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.advisor | Moncecchi, Guillermo | - |
dc.contributor.author | Otero, Ignacio | - |
dc.contributor.author | Ruíz Díaz, Agustín | - |
dc.contributor.author | San Martín, Nicolás | - |
dc.date.accessioned | 2023-09-25T18:28:21Z | - |
dc.date.available | 2023-09-25T18:28:21Z | - |
dc.date.issued | 2023 | - |
dc.identifier.citation | Otero, 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.uri | https://hdl.handle.net/20.500.12008/40395 | - |
dc.description.abstract | Este 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 eléctrico | es |
dc.format.extent | 73 p. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | es | es |
dc.publisher | Udelar. FI. | es |
dc.rights | Las 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.subject | Predicción de consumo eléctrico | es |
dc.subject | Aprendizaje automático | es |
dc.subject | Causalidad | es |
dc.title | Predicción de consumo eléctrico en Montevideo | es |
dc.type | Tesis de grado | es |
dc.contributor.filiacion | Otero Ignacio, Universidad de la República (Uruguay). Facultad de Ingeniería. | - |
dc.contributor.filiacion | Ruíz Díaz Agustín, Universidad de la República (Uruguay). Facultad de Ingeniería | - |
dc.contributor.filiacion | San Martín Nicolás, Universidad de la República (Uruguay). Facultad de Ingeniería. | - |
thesis.degree.grantor | Universidad de la República (Uruguay). Facultad de Ingeniería | es |
thesis.degree.name | Ingeniero en Computación | es |
dc.rights.licence | Licencia 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.pdf | Tesis de grado | 4,9 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons