Modelo para la predicción de interrupciones de energía en circuitos de distribución reportados a la superintendencia de servicios públicos Colombia

Vista sencilla de ítem
dc.contributor.advisorGonzález Veloza, José John Fredy
dc.contributor.authorSalinas Moreno, Giovanny
dc.coverage.spatialColombiaspa
dc.creator.emailgsalinasm@libertadores.edu.cospa
dc.date.accessioned2023-07-27T13:50:15Z
dc.date.available2023-07-27T13:50:15Z
dc.date.created2023-07
dc.descriptionLa calidad del servicio de energía es un aspecto fundamental para el bienestar de la sociedad, ya que influye en la productividad de las empresas, el confort de los hogares y la seguridad ciudadana. Por eso es importante analizar detenidamente las interrupciones a nivel circuito que reportan las empresas de energía ante la superintendencia de servicios públicos, con el fin de conocer características significativas que nos permitan tomar decisiones para mejorar la calidad del servicio eléctrico. Con el presente trabajo se busca conocer los rasgos característicos de un circuito eléctrico que presentó alguna interrupción en un determinado año y así pronosticar el tiempo de las interrupciones no programadas implementando técnicas de machine learning. Esto se realizó con los datos abiertos de las interrupciones programadas y no programadas reportadas a la superintendencia entre los años 2010 - 2022 (n=85387), se entrenaron los modelos Arima, LSTM y Prophet para pronosticar el tiempo de interrupción de los circuitos. Con los resultados obtenidos, identificamos que el mejor modelo que para trabajar nuestros datos fue Prophet al obtener un MSE y un RMSE bajo respecto a los otros utilizando los datos de testeo, entramos a evaluar el tiempo de las interrupciones no programadas del circuito entre el 02/01/2022 y 09/07/2023, pronosticando una disminución de las interrupciones de energía, se identifican los meses, días y festivos que presentan más interrupciones de energía, con esto se pueden tomar decisiones para mejorar la calidad del servicio.spa
dc.description.abstractThe quality of the energy service is a fundamental aspect for the well-being of society, since it influences the business productivity, home comfort and public safety. That is why it is important to analyze carefully the interruptions at the circuit level that the energy companies report to the superintendency of public services, in order to know significant characteristics that allow us to make decisions to improve the quality of electrical service. With the present work we seek to know the characteristic features of a circuit electricity that presented some interruption in a given year and thus forecast the time of interruptions not programmed implementing machine learning techniques. This was done with open data from outages scheduled and unscheduled reported to the superintendency between the years 2010 - 2022 (n=85387), they were trained Arima, LSTM and Prophet models to forecast circuit outage time. with the results obtained, we identified that the best model to work with our data was Prophet by obtaining an MSE and a RMSE low with respect to the others using the test data, we enter to evaluate the time of the interruptions not circuit scheduled between 01/02/2022 and 07/09/2023, forecasting a decrease in interruptions of energy, the months, days and holidays that present more power interruptions are identified, with this you can make decisions to improve the quality of service.spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/6030
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsOpenAccessspa
dc.subject.lembServicios públicosspa
dc.subject.lembEmpresas eléctricasspa
dc.subject.lembEnergía eléctrica -- Interrupcionesspa
dc.subject.lembAprendizaje automático (Inteligencia artificial)spa
dc.subject.proposalGestión de energíaspa
dc.subject.proposalReducción de costosspa
dc.subject.proposalAnálisis de datosspa
dc.subject.proposalFiabilidad del serviciospa
dc.subject.subjectenglishPower managementspa
dc.subject.subjectenglishCosts reductionspa
dc.subject.subjectenglishAnalysis of dataspa
dc.subject.subjectenglishService reliabilityspa
dc.titleModelo para la predicción de interrupciones de energía en circuitos de distribución reportados a la superintendencia de servicios públicos Colombiaspa
dc.title.titleenglishModel for the prediction of power interruptions in circuits of distribution reported to the superintendence of services public Colombiaspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Salinas_Giovanny_2023.pdf
Tamaño:
783.86 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
2.59 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorizacion_Salinas_Giovanny_2023.pdf
Tamaño:
208.83 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Especialización en Estadística Aplicada