Predicción de la demanda eléctrica del edificio de una Institución de Educación Superior basado en redes neuronales artificiales. Byron Mauricio Unapucha Quintuña
Material type:
- texto
- no mediado
- volumen
- PROYECTO 621.3 U544pr
Item type | Current library | Collection | Call number | Copy number | Status | Date due | Barcode | |
---|---|---|---|---|---|---|---|---|
![]() |
Biblioteca La Matriz ELECTRICIDAD | Colección / Fondo / Acervo / Resguardo | PROYECTO 621.3 U544pr (Browse shelf(Opens below)) | Ej.1 | Available | PI-002443 |
Browsing Biblioteca La Matriz shelves, Shelving location: ELECTRICIDAD, Collection: Colección / Fondo / Acervo / Resguardo Close shelf browser (Hides shelf browser)
Incluye CD-Rom y Anexos
Proyecto (Ingeniería Eléctrica en Sistemas Eléctricos de Potencia); Castillo Fiallos, Jessica Nataly ; Dir.
1. Introducción 2. Fundamentación teórica 3. Metodología 4. Análisis e interpretación de resultados
LOS PROYECTOS DE INVESTIGACIÓN DE GRADO SON DE USO EXCLUSIVO PARA LA SALA DE LECTURA
En el presente trabajo de tesis brinda una solución a la predicción de la demanda eléctrica a corto plazo para el bloque “B” de la Universidad Técnica de Cotopaxi basado en el uso de redes neuronales artificiales, teniendo en cuenta que dicha predicción ha sido un fenómeno capaz de generar curiosidad en los seres humanos, sin embargo, para lograr una proyección de un suceso futuro se requiere un detallado análisis de datos para lograr predecir eventos posteriores, con algoritmo de programación, con esta idea y en base a esta premisa el objetivo principal de la investigación fue desarrollar una herramienta computación capaz de realizar esta actividad a partir de una base de datos, los cuales fueron recopilados mediante un analizador de red Fluke 435 conectados al tablero de distribución principal encargado de alimentar a las cargas del bloque “B” dicho equipo se mantuvo conectado durante un periodo de tiempo considerable que comprende los meses de junio, julio, agosto, septiembre, octubre, noviembre y diciembre del año 2022, se procedió a realizar un filtrado de los datos obtenidos para utilizar únicamente los que contienen valores de consumo eléctrico, se plantearon las variables de entrada que son: días, energía eléctrica (Wh), para elaborar los diferentes casos de estudio con diversas condiciones con el propósito de alcanzar un acertado modelo de red neuronal
There are no comments on this title.