Balance energético - proyección en la generación de plantas de energía

RESUMEN : En el área de planeación de la empresa para la cual se desarrolló este proyecto, calculaban por medio de Excel el promedio de generación de energía a partir de los datos históricos en cada una de sus plantas hidroeléctricas y con ellos pronosticaban su generación para próximos años. Por tanto, el propósito de este proyecto fue implementar una solución de analítica avanzada, a través de un ensamble de modelos estadísticos y Machine Learning que permitiera mejorar y automatizar el proceso de pronóstico en la generación de energía para el año 2022 con granularidad mensual, en 16 plantas hidroeléctricas, reduciendo los cálculos “Manuales” de sus analistas, para aumentar la productividad y rentabilidad en su negocio. Los resultados del desempeño del modelo muestran que de forma satisfactoria en la mayoría de sus plantas se logra mejor el pronóstico de energía en hasta un 11% con respecto a los cálculos clásicos que ellos realizaban, dando un alto grado de confiabilidad en los datos obtenidos.

• Autores: Duque Quintero, Mauricio
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/30531
• Acceso en línea: https://hdl.handle.net/10495/30531
• Palabra clave: Algoritmo; Algorithms; Balance energético; Energy balance; Central hidroeléctrica; Hydroelectric power stations; Procesamiento de datos; Data processing; Aprendizaje automático (inteligencia artificial); Generación de energía; Energy generation; Predicciones; http://aims.fao.org/aos/agrovoc/c_24836; http://vocabularies.unesco.org/thesaurus/concept2024; http://vocabularies.unesco.org/thesaurus/concept3523; http://vocabularies.unesco.org/thesaurus/concept4861; http://vocabularies.unesco.org/thesaurus/concept522
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/