Servicios Personalizados
Revista
Articulo
Indicadores
Citado por SciELO
Accesos
Links relacionados
Similares en SciELO
Compartir
Revista Técnica energía
versión On-line ISSN 2602-8492versión impresa ISSN 1390-5074
Resumen
GALLO, Angel; PEREZ, Fabián y SALINAS, Diego. Minería de Datos y Proyección a Corto Plazo de la Demanda de Potencia en el Sistema Eléctrico Ecuatoriano. Revista Técnica energía [online]. 2021, vol.18, n.1, pp.72-85. ISSN 2602-8492. https://doi.org/10.37116/revistaenergia.v18.n1.2021.461.
Resumen:
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.
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.
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.
Palabras clave : Aprendizaje Automático; Minería de datos; Potencia Eléctrica; Proyección de demanda a corto plazo; Sistema Nacional Interconectado.