english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/40395 Cómo citar
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorMoncecchi, Guillermo-
dc.contributor.authorOtero, Ignacio-
dc.contributor.authorRuíz Díaz, Agustín-
dc.contributor.authorSan Martín, Nicolás-
dc.date.accessioned2023-09-25T18:28:21Z-
dc.date.available2023-09-25T18:28:21Z-
dc.date.issued2023-
dc.identifier.citationOtero, I., Ruíz Díaz, A. y San Martín, N. Predicción de consumo eléctrico en Montevideo [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2023.es
dc.identifier.urihttps://hdl.handle.net/20.500.12008/40395-
dc.description.abstractEste proyecto se enfoca en el análisis y la predicción del consumo eléctrico en Uruguay, específicamente en el departamento de Montevideo. Se busca recopilar e integrar distintas fuentes de información de la región que puedan ser de utilidad para esta tarea. Principalmente interesan datos socioeconómicos, meteorológicos y de consumo eléctrico, los cuales se obtienen de la Encuesta Continua de Hogares (ECH), el Instituto Uruguayo de Meteorología (INUMET) y la Administración Nacional de Usinas y Trasmisiones Eléctricas (UTE) respectivamente. Con esta información se busca predecir mensualmente el consumo eléctrico diario promedio por hogar en distintas regiones de Montevideo, denominadas como segmentos. Para realizar las predicciones se pueden utilizar diversos modelos de aprendizaje, en nuestro proyecto se decide utilizar Regresión Lineal, K-nearest neighbors (KNN) y Random Forest, siendo este último el modelo que presenta mejores resultados con un MAPE de 5.6% y un R2 de 0.85. También resulta interesante analizar el impacto que tienen las variables en la predicción, por lo que se realiza un estudio causal en el que se busca determinar si realmente causan aumentos o disminuciones en el consumo eléctrico. Los resultados de este estudio sugieren, a partir del modelo de la realidad propuesto, que los ingresos de los hogares y vivir en una casa son factores que causan diferencias en el consumo eléctricoes
dc.format.extent73 p.es
dc.format.mimetypeapplication/pdfes
dc.language.isoeses
dc.publisherUdelar. FI.es
dc.rightsLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)es
dc.subjectPredicción de consumo eléctricoes
dc.subjectAprendizaje automáticoes
dc.subjectCausalidades
dc.titlePredicción de consumo eléctrico en Montevideoes
dc.typeTesis de gradoes
dc.contributor.filiacionOtero Ignacio, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionRuíz Díaz Agustín, Universidad de la República (Uruguay). Facultad de Ingeniería-
dc.contributor.filiacionSan Martín Nicolás, Universidad de la República (Uruguay). Facultad de Ingeniería.-
thesis.degree.grantorUniversidad de la República (Uruguay). Facultad de Ingenieríaes
thesis.degree.nameIngeniero en Computaciónes
dc.rights.licenceLicencia Creative Commons Atribución (CC - By 4.0)es
Aparece en las colecciones: Tesis de grado - Instituto de Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
ORS23.pdfTesis de grado4,9 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons