Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales

El objetivo de este trabajo consistió en realizar un estudio comparativo de dos técnicas predictivas empleadas para el pronóstico de la demanda de energía eléctrica: las redes neuronales artificiales (R.N.A.) y los métodos estadísticos tradicionales. Las simulaciones y los análisis de las series se...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Marzullo, Federico, Mansilla, Carlos
Otros Autores:	Prado, Pedro O.
Formato:	Tesis acceptedVersion Tesis de grado
Lenguaje:	Español
Publicado:	Universidad Nacional de Mar del Plata. Facultad de Ingeniería. Argentina 2003
Materias:	Redes neuronales artificiales (R.N.A.) Sistema de Información Geográfica (G.I.S.)
Acceso en línea:	http://rinfi.fi.mdp.edu.ar/handle/123456789/954
Aporte de:	RINFI - Facultad de Ingeniería (UNMdP) de Universidad Nacional de Mar del Plata (UNMdP)

id	I29-R182-123456789-954
record_format	dspace
spelling	I29-R182-123456789-9542024-10-03T15:53:20Z Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales Marzullo, Federico Mansilla, Carlos Prado, Pedro O. Redes neuronales artificiales (R.N.A.) Sistema de Información Geográfica (G.I.S.) El objetivo de este trabajo consistió en realizar un estudio comparativo de dos técnicas predictivas empleadas para el pronóstico de la demanda de energía eléctrica: las redes neuronales artificiales (R.N.A.) y los métodos estadísticos tradicionales. Las simulaciones y los análisis de las series se realizaron con la información de dos muestras de características económicas, de consumos de energía, de infraestructura y desarrollo, muy distintas: las ciudades de Gral. Madariaga y Pinamar. El método predictivo tradicional, basado en la descomposición de las series temporales en sus componentes fundamentales y la teoría básica de las redes neuronales se analizaron y se describieron en este trabajo. Los resultados de las predicciones para el mediano plazo se representaron en un Sistema de Información Geográfica (G.I.S.), se puede observar gráficamente la dinámica de los consumos proyectados para ambas ciudades. Efectuado el análisis comparativo final con las predicciones para el corto y en el mediano plazo, el modelo de las R.N.A. presentó un error menor y también su dispersión fue menor. Como conclusión y para las dos muestras consideradas, se demuestra que la técnica predictiva de las redes neuronales artificiales presentó un comportamiento superior frente al modelo tradicional Fil: Marzullo, Federico. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina Fil: Mansilla, Carlos. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina 2003-10-10 Thesis info:eu-repo/semantics/acceptedVersion info:ar-repo/semantics/tesis de grado info:eu-repo/semantics/bachelorThesis application/pdf http://rinfi.fi.mdp.edu.ar/handle/123456789/954 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by/4.0/ Universidad Nacional de Mar del Plata. Facultad de Ingeniería. Argentina
institution	Universidad Nacional de Mar del Plata (UNMdP)
institution_str	I-29
repository_str	R-182
collection	RINFI - Facultad de Ingeniería (UNMdP)
language	Español
topic	Redes neuronales artificiales (R.N.A.) Sistema de Información Geográfica (G.I.S.)
spellingShingle	Redes neuronales artificiales (R.N.A.) Sistema de Información Geográfica (G.I.S.) Marzullo, Federico Mansilla, Carlos Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales
topic_facet	Redes neuronales artificiales (R.N.A.) Sistema de Información Geográfica (G.I.S.)
description	El objetivo de este trabajo consistió en realizar un estudio comparativo de dos técnicas predictivas empleadas para el pronóstico de la demanda de energía eléctrica: las redes neuronales artificiales (R.N.A.) y los métodos estadísticos tradicionales. Las simulaciones y los análisis de las series se realizaron con la información de dos muestras de características económicas, de consumos de energía, de infraestructura y desarrollo, muy distintas: las ciudades de Gral. Madariaga y Pinamar. El método predictivo tradicional, basado en la descomposición de las series temporales en sus componentes fundamentales y la teoría básica de las redes neuronales se analizaron y se describieron en este trabajo. Los resultados de las predicciones para el mediano plazo se representaron en un Sistema de Información Geográfica (G.I.S.), se puede observar gráficamente la dinámica de los consumos proyectados para ambas ciudades. Efectuado el análisis comparativo final con las predicciones para el corto y en el mediano plazo, el modelo de las R.N.A. presentó un error menor y también su dispersión fue menor. Como conclusión y para las dos muestras consideradas, se demuestra que la técnica predictiva de las redes neuronales artificiales presentó un comportamiento superior frente al modelo tradicional
author2	Prado, Pedro O.
author_facet	Prado, Pedro O. Marzullo, Federico Mansilla, Carlos
format	Thesis acceptedVersion Tesis de grado Tesis de grado
author	Marzullo, Federico Mansilla, Carlos
author_sort	Marzullo, Federico
title	Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales
title_short	Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales
title_full	Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales
title_fullStr	Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales
title_full_unstemmed	Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales
title_sort	predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales
publisher	Universidad Nacional de Mar del Plata. Facultad de Ingeniería. Argentina
publishDate	2003
url	http://rinfi.fi.mdp.edu.ar/handle/123456789/954
work_keys_str_mv	AT marzullofederico prediccionycomparaciondelademandadelaenergiaelectricamediantelautilizacionderedesneuronalesartificialesymetodosestadisticostradicionales AT mansillacarlos prediccionycomparaciondelademandadelaenergiaelectricamediantelautilizacionderedesneuronalesartificialesymetodosestadisticostradicionales
_version_	1812568868006133760

Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales

Ejemplares similares