Mostrar el registro sencillo del ítem
| dc.contributor | Alfaro Arancibia, Rodrigo Marcelo | ||
| dc.creator | Pizarro Herrera, Gabriel Natán | ||
| Fecha Ingreso | dc.date.accessioned | 2021-10-21T00:45:56Z | |
| Fecha Disponible | dc.date.available | 2021-10-21T00:45:56Z | |
| Fecha en Repositorio | dc.date.issued | 2021-10-20 | |
| Resumen | dc.description | <p>Una de las mayores problemáticas en el sector de la distribución de energía eléctrica es la dificultad para conocer con detalle el comportamiento del consumo en el tiempo. Por ello, se han incorporado nuevas tecnologías, como los medidores inteligentes, que permiten registrar y monitorear de manera constante las fluctuaciones del consumo eléctrico. A partir de estos datos, las empresas distribuidoras pueden obtener conocimiento relevante para la toma de decisiones.El presente trabajo de investigación se ha enfocado, por una parte, en descubrir patrones comunes entre clientes, a partir de datos recolectados por medidores inteligentes. Se elaboraron distintas representaciones de consumo, y a partir de éstas se agrupó a clientes similares, aplicando un algoritmo de clustering. Por otra parte, se abordó también el entrenamiento y evaluación de modelos de pronóstico para el consumo eléctrico, utilizando intervalos pequeños de tiempo.Los resultados obtenidos a partir del clustering, permitieron reconocer diversos segmentos de clientes, los cuales, no siendo representativos en cantidad, aportaban un alto porcentaje en el consumo total. En cuanto a los modelos de pronóstico evaluados, se obtuvo un buen desempeño, superior al 99% en el coeficiente de correlación</p> | |
| Resumen | dc.description | <p>One of the major problems in the area of electric power distribution is the difficulty in knowing in detail the behavior of electric consumption over time. For this reason, new technologies, such as smart meters, have been incorporated, allowing the constant measure of the fluctuations in electricity consumption. Based on these data, the distribution companies can generate relevant knowledge for decision making. The focus of the present research is, on the one hand, the discovery of common patterns of customers, based on smart meters data. For this reason, several consumer representations were elaborated, from which similar clients were grouped, applying a clustering algorithm. This work also involved the training and evaluation of forecasting models for electricity consumption, using small time intervals. The results obtained from the clustering allowed the recognition of different customer segments, which, although not representative in terms of quantity, contributed a high percentage of the total consumption. Regarding the forecast models evaluated, a good performance was obtained, above 99% in the correlation coefficient</p> | |
| Resumen | dc.description | last modification | |
| Resumen | dc.description | Licenciado en Ciencias de la Ingeniería | |
| Resumen | dc.description | Ingeniero Civil en Informáticatítulo | |
| Resumen | dc.description | INGENIERIA CIVIL INFORMATICA | |
| Resumen | dc.description | <p>Una de las mayores problemáticas en el sector de la distribución de energía eléctrica es la dificultad para conocer con detalle el comportamiento del consumo en el tiempo. Por ello, se han incorporado nuevas tecnologías, como los medidores inteligentes, que permiten registrar y monitorear de manera constante las fluctuaciones del consumo eléctrico. A partir de estos datos, las empresas distribuidoras pueden obtener conocimiento relevante para la toma de decisiones.El presente trabajo de investigación se ha enfocado, por una parte, en descubrir patrones comunes entre clientes, a partir de datos recolectados por medidores inteligentes. Se elaboraron distintas representaciones de consumo, y a partir de éstas se agrupó a clientes similares, aplicando un algoritmo de clustering. Por otra parte, se abordó también el entrenamiento y evaluación de modelos de pronóstico para el consumo eléctrico, utilizando intervalos pequeños de tiempo.Los resultados obtenidos a partir del clustering, permitieron reconocer diversos segmentos de clientes, los cuales, no siendo representativos en cantidad, aportaban un alto porcentaje en el consumo total. En cuanto a los modelos de pronóstico evaluados, se obtuvo un buen desempeño, superior al 99% en el coeficiente de correlación</p> | |
| Resumen | dc.description | <p>One of the major problems in the area of electric power distribution is the difficulty in knowing in detail the behavior of electric consumption over time. For this reason, new technologies, such as smart meters, have been incorporated, allowing the constant measure of the fluctuations in electricity consumption. Based on these data, the distribution companies can generate relevant knowledge for decision making. The focus of the present research is, on the one hand, the discovery of common patterns of customers, based on smart meters data. For this reason, several consumer representations were elaborated, from which similar clients were grouped, applying a clustering algorithm. This work also involved the training and evaluation of forecasting models for electricity consumption, using small time intervals. The results obtained from the clustering allowed the recognition of different customer segments, which, although not representative in terms of quantity, contributed a high percentage of the total consumption. Regarding the forecast models evaluated, a good performance was obtained, above 99% in the correlation coefficient</p> | |
| Formato | dc.format | ||
| Lenguaje | dc.language | spa | |
| dc.rights | autorizado despues 1 año | ||
| dc.source | http://opac.pucv.cl/pucv_txt/txt-8500/UCD8531_01.pdf | ||
| Materia | dc.subject | RECONOCIMIENTO DE PATRONES | |
| Materia | dc.subject | CONSUMO ELECTRICO | |
| Materia | dc.subject | Algoritmos | |
| Materia | dc.subject | CLUSTERS | |
| Title | dc.title | Reconocimiento de patrones y pronóstico de consumo eléctrico | |
| Tipo | dc.type | texto |
| Archivos | Tamaño | Formato | Ver |
|---|---|---|---|
|
No hay archivos asociados a este ítem. |
|||