INVESTIGADORES
RODRIGUEZ Andres
congresos y reuniones científicas
Título:
Eleccion de la red neuronal adecuada para la estimacion de la demanda de carga en sistemas de distribucion de fluido electrico.
Autor/es:
M SMREKAR; A MARTINA; G MOYA; A RODRIGUEZ; GIOVINE L
Lugar:
Montevideo
Reunión:
Congreso; XIV CONGRESO LATINOAMERICANO DE SOCIEDADES DE ESTADÍSTICA; 2021
Institución organizadora:
CLATSE
Resumen:
El estudio de la demanda el´ectrica y de su predicci´on tienen gran cantidad de antecedentes en la bi- bliograf´ıa tanto en las estrategias de estimaci´on como en las t´ecnicas y modelos para la predicci´on. La carga del sistema el´ectrico es un proceso aleatorio continuo, con muchas variables e influenciado por varios factores. Parte de esta investigaci´on es justificar el m´etodo de pron´ostico elegido para realizar la estimaci´on de la serie de demandas. E´stas presentan diferentes niveles de estacionalidad y cuentan con numerosas variables ex´ogenas involucradas:clima, cambios tecnol´ogicos y sociales que producen quiebresy cambios de patrones en las series. La estrategiade modelado fue evolucionando desde los modelos pa- ram´etricos lineales pasando por los param´etricos no lineales hasta llegar a los modelos no param´etricos de la estad´ıstica computacional. U´ltimamente se han popularizado los modelos de aprendizaje artificial, aprendizaje profundo e inteligencia artificial. En l´ıneas generales, hay consenso en la bibliograf´ıa en que el m´etodo de Redes NeuronalesArtificiales (RNA) es adecuado para la estimaci´on de la demanda de carga. En este trabajo se justifica la elecci´on de la herramienta estad´ıstica para predecir la demanda y se realiza una optimizaci´on para comparar el desempen?o de distintas topolog´ıas de RNA, distintas arquitec-turas, distintas fuentes de datos meteorol´ogicos y la incorporaci´on de distintas variables meteorol´ogicas en la predicci´on de la demanda el´ectrica con RNA utilizandolos paquetes Keras y Tensorflow de Python.