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

Mostrar el registro sencillo del ítem

dc.contributor.advisor Prado, Pedro O.
dc.contributor.author Marzullo, Federico
dc.contributor.author Mansilla, Carlos
dc.date.accessioned 2024-10-03T15:41:24Z
dc.date.available 2024-10-03T15:41:24Z
dc.date.issued 2003-10-10
dc.identifier.uri http://rinfi.fi.mdp.edu.ar/handle/123456789/954
dc.description.abstract 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 es_AR
dc.format application/pdf es_AR
dc.language.iso spa es_AR
dc.publisher Universidad Nacional de Mar del Plata. Facultad de Ingeniería. Argentina es_AR
dc.rights info:eu-repo/semantics/openAccess es_AR
dc.subject Redes neuronales artificiales (R.N.A.) es_AR
dc.subject Sistema de Información Geográfica (G.I.S.) es_AR
dc.title Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales es_AR
dc.type Thesis es_AR
dc.rights.holder https://creativecommons.org/licenses/by/4.0/ es_AR
dc.type.oa info:eu-repo/semantics/bachelorThesis es_AR
dc.type.snrd info:ar-repo/semantics/tesis de grado es_AR
dc.type.info info:eu-repo/semantics/acceptedVersion es_AR
dc.description.fil Fil: Marzullo, Federico. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina es_AR
dc.description.fil Fil: Mansilla, Carlos. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina es_AR


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Buscar en RINFI


Listar

Mi cuenta

Estadísticas