Modelo para el agrupamiento de series de consumo de energía eléctrica basado en el aprendizaje no supervisado de distancias

Vista sencilla de ítem
dc.contributor.advisorArco García, Leticia
dc.contributor.authorPérez Verona, Isabel Cristina
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2018-03-23T18:55:57Z
dc.date.available2018-03-23T18:55:57Z
dc.date.issued2016-05-25
dc.description.abstractUn conocimiento profundo sobre el comportamiento del consumo eléctrico de una región es de gran importancia para la generación de energía eléctrica. Los enfoques existentes para el agrupamiento de series de consumo de energía eléctrica aún no explotan todas las posibilidades que existen para el procesamiento de estos datos, de ahí que se limita el descubrimiento de los perfiles de consumo de energía eléctrica particularmente cuando los métodos de agrupamiento utilizan métricas que no logran captar la similitud real entre las series. Por tanto, el objetivo de esta investigación consiste en obtener perfiles de consumo de energía eléctrica que logren caracterizar el comportamiento diario y mensual de los clientes de una red eléctrica. Los principales resultados obtenidos son: un esquema general para el agrupamiento de series de consumo de energía eléctrica que permite la detección de perfiles de consumo, a través de una serie de ocho etapas y que se distingue de otras propuestas al incluir el aprendizaje no supervisado de distancias, la detección de perfiles de consumo de energía eléctrica a partir de los datos de 216 consumidores de una subestación belga, la determinación de las distancias, métodos de agrupamiento y métodos de aprendizaje de métricas que mejores resultados reportaron para el caso de estudio analizado. Los experimentos ilustran que existen diferencias significativas en los perfiles obtenidos utilizando el esquema propuesto en su totalidad, y los perfiles obtenidos utilizando el esquema obviando la Etapa 6 que lo distingue, obteniéndose los mejores resultados al aplicar todas las etapas del esquema.en_US
dc.description.abstractA thorough knowledge of the behavior of a region electric consumption is vital for rational power generation. Existing approaches for grouping power consumption series not exploit all the possibilities they could for processing such data, hence the discovery of consumption profiles is limited particularly when clustering methods use metrics that fail to capture the similarity between series. Therefore, our objective is to obtain consumption profiles that characterize daily and monthly customer behavior in an electrical network. Our main results are: a general scheme for grouping power consumption series that allows the detection of consumption profiles, through a series of eight stages, where our scheme differs from other proposals, since we include a stage of unsupervised metric learning; detection of consumption profiles from the consumption data of 216 consumers provided by a Belgian substation; determining distances, clustering methods and unsupervised metric learning methods report the best results for the case study analyzed. The experiments illustrate that there are significant differences in the profiles obtained using the proposed scheme, and profiles obtained using the scheme obviating Stage 6 that distinguishes it, obtaining the best results when applying all stages of the scheme.en_US
dc.description.sponsorshipFacultad de Matemática, Física y Computación. Departamento de Computaciónen_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/9080
dc.language.isoesen_US
dc.publisherUniversidad Central “Marta Abreu” de Las Villasen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 Licenseen_US
dc.subjectModelo de Agrupamientoen_US
dc.subjectSeries de Consumoen_US
dc.subjectEnergía Eléctricaen_US
dc.subjectAprendizaje No Supervisadoen_US
dc.subjectDistanciasen_US
dc.subjectInteligencia Artificialen_US
dc.subject.otherAlgoritmos de Agrupamientoen_US
dc.subject.otherSeries de Tiempoen_US
dc.subject.otherAprendizaje No Supervisadoen_US
dc.subject.otherEnergía Eléctricaen_US
dc.subject.otherMediciónen_US
dc.subject.otherConsumo de Energíaen_US
dc.subject.otherModelo de Predicciónen_US
dc.subject.otherInteligencia Artificialen_US
dc.titleModelo para el agrupamiento de series de consumo de energía eléctrica basado en el aprendizaje no supervisado de distanciasen_US
dc.typeThesisen_US
dc.type.thesismasteren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
FINAL 20161026 Tesis. docx.pdf
Tamaño:
2.37 MB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.33 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis de Maestría - Ciencias de la Computación