Pronóstico de consumo de energía eléctrica residencial de corto plazo utilizando algoritmos de aprendizaje automático y profundo

Autores/as

DOI:

https://doi.org/10.15381/risi.v15i2.23909

Palabras clave:

Análisis de componentes principales, análisis exploratorio de datos, aprendizaje automático, aprendizaje profundo, red neuronal artificial, regresión lineal

Resumen

El objetivo de esta investigación es crear modelos de predicción de consumo de energía eléctrica para el corto plazo, utilizando el algoritmo de regresión lineal múltiple y una red neuronal artificial. Es una investigación de tipo descriptiva-explicativa, y se usa la metodología de la ciencia de datos para alcanzar el objetivo planteado. Los modelos se entrenan y evalúan utilizando los datos de energía eléctrica facturada mensual en Uruguay, durante el período 2000-2022, además de las mediciones de temperatura ambiente y humedad relativa, así como la variación porcentual del índice de protección al consumidor. A través de un análisis de correlación y de un análisis de componentes principales, se verifica la importancia de las variables explicativas seleccionadas, previo a la obtención de los modelos. El modelo de regresión lineal tuvo un R2 de 0,782 y el modelo de la red neuronal de 0,797, los residuos se distribuyeron normalmente para ambos modelos, y las métricas RMSE, MAE, y MAPE tuvieron valores similares también en ambos modelos. El modelo de la red neuronal tuvo un mejor desempeño, en comparación con el modelo de regresión lineal, en lo que respecta a la predicción de la energía eléctrica para los meses de julio y agosto del año 2022.

Descargas

Los datos de descarga aún no están disponibles.

Descargas

Publicado

2022-12-30

Número

Sección

Artículos de Investigaciones Originales

Cómo citar

[1]
“Pronóstico de consumo de energía eléctrica residencial de corto plazo utilizando algoritmos de aprendizaje automático y profundo”, Rev.Investig.sist.inform., vol. 15, no. 2, pp. 27–37, Dec. 2022, doi: 10.15381/risi.v15i2.23909.