Modelo de Predicción de Demanda Energética de una Subestación de CNEL EP Unidad de Negocio Esmeraldas
Loading...
Date
2023-11-23
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
En la actualidad, las Pérdidas No Técnicas continúan siendo un desafío importante
en el sector eléctrico en lo que respecta a la economía y la estabilidad del suministro. El
uso de técnicas de Aprendizaje Automático en la gestión de Pérdidas No Técnicas puede
llevar a una mayor eficiencia en la operación de la red eléctrica, donde un algoritmo
basado en Inteligencia Artificial es capaz de detectar irregularidades de manera rápida y
eficiente. En este trabajo de investigación se utilizaron macrodatos de registros de
consumos de energía de clientes residenciales proporcionados por el Departamento
Comercial de la CNEL EP Unidad de Negocio Esmeraldas. El objetivo principal de la
investigación consistió en identificar el algoritmo de clasificación de Aprendizaje
Automático supervisado más apropiado para detectar anomalías en el patrón de consumo
eléctrico de los clientes de la provincia de Esmeraldas. Se empleó la plataforma de Matlab
para entrenar, validar y probar ocho algoritmos de aprendizaje supervisado que detectan
NTL en el consumo. Para abordar el desafío del desbalanceo en los datos, se aplicaron
técnicas de reducción de dimensionalidad. Los resultados muestran que, el algoritmo de
clasificación Ensemble (Em) - Árboles Ensombrados supera a otros algoritmos con una
precisión del 91,39 \% y un tiempo de respuesta de 226,93 segundos.
Description
Artículo previo a la obtención de Magíster en Electricidad Mención Energías Renovables y Eficiencia Energética
Keywords
Pérdidas No Técnicas, Aprendizaje Automático, Clasificación, Consumo de Energía, Detección de Anomalías
Citation
POS.1015