Modelo de regresión lineal múltiple para mejorar la eficiencia energética para una subestación eléctrica de media tensión

• Autores: Chavez Bazan, Hugo Alberto, Silva Lopez, Aniano Raul
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/133836
• Enlace del recurso: https://hdl.handle.net/20.500.12692/133836
• Nivel de acceso: acceso abierto
• Materia: Eficiencia energética; Subestaciones hospitalarias; Tecnologías eficientes; https://purl.org/pe-repo/ocde/ford#2.03.01

La optimización de la eficiencia energética en subestaciones de Media Tensión dentro de entornos hospitalarios es un aspecto crítico para garantizar un suministro eléctrico confiable y sostenible. Este estudio se enfoca en la recopilación exhaustiva de datos históricos de consumo, patrones de demanda y condiciones operativas en subestaciones hospitalarias. Se identifican las causas subyacentes de la ineficiencia energética y se implementan modelos predictivos basados en la regresión lineal múltiple para predecir y optimizar el consumo energético. La validación del modelo se realiza mediante la comparación de datos reales con predicciones, utilizando métricas clave como el Error Absoluto Medio (MAE), Error Cuadrático Medio (MSE) y el coeficiente de determinación (R-cuadrado). Los resultados muestran una mínima discrepancia entre las predicciones y los datos reales, validando la efectividad del modelo en la simulación de escenarios energéticos. Se destaca la necesidad de estrategias de mantenimiento preventivo y ajustes menores para abordar las divergencias observadas. Para mejorar la eficiencia energética, se propone la adopción de tecnologías modernas, equipos más eficientes, sistemas de monitoreo continuo y la consideración de fuentes de energía renovable. Estas medidas buscan optimizar el rendimiento operativo, reducir costos a largo plazo y garantizar un suministro eléctrico confiable en entornos hospitalarios. A pesar de la alta precisión del modelo, se subraya la oportunidad de realizar ajustes puntuales y emplear técnicas más avanzadas de análisis de datos para mejorar aún más su capacidad predictiva. La implementación de estrategias de mejora continua y la adaptación del modelo a cambios en el entorno hospitalario se perfilan como aspectos cruciales para mantener su relevancia y precisión a largo plazo.