Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta

Descripción del Articulo

Este trabajo de investigación tiene como objetivo principal Desarrollar una herramienta computacional para la predicción de la demanda de energía eléctrica basado en redes neuronales artificiales mediante el programa computacional Matlab. La investigación fue de tipo aplicativa, nivel predictivo y d...

Descripción completa

Detalles Bibliográficos
Autores: Flores Echevarria, Luis Enrique, Ocmin Morales, Martin Alonso
Formato: tesis de grado
Fecha de Publicación:2022
Institución:Universidad Nacional De La Amazonía Peruana
Repositorio:UNAPIquitos-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unapiquitos.edu.pe:20.500.12737/8579
Enlace del recurso:https://hdl.handle.net/20.500.12737/8579
Nivel de acceso:acceso abierto
Materia:Redes neuronales
Programas de aplicación
Inteligencia artificial
Demanda
Energía eléctrica
https://purl.org/pe-repo/ocde/ford#2.02.04
id UNAP_1d6564b9ed249f225e989553585660a3
oai_identifier_str oai:repositorio.unapiquitos.edu.pe:20.500.12737/8579
network_acronym_str UNAP
network_name_str UNAPIquitos-Institucional
repository_id_str 4362
dc.title.es_PE.fl_str_mv Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta
title Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta
spellingShingle Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta
Flores Echevarria, Luis Enrique
Redes neuronales
Programas de aplicación
Inteligencia artificial
Demanda
Energía eléctrica
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta
title_full Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta
title_fullStr Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta
title_full_unstemmed Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta
title_sort Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nauta
author Flores Echevarria, Luis Enrique
author_facet Flores Echevarria, Luis Enrique
Ocmin Morales, Martin Alonso
author_role author
author2 Ocmin Morales, Martin Alonso
author2_role author
dc.contributor.advisor.fl_str_mv García Cortegano, Carlos Alberto
dc.contributor.author.fl_str_mv Flores Echevarria, Luis Enrique
Ocmin Morales, Martin Alonso
dc.subject.es_PE.fl_str_mv Redes neuronales
Programas de aplicación
Inteligencia artificial
Demanda
Energía eléctrica
topic Redes neuronales
Programas de aplicación
Inteligencia artificial
Demanda
Energía eléctrica
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description Este trabajo de investigación tiene como objetivo principal Desarrollar una herramienta computacional para la predicción de la demanda de energía eléctrica basado en redes neuronales artificiales mediante el programa computacional Matlab. La investigación fue de tipo aplicativa, nivel predictivo y diseño de la solución y como muestra de estudio los datos de consumo en kilowatts/ hora de energía eléctrica de los archivos digitales de la empresa ELECTRO ORIENTE, con esta información se construyó un dataset, se utilizó como técnica las Redes Neuronales Artificiales y como Instrumento el software MATLAB; para el procesamiento y análisis de datos usamos el MATLAB Neural Network Tools y MS Excel. El Coeficiente de Correlación del modelo de predicción en el consumo de energía eléctrica en la Ciudad de Nautas fue R= 0.99978, con un error cuadrático medio de 0.0000047813. también se puede evidenciar que existe una alta correlación entre los valores reales y los valores pronosticados de la demanda de consumo eléctrico en la ciudad de Nauta, tanto en el entrenamiento (training: R=0.99995), validación (validation: R = 0.9989) y Prueba (Test: R = 0.99936). Finalmente se acepta la hipótesis de investigación: Si se desarrolla una herramienta computacional mediante el programa computacional Matlab, entonces se podrá hacer predicciones de la demanda de energía eléctrica en la Ciudad de Nauta.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-11-28T18:54:29Z
dc.date.available.none.fl_str_mv 2022-11-28T18:54:29Z
dc.date.issued.fl_str_mv 2022
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12737/8579
url https://hdl.handle.net/20.500.12737/8579
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.*.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de la Amazonía Peruana
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.none.fl_str_mv reponame:UNAPIquitos-Institucional
instname:Universidad Nacional De La Amazonía Peruana
instacron:UNAPIquitos
instname_str Universidad Nacional De La Amazonía Peruana
instacron_str UNAPIquitos
institution UNAPIquitos
reponame_str UNAPIquitos-Institucional
collection UNAPIquitos-Institucional
bitstream.url.fl_str_mv https://repositorio.unapiquitos.edu.pe/bitstreams/f630fa76-29a6-468e-b8fd-e56e31f16637/download
https://repositorio.unapiquitos.edu.pe/bitstreams/7f1444d6-0b06-4afd-9ebc-4f9e9374e3f9/download
https://repositorio.unapiquitos.edu.pe/bitstreams/4fc85ce4-1bd5-460c-a8ab-feaf6ba77372/download
bitstream.checksum.fl_str_mv 41c9fd46c7c226faafdd4bd8edb24896
efde1c07440e36b1cccb2be16d804856
8353336c375e2dc002500864ac269aad
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital UNAP
repository.mail.fl_str_mv repositorio.institucional@unapiquitos.edu.pe
_version_ 1846612893711204352
spelling García Cortegano, Carlos AlbertoFlores Echevarria, Luis EnriqueOcmin Morales, Martin Alonso2022-11-28T18:54:29Z2022-11-28T18:54:29Z2022https://hdl.handle.net/20.500.12737/8579Este trabajo de investigación tiene como objetivo principal Desarrollar una herramienta computacional para la predicción de la demanda de energía eléctrica basado en redes neuronales artificiales mediante el programa computacional Matlab. La investigación fue de tipo aplicativa, nivel predictivo y diseño de la solución y como muestra de estudio los datos de consumo en kilowatts/ hora de energía eléctrica de los archivos digitales de la empresa ELECTRO ORIENTE, con esta información se construyó un dataset, se utilizó como técnica las Redes Neuronales Artificiales y como Instrumento el software MATLAB; para el procesamiento y análisis de datos usamos el MATLAB Neural Network Tools y MS Excel. El Coeficiente de Correlación del modelo de predicción en el consumo de energía eléctrica en la Ciudad de Nautas fue R= 0.99978, con un error cuadrático medio de 0.0000047813. también se puede evidenciar que existe una alta correlación entre los valores reales y los valores pronosticados de la demanda de consumo eléctrico en la ciudad de Nauta, tanto en el entrenamiento (training: R=0.99995), validación (validation: R = 0.9989) y Prueba (Test: R = 0.99936). Finalmente se acepta la hipótesis de investigación: Si se desarrolla una herramienta computacional mediante el programa computacional Matlab, entonces se podrá hacer predicciones de la demanda de energía eléctrica en la Ciudad de Nauta.Este trabajo de investigación tiene como objetivo principal Desarrollar una herramienta computacional para la predicción de la demanda de energía eléctrica basado en redes neuronales artificiales mediante el programa computacional Matlab. La investigación fue de tipo aplicativa, nivel predictivo y diseño de la solución y como muestra de estudio los datos de consumo en kilowatts/ hora de energía eléctrica de los archivos digitales de la empresa ELECTRO ORIENTE, con esta información se construyó un dataset, se utilizó como técnica las Redes Neuronales Artificiales y como Instrumento el software MATLAB; para el procesamiento y análisis de datos usamos el MATLAB Neural Network Tools y MS Excel. El Coeficiente de Correlación del modelo de predicción en el consumo de energía eléctrica en la Ciudad de Nautas fue R= 0.99978, con un error cuadrático medio de 0.0000047813. también se puede evidenciar que existe una alta correlación entre los valores reales y los valores pronosticados de la demanda de consumo eléctrico en la ciudad de Nauta, tanto en el entrenamiento (training: R=0.99995), validación (validation: R = 0.9989) y Prueba (Test: R = 0.99936). Finalmente se acepta la hipótesis de investigación: Si se desarrolla una herramienta computacional mediante el programa computacional Matlab, entonces se podrá hacer predicciones de la demanda de energía eléctrica en la Ciudad de Nauta.application/pdfspaUniversidad Nacional de la Amazonía PeruanaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Redes neuronalesProgramas de aplicaciónInteligencia artificialDemandaEnergía eléctricahttps://purl.org/pe-repo/ocde/ford#2.02.04Desarrollo de una red neuronal para estimar la demanda de energía eléctrica en la ciudad de Nautainfo:eu-repo/semantics/bachelorThesisreponame:UNAPIquitos-Institucionalinstname:Universidad Nacional De La Amazonía Peruanainstacron:UNAPIquitosSUNEDUIngeniería de Sistemas e InformáticaUniversidad Nacional de la Amazonía Peruana. Facultad de Ingeniería de Sistemas e InformáticaIngeniero(a) de Sistemas e Informática4214452870750988https://orcid.org/0000-0003-3353-956605342316https://purl.org/pe-repo/renati/type#tesis612156https://purl.org/pe-repo/renati/level#tituloProfesionalReátegui Pezo, AlejandroGarcía Díaz, José EdgarRamirez Villacorta, Jimmy MaxORIGINALLuis_Tesis_Titulo_2022.pdfLuis_Tesis_Titulo_2022.pdfTexto completoapplication/pdf1299337https://repositorio.unapiquitos.edu.pe/bitstreams/f630fa76-29a6-468e-b8fd-e56e31f16637/download41c9fd46c7c226faafdd4bd8edb24896MD51trueAnonymousREADTEXTLuis_Tesis_Titulo_2022.pdf.txtLuis_Tesis_Titulo_2022.pdf.txtExtracted texttext/plain60762https://repositorio.unapiquitos.edu.pe/bitstreams/7f1444d6-0b06-4afd-9ebc-4f9e9374e3f9/downloadefde1c07440e36b1cccb2be16d804856MD524falseAnonymousREADTHUMBNAILLuis_Tesis_Titulo_2022.pdf.jpgLuis_Tesis_Titulo_2022.pdf.jpgGenerated Thumbnailimage/jpeg3717https://repositorio.unapiquitos.edu.pe/bitstreams/4fc85ce4-1bd5-460c-a8ab-feaf6ba77372/download8353336c375e2dc002500864ac269aadMD525falseAnonymousREAD20.500.12737/8579oai:repositorio.unapiquitos.edu.pe:20.500.12737/85792025-09-27T18:40:15.524489Zhttps://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.unapiquitos.edu.peRepositorio Digital UNAPrepositorio.institucional@unapiquitos.edu.pe
score 13.433842
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).