Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal.
En este trabajo se utilizan dos técnicas de inteligencia artificial para pronosticar la demanda mensual de energía eléctrica en Colombia con el objetivo de determinar el error de la predicción y puedan ser comparados posteriormente con otros modelos tradicionales pronóstico de series de tiempo. Una...
- Autores:
-
Medina Hurtado, Santiago
García Aguado, Josefina
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2005
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/36336
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/36336
http://bdigital.unal.edu.co/26420/
- Palabra clave:
- Demanda de energía
Redes neuronales
Redes neurodifusas
ANFIS.
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
id |
UNACIONAL2_a12727768a994465111d53dabbc91747 |
---|---|
oai_identifier_str |
oai:repositorio.unal.edu.co:unal/36336 |
network_acronym_str |
UNACIONAL2 |
network_name_str |
Universidad Nacional de Colombia |
repository_id_str |
|
spelling |
Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Medina Hurtado, Santiago42e30d11-220f-4404-a6c6-f024abb55465300García Aguado, Josefina9d1e1a6e-ae38-4333-ba23-6513cdcf5e903002019-06-28T01:16:52Z2019-06-28T01:16:52Z2005https://repositorio.unal.edu.co/handle/unal/36336http://bdigital.unal.edu.co/26420/En este trabajo se utilizan dos técnicas de inteligencia artificial para pronosticar la demanda mensual de energía eléctrica en Colombia con el objetivo de determinar el error de la predicción y puedan ser comparados posteriormente con otros modelos tradicionales pronóstico de series de tiempo. Una disminución importante en los errores de predicción, traería beneficios económicos para todos los agentes que operan en el sector eléctrico. Las redes neurales Artificiales (RNA) y los sistemas de inferencia Borroso Adaptativo – ANFIS son actualmente ampliamente utilizados en problemas de pronóstico en muchos campos de la ciencia y la tecnología con buen desempeño, para nuestro caso estos modelos fueron alimentados con variables explicativas de la demanda. Se utilizo una RNA completamente interconectada con propagación hacia delante de tres capas y se probaron dos algoritmos de aprendizaje para la red encontrándose resultados significativamente diferentes en el error de predicción así como en el tiempo de entrenamiento. El modelo ANFIS utilizado fue de tipo Takawi-Sugeno de orden cero y fue alimentado con las componentes principales de las variables de entrada definidas. Los resultados fueron comparados mediante la función error Raíz del error Medio Cuadrático (RMSE) y el porcentaje de error absoluto medio (MAPE) encontrándose un mejor desempeño de la RNA.application/pdfspaUniversidad Nacional de Colombia Sede Manizaleshttp://revistas.unal.edu.co/index.php/energetica/article/view/24008Universidad Nacional de Colombia Revistas electrónicas UN EnergéticaEnergéticaEnergética; núm. 33 (2005); 15-24 Energética; núm. 33 (2005); 15-24 2357-612X 0120-9833Medina Hurtado, Santiago and García Aguado, Josefina (2005) Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. Energética; núm. 33 (2005); 15-24 Energética; núm. 33 (2005); 15-24 2357-612X 0120-9833 .Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal.Artículo de revistainfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/ARTDemanda de energíaRedes neuronalesRedes neurodifusasANFIS.ORIGINAL24008-84098-1-PB.pdfapplication/pdf435122https://repositorio.unal.edu.co/bitstream/unal/36336/1/24008-84098-1-PB.pdf819fc7b8481b2c524d6307ca9f4a685eMD51THUMBNAIL24008-84098-1-PB.pdf.jpg24008-84098-1-PB.pdf.jpgGenerated Thumbnailimage/jpeg7107https://repositorio.unal.edu.co/bitstream/unal/36336/2/24008-84098-1-PB.pdf.jpg1148de68467f1430fa5a94c6b3d4a5daMD52unal/36336oai:repositorio.unal.edu.co:unal/363362023-01-09 23:02:41.605Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co |
dc.title.spa.fl_str_mv |
Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. |
title |
Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. |
spellingShingle |
Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. Demanda de energía Redes neuronales Redes neurodifusas ANFIS. |
title_short |
Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. |
title_full |
Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. |
title_fullStr |
Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. |
title_full_unstemmed |
Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. |
title_sort |
Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. |
dc.creator.fl_str_mv |
Medina Hurtado, Santiago García Aguado, Josefina |
dc.contributor.author.spa.fl_str_mv |
Medina Hurtado, Santiago García Aguado, Josefina |
dc.subject.proposal.spa.fl_str_mv |
Demanda de energía Redes neuronales Redes neurodifusas ANFIS. |
topic |
Demanda de energía Redes neuronales Redes neurodifusas ANFIS. |
description |
En este trabajo se utilizan dos técnicas de inteligencia artificial para pronosticar la demanda mensual de energía eléctrica en Colombia con el objetivo de determinar el error de la predicción y puedan ser comparados posteriormente con otros modelos tradicionales pronóstico de series de tiempo. Una disminución importante en los errores de predicción, traería beneficios económicos para todos los agentes que operan en el sector eléctrico. Las redes neurales Artificiales (RNA) y los sistemas de inferencia Borroso Adaptativo – ANFIS son actualmente ampliamente utilizados en problemas de pronóstico en muchos campos de la ciencia y la tecnología con buen desempeño, para nuestro caso estos modelos fueron alimentados con variables explicativas de la demanda. Se utilizo una RNA completamente interconectada con propagación hacia delante de tres capas y se probaron dos algoritmos de aprendizaje para la red encontrándose resultados significativamente diferentes en el error de predicción así como en el tiempo de entrenamiento. El modelo ANFIS utilizado fue de tipo Takawi-Sugeno de orden cero y fue alimentado con las componentes principales de las variables de entrada definidas. Los resultados fueron comparados mediante la función error Raíz del error Medio Cuadrático (RMSE) y el porcentaje de error absoluto medio (MAPE) encontrándose un mejor desempeño de la RNA. |
publishDate |
2005 |
dc.date.issued.spa.fl_str_mv |
2005 |
dc.date.accessioned.spa.fl_str_mv |
2019-06-28T01:16:52Z |
dc.date.available.spa.fl_str_mv |
2019-06-28T01:16:52Z |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
format |
http://purl.org/coar/resource_type/c_6501 |
status_str |
publishedVersion |
dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/36336 |
dc.identifier.eprints.spa.fl_str_mv |
http://bdigital.unal.edu.co/26420/ |
url |
https://repositorio.unal.edu.co/handle/unal/36336 http://bdigital.unal.edu.co/26420/ |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.spa.fl_str_mv |
http://revistas.unal.edu.co/index.php/energetica/article/view/24008 |
dc.relation.ispartof.spa.fl_str_mv |
Universidad Nacional de Colombia Revistas electrónicas UN Energética Energética |
dc.relation.ispartofseries.none.fl_str_mv |
Energética; núm. 33 (2005); 15-24 Energética; núm. 33 (2005); 15-24 2357-612X 0120-9833 |
dc.relation.references.spa.fl_str_mv |
Medina Hurtado, Santiago and García Aguado, Josefina (2005) Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. Energética; núm. 33 (2005); 15-24 Energética; núm. 33 (2005); 15-24 2357-612X 0120-9833 . |
dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia Sede Manizales |
institution |
Universidad Nacional de Colombia |
bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/36336/1/24008-84098-1-PB.pdf https://repositorio.unal.edu.co/bitstream/unal/36336/2/24008-84098-1-PB.pdf.jpg |
bitstream.checksum.fl_str_mv |
819fc7b8481b2c524d6307ca9f4a685e 1148de68467f1430fa5a94c6b3d4a5da |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
_version_ |
1814089196054249472 |