Diseño de Red Neuronal Artificial para la Predicción de la Demanda Eléctrica
La Tienda Comercial "El Machetazo" enfrentó dificultades en la predicción de la curva de demanda eléctrica, lo que impactó negativamente la gestión de su sistema solar fotovoltaico y cumplimiento del plan de ahorro energético. Este trabajo tuvo como objetivo desarrollar una herramienta pre...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad Tecnológica de La Habana, José Antonio Echeverría
2024-09-01
|
| Series: | Revista Científica de Ingeniería Energética |
| Subjects: | |
| Online Access: | https://rie.cujae.edu.cu/index.php/RIE/article/view/909/1001 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1841556044919078912 |
|---|---|
| author | Ernesto Carlos Casals Cunill Salvador López Hierrezuelo Delmar Jaime García Raciel David Lago Solano |
| author_facet | Ernesto Carlos Casals Cunill Salvador López Hierrezuelo Delmar Jaime García Raciel David Lago Solano |
| author_sort | Ernesto Carlos Casals Cunill |
| collection | DOAJ |
| description | La Tienda Comercial "El Machetazo" enfrentó dificultades en la predicción de la curva de demanda eléctrica, lo que impactó negativamente la gestión de su sistema solar fotovoltaico y cumplimiento del plan de ahorro energético. Este trabajo tuvo como objetivo desarrollar una herramienta predictiva basada en redes neuronales artificialespara optimizar la gestión energética de la tienda. Para ello, se implementó un modelo de red neuronal tipo Long Short-TermMemory que empleó datos históricos de consumo eléctrico. La metodología incluyó recopilación y preprocesamiento de datos, diseño y entrenamiento del modelo, y la evaluación de su precisión. Los resultados indicaron que el modelo predijo de manera precisa la demanda eléctrica con un error medio absoluto de 0.02, lo que permitió una gestión más eficiente del sistema solar fotovoltaico y contribuyó al cumplimiento del plan energético. Este avance no solo mejoró la eficiencia operativa, sino que promovió el uso sostenible de energía. |
| format | Article |
| id | doaj-art-8ad7610bf83a46a9affa9533cce455d8 |
| institution | Kabale University |
| issn | 1815-5901 |
| language | English |
| publishDate | 2024-09-01 |
| publisher | Universidad Tecnológica de La Habana, José Antonio Echeverría |
| record_format | Article |
| series | Revista Científica de Ingeniería Energética |
| spelling | doaj-art-8ad7610bf83a46a9affa9533cce455d82025-01-07T14:52:40ZengUniversidad Tecnológica de La Habana, José Antonio EcheverríaRevista Científica de Ingeniería Energética1815-59012024-09-01453112Diseño de Red Neuronal Artificial para la Predicción de la Demanda EléctricaErnesto Carlos Casals Cunill0https://orcid.org/0009-0008-3617-4535Salvador López Hierrezuelo1https://orcid.org/0009-0005-2295-6358Delmar Jaime García2https://orcid.org/0000-0002-8103-8523Raciel David Lago Solano3https://orcid.org/0009-0001-7901-5429Universidad de Oriente (UO). Santiago de Cuba, Cuba Empresa Filial Copextel. Santiago de Cuba, CubaUniversidad de Oriente (UO). Santiago de Cuba, Cuba Universidad de Oriente (UO). Santiago de Cuba, Cuba La Tienda Comercial "El Machetazo" enfrentó dificultades en la predicción de la curva de demanda eléctrica, lo que impactó negativamente la gestión de su sistema solar fotovoltaico y cumplimiento del plan de ahorro energético. Este trabajo tuvo como objetivo desarrollar una herramienta predictiva basada en redes neuronales artificialespara optimizar la gestión energética de la tienda. Para ello, se implementó un modelo de red neuronal tipo Long Short-TermMemory que empleó datos históricos de consumo eléctrico. La metodología incluyó recopilación y preprocesamiento de datos, diseño y entrenamiento del modelo, y la evaluación de su precisión. Los resultados indicaron que el modelo predijo de manera precisa la demanda eléctrica con un error medio absoluto de 0.02, lo que permitió una gestión más eficiente del sistema solar fotovoltaico y contribuyó al cumplimiento del plan energético. Este avance no solo mejoró la eficiencia operativa, sino que promovió el uso sostenible de energía.https://rie.cujae.edu.cu/index.php/RIE/article/view/909/1001predicción de demanda eléctricaredes neuronales artificialeseficiencia energéticainteligencia artificial. |
| spellingShingle | Ernesto Carlos Casals Cunill Salvador López Hierrezuelo Delmar Jaime García Raciel David Lago Solano Diseño de Red Neuronal Artificial para la Predicción de la Demanda Eléctrica Revista Científica de Ingeniería Energética predicción de demanda eléctrica redes neuronales artificiales eficiencia energética inteligencia artificial. |
| title | Diseño de Red Neuronal Artificial para la Predicción de la Demanda Eléctrica |
| title_full | Diseño de Red Neuronal Artificial para la Predicción de la Demanda Eléctrica |
| title_fullStr | Diseño de Red Neuronal Artificial para la Predicción de la Demanda Eléctrica |
| title_full_unstemmed | Diseño de Red Neuronal Artificial para la Predicción de la Demanda Eléctrica |
| title_short | Diseño de Red Neuronal Artificial para la Predicción de la Demanda Eléctrica |
| title_sort | diseno de red neuronal artificial para la prediccion de la demanda electrica |
| topic | predicción de demanda eléctrica redes neuronales artificiales eficiencia energética inteligencia artificial. |
| url | https://rie.cujae.edu.cu/index.php/RIE/article/view/909/1001 |
| work_keys_str_mv | AT ernestocarloscasalscunill disenoderedneuronalartificialparalapredicciondelademandaelectrica AT salvadorlopezhierrezuelo disenoderedneuronalartificialparalapredicciondelademandaelectrica AT delmarjaimegarcia disenoderedneuronalartificialparalapredicciondelademandaelectrica AT racieldavidlagosolano disenoderedneuronalartificialparalapredicciondelademandaelectrica |