Mapeo curvas típicas demanda de energía eléctrica del sector residencial, comercial e industrial de la ciudad de Medellín, usando redes neuronales artificiales y algoritmos de interpolación

Autores/as

  • Héctor Tabares Universidad de Antioquia
  • Jesús Hernández Universidad Nacional de Colombia

DOI:

https://doi.org/10.17533/udea.redin.17934

Palabras clave:

Redes neuronales artificiales, algoritmos de interpolación, demanda de energía eléctrica

Resumen

Uno de los principales problemas para modelar el consumo de energía eléctrica en un lugar determinado, consiste en la extracción del conocimiento cuando éste se encuentra almacenado en grandes volúmenes de información como, por ejemplo, registros históricos. De acuerdo con esta representación, cada hecho ocurrido y registrado está compuesto por una pareja de componentes (t, P) en donde t representa el tiempo en el que se registro la muestra y P representa la potencia eléctrica consumida en ese instante. El registro diario cuenta con N casos que representa cada una de las parejas de estímulo- respuesta conocidas. El objetivo de este trabajo consiste en hallar una función que permita mapear el vector de variables de entrada t al vector de variables de salida P. donde F es una función cualquiera, en este caso el consumo de energía eléctrica. Su modelamiento con Redes Neuronales Artificiales (RNA) es un Perceptron Multi Capa (PMC). Otra forma de modelarlo es usando Algoritmos de Interpolación (AI).

|Resumen
= 54 veces | PDF
= 26 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Héctor Tabares, Universidad de Antioquia

Departamento de Ingeniería Eléctrica, Facultad de Ingeniería

Citas

J. Hilera. “Redes Neuronales Artificiales”. Fundamentos, modelos y aplicaciones. Ed. Alfa Omega. Madrid. 2000. pp. 132-153.

B. Martín del Brio. Redes Neuronales y Sistemas Difusos. Ed. Alfa Omega. Madrid. 2002. pp 64 - 69.

T. Masters. Practical Neural Networks recipes in C++. Ed. Academic Press, Inc. San Diego (CA). 1993. pp. 173-180.

R. Burden, F. Duglas. Análisis Numérico. Ed. Thomson Learning. México. 2002. pp. 104-141.

J. Mathews, K. Fink. Métodos Numéricos con Mathlab. 3ª ed. Ed. Prentice Hall. Madrid. 2000. pp. 203-250.

S. Grainger. Análisis de sistemas de potencia. Ed. M. Graw Hill. New York. 2002. pp. 56-124.

R. Dow, J. Sietsman. “Creating Artificial Networks that generalize”. Neural Networks. Vol. 4. pp. 198-209.

Facultad de Ingeniería, Universidad de Antioquia. http://jaibana.udea.edu.co/producciones/programas.html. Consultada el 4 de Marzo de 2007.

Descargas

Publicado

2013-12-11

Cómo citar

Tabares, H., & Hernández, J. (2013). Mapeo curvas típicas demanda de energía eléctrica del sector residencial, comercial e industrial de la ciudad de Medellín, usando redes neuronales artificiales y algoritmos de interpolación. Revista Facultad De Ingeniería Universidad De Antioquia, (46), 110–118. https://doi.org/10.17533/udea.redin.17934

Artículos similares

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 > >> 

También puede {advancedSearchLink} para este artículo.