\u00abDise\u00f1o\u00a0de un modelo inteligente para la predicci\u00f3n horaria a corto plazo de la demanda el\u00e9ctrica nacional basado en aprendizaje profundo y propuesta de implementaci\u00f3n\u00a0en el despacho de carga de la ANDE\u00bb,\u00a0<\/b>se denomina la presentaci\u00f3n del Trabajo Final de Grado (TFG) que presentaron los ahora ingenieros\u00a0F\u00e9lix Juan Ram\u00f3n Morales Mareco y Mat\u00edas Emmanuel Verd\u00fan Bello<\/b>, como \u00faltima prueba para egresar de la carrera de\u00a0Ingenier\u00eda Mecatr\u00f3nica de la Facultad de Ingenier\u00eda de la Universidad Nacional de Asunci\u00f3n (FIUNA)<\/b>. La exitosa defensa del trabajo se realiz\u00f3 el pasado mi\u00e9rcoles 30 de diciembre de 2020, en la Instituci\u00f3n.\nLa previsi\u00f3n de la demanda de consumo el\u00e9ctrico es un insumo fundamental para la toma de decisiones operativas, t\u00e9cnicas y estrat\u00e9gicas por la Administraci\u00f3n Nacional de \u0301Electricidad (ANDE). Un problema con la energ\u00eda el\u00e9ctrica es el\u00a0alto costo de almacenarlas una vez generada y por tanto, es de vital importancia prever con la mayor precisi\u00f3n posible la demanda futura. Si la demanda futura predicha es muy superior a la real, puede generar perdidas econ\u00f3micas por la programaci\u00f3n de generaci\u00f3n innecesaria, mientras que si la demanda futura predicha es muy inferior, se da lugar a un mayor coste para el consumidor debido a la necesidad de recurrir a generaci\u00f3n de contingencia.\nLa previsi\u00f3n de la demanda el\u00e9ctrica a corto plazo es un insumo fundamental para la toma de decisiones por parte de entidades dedicadas a la administraci\u00f3n de energ\u00eda el\u00e9ctrica. Los modelos predictivos utilizados tradicionalmente (determin\u00edsticos y estad\u00edsticos) se basan en el an\u00e1lisis de series temporales hist\u00f3ricas. El Trabajo Final de Grado presentado propone un modelo inteligente basado en celdas LSTM (Long-Short Term Memory), el buque insignia de las Redes Neuronales Recurrentes, cuya optimizaci\u00f3n de par\u00e1metros esta a cargo de un Algoritmo Gen\u00e9tico para encontrar el mejor desempe\u00f1o en la predicci\u00f3n horaria del consumo el\u00e9ctrico. El dataset entero abarca datos hist\u00f3ricos de la demanda por hora de 2009 a 2018 de la Administraci\u00f3n Nacional de Electricidad (ANDE), adem\u00e1s de la inclusi\u00f3n de variables clim\u00e1ticas y variables del calendario que se correlacionan con el consumo el\u00e9ctrico. El modelo desarrollado permite asistir a la ANDE en la toma de decisiones criticas y en la programaci\u00f3n diaria de las operaciones de carga en los despachos de las centrales de generaci\u00f3n.\nLa generaci\u00f3n de varios modelos basados en LSTM, \u0301con distintas configuraciones y cuyos par\u00e1metros fueron optimizados de manera satisfactoria mediante la utilizaci\u00f3n de un algoritmo gen\u00e9tico dise\u00f1ado espec\u00edficamente para esta tarea, ha permitido obtener los mejores candidatos para un an\u00e1lisis posterior. Con el proceso de validaci\u00f3n y los an\u00e1lisis realizados bajo criterios y exigencias de un sistema de predicci\u00f3n de demanda el\u00e9ctrica a nivel pa\u00eds, el modelo LSTM se ha destacado en precisi\u00f3n y robustez.\nLa comparativa final realizada con el modelo LSTM elaborado en este Trabajo Final de Grado demuestra mejores\nresultados en la predicci\u00f3n de demanda el\u00e9ctrica frente a los modelos SARIMAX y Random Forest, como as\u00ed tambi\u00e9n, frente a las predicciones realizadas por la ANDE para los d\u00edas analizados, en donde sobresale la precisi\u00f3n en las horas de mayor consumo.]]> \t<\/p>\n","protected":false},"excerpt":{"rendered":"
\u00abDise\u00f1o\u00a0de un modelo inteligente para la predicci\u00f3n horaria a corto plazo de la demanda el\u00e9ctrica nacional basado en aprendizaje profundo y propuesta de implementaci\u00f3n\u00a0en el despacho de carga de la ANDE\u00bb,\u00a0se denomina la presentaci\u00f3n del Trabajo Final de Grado (TFG) que presentaron los ahora ingenieros\u00a0F\u00e9lix Juan Ram\u00f3n Morales Mareco y Mat\u00edas Emmanuel Verd\u00fan Bello, como \u00faltima prueba para egresar de la carrera de\u00a0Ingenier\u00eda Mecatr\u00f3nica de la Facultad de Ingenier\u00eda de la Universidad Nacional de Asunci\u00f3n (FIUNA). La exitosa defensa del trabajo se realiz\u00f3 el pasado mi\u00e9rcoles 30 de diciembre de 2020, en la Instituci\u00f3n.<\/p>\n","protected":false},"author":1,"featured_media":44517,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_bbp_topic_count":0,"_bbp_reply_count":0,"_bbp_total_topic_count":0,"_bbp_total_reply_count":0,"_bbp_voice_count":0,"_bbp_anonymous_reply_count":0,"_bbp_topic_count_hidden":0,"_bbp_reply_count_hidden":0,"_bbp_forum_subforum_count":0,"advanced_seo_description":"","jetpack_seo_html_title":"","jetpack_seo_noindex":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":false,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"jetpack_post_was_ever_published":false},"categories":[75,143],"tags":[177],"class_list":["post-44516","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias","category-tfg","tag-ingenieria-en-mecatronica"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"https:\/\/www.ing.una.py\/FIUNA3\/wp-content\/uploads\/2021\/01\/IMG-verdun-Morales.jpg","jetpack_shortlink":"https:\/\/wp.me\/pc8Odv-bA0","jetpack_likes_enabled":true,"jetpack_sharing_enabled":true,"jetpack-related-posts":[],"_links":{"self":[{"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/posts\/44516","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=44516"}],"version-history":[{"count":0,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/posts\/44516\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/media\/44517"}],"wp:attachment":[{"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=44516"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=44516"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=44516"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}