Modelación del consumo de energía eléctrica mediante métodos heurísticos
Durante los últimos años ha crecido la demanda de energía eléctrica en los sectores industriales y comerciales, así como en edificios públicos y privados. Lo anterior representa un problema para pronosticar el consumo de electricidad en estos sectores, por lo tanto, se tiene como finalidad evitar la...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2018 |
| País: | México |
| Institución: | Universidad Autónoma de Querétaro |
| Repositorio: | Repositorio Institucional de la Universidad Autónoma de Querétaro |
| OAI Identifier: | oai:ri-ng.uaq.mx:123456789/561 |
| Acceso en línea: | http://ri-ng.uaq.mx/handle/123456789/561 |
| Access Level: | acceso abierto |
| Palabra clave: | Anova Artificial neural network Duncan Red neuronal artificial INGENIERÍA Y TECNOLOGÍA |
| Sumario: | Durante los últimos años ha crecido la demanda de energía eléctrica en los sectores industriales y comerciales, así como en edificios públicos y privados. Lo anterior representa un problema para pronosticar el consumo de electricidad en estos sectores, por lo tanto, se tiene como finalidad evitar las multas impuestas por las respectivas empresas del suministro de electricidad. A medida que el consumo de energía eléctrica en estos sectores crece, la complejidad de los sistemas de generación y consumo de energía en las empresas de electricidad se incrementa de acuerdo a su capacidad de suministro de energía. Esta tesis presenta una modelación con métodos de Redes Neuronales Artificiales (RNA) y Auto regresivos con entradas exógenas (ARX) para calcular y predecir el consumo eléctrico para el sector público mediante procedimientos heurísticos, utilizando variables climáticas como la temperatura, la radiación solar, la velocidad del viento y la humedad relativa, así como el consumo de energía y el tiempo (hr. y día). Este sistema permite la previsión el consumo eléctrico en los próximos meses y, por lo tanto, una mejor gestión de la energía eléctrica. La previsión del consumo eléctrico en el sector público requiere de avanzadas herramientas inteligentes como las que se presentan en este estudio. La validación del modelo se realizó comparando los resultados con un modelo de regresión no lineal, RNA y ARX, también se tomaron en cuenta los datos reales con el análisis de la varianza (ANOVA) y con la prueba de rango múltiple DUNCAN. Este estudio de modelación del consumo de energía eléctrica para el sector público, se llevó a cabo en el posgrado de la Facultad de Ingeniería de la Universidad Autónoma de Querétaro. Los resultados de la predicción de modelo 4-4-1 RNA fueron de los intervalos de confianza del 95%. Las variables utilizadas como insumos para la previsión de modelo neuronal fueron la temperatura, el consumo de energía y el tiempo (día y hora) con un error estimado de 0.022 comparado con los datos reales. El algoritmo utilizado para la previsión fue el Levenberg-Marquardt. |
|---|