forests proved to be suitable for this task with a prediction error of less than 10 %. For its part, the k-means algorithm was able to group 4 types of electricity consumption with a representation of 98 % of the data variability. | es |
dc.description.sponsorship | Uisek | es |
dc.language.iso | spa | es |
dc.publisher | Universidad Internacional SEK | es |
dc.rights | openAccess | es |
dc.subject | EFICIENCIA ENERGÉTICA | es |
dc.subject | CONSUMO ELÉCTRICO | es |
dc.subject | ANÁLISIS ELÉCTRICO | es |
dc.subject | MODELOS DE REGRESIÓN | es |
dc.subject | AGRUPACIÓN | es |
dc.title | Análisis de predicción y agrupación de consumo eléctrico en la provincia de Imbabura – Ecuador para la optimización de recursos energéticos | es |
dc.type | info:eu-repo/semantics/article | es |
Appears in Collections: | ECOEFICIENCIA INDUSTRIAL (ECI) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Rosero García Jhonatan Fabricio.pdf | 589.41 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.