Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales
En el marco de la Agenda 2030 para el desarrollo sostenible, adoptada por la Asamblea General de las Naciones Unidas en 2015, se establecieron 17 Objetivos de Desarrollo Sostenible (ODS) con la finalidad de abordar problemáticas que existen en el mundo, como lo son la pobreza, el hambre y entre ello...
- Autores:
-
Mieles Donado, Lucía Margarita
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/14239
- Acceso en línea:
- https://hdl.handle.net/11323/14239
https://repositorio.cuc.edu.co/
- Palabra clave:
- Eficiencia energética
Redes neuronales artificiales
Cambio climático
Automatización
Consumo energético
Energy efficiency
Artificial neural networks
Climate change
Automation
Energy consumption
- Rights
- openAccess
- License
- Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
| id |
RCUC2_5d6d8ef6806cc498bbd8ee92ae76db92 |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/14239 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales |
| title |
Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales |
| spellingShingle |
Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales Eficiencia energética Redes neuronales artificiales Cambio climático Automatización Consumo energético Energy efficiency Artificial neural networks Climate change Automation Energy consumption |
| title_short |
Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales |
| title_full |
Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales |
| title_fullStr |
Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales |
| title_full_unstemmed |
Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales |
| title_sort |
Análisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales |
| dc.creator.fl_str_mv |
Mieles Donado, Lucía Margarita |
| dc.contributor.advisor.none.fl_str_mv |
Balbis Morejón, Milen Iglesias Salcedo, José Gregorio |
| dc.contributor.author.none.fl_str_mv |
Mieles Donado, Lucía Margarita |
| dc.contributor.jury.none.fl_str_mv |
Rodríguez Toscano, Andrés Caratt Ortiz, Jean Hernández Coma, Brando |
| dc.subject.proposal.spa.fl_str_mv |
Eficiencia energética Redes neuronales artificiales Cambio climático Automatización Consumo energético |
| topic |
Eficiencia energética Redes neuronales artificiales Cambio climático Automatización Consumo energético Energy efficiency Artificial neural networks Climate change Automation Energy consumption |
| dc.subject.proposal.eng.fl_str_mv |
Energy efficiency Artificial neural networks Climate change Automation Energy consumption |
| description |
En el marco de la Agenda 2030 para el desarrollo sostenible, adoptada por la Asamblea General de las Naciones Unidas en 2015, se establecieron 17 Objetivos de Desarrollo Sostenible (ODS) con la finalidad de abordar problemáticas que existen en el mundo, como lo son la pobreza, el hambre y entre ellos el cambio climático. Dentro de los ODS existen objetivos que buscan garantizar el acceso a energía segura y sostenible, asimismo, objetivos que enfocan sus acciones para combatir el cambio climático. En este contexto, la eficiencia energética surge como una estrategia fundamental para mitigar el impacto ambiental del crecimiento de la población, ya que el aumento de la población incrementa la demanda de consumos energéticos y emisiones de CO2. Este proyecto presenta y aborda la problemática del consumo energético en edificios universitarios, en este caso un bloque de la Universidad de la Costa, ubicada en la ciudad de Barranquilla Colombia, mediante la automatización y el uso de redes neuronales artificiales (RNA), teniendo como objetivo la evaluación del potencial de ahorro energético en cada uno de los pisos del bloque 10; además, la metodología incluye un diseño de un modelo predictivo el cual integra variables como los son la ocupación, la fecha y una lectura de los datos hora a hora. Las principales conclusiones de este trabajo muestran que la automatización y predicción del consumo es una estrategia efectiva para optimizar el consumo energético en edificios universitarios; de igual manera, los porcentajes de ahorro energético se alinean a los esfuerzos mundiales por mitigar el cambio climático. Por último, se concluye que la estrategia presentada es aplicable y transferible a otros contextos institucionales. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-05-15T14:31:55Z |
| dc.date.available.none.fl_str_mv |
2025-05-15T14:31:55Z |
| dc.date.issued.none.fl_str_mv |
2025-04-24 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/14239 |
| dc.identifier.instname.none.fl_str_mv |
Corporación Universidad de la Costa |
| dc.identifier.reponame.none.fl_str_mv |
REDICUC - Repositorio CUC |
| dc.identifier.repourl.none.fl_str_mv |
https://repositorio.cuc.edu.co/ |
| url |
https://hdl.handle.net/11323/14239 https://repositorio.cuc.edu.co/ |
| identifier_str_mv |
Corporación Universidad de la Costa REDICUC - Repositorio CUC |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Abhishek, K., Singh, M. P., Ghosh, S., & Anand, A. (2012). Weather Forecasting Model using Artificial Neural Network. Procedia Technology, 4, 311–318. https://doi.org/10.1016/j.protcy.2012.05.047 Agencia Internacional de la Energía. (2023). Sistemas energéticos-edificios. https://www.iea.org/energy-system/buildings Almusharraf, A. I. (2025). Automation and Its Influence on Sustainable Development: Economic, Social, and Environmental Dimensions. Sustainability (Switzerland), 17(4). https://doi.org/10.3390/su17041754 Amaya Rondón, C. J. (2024). Evaluación de la automatización para el ahorro energético en edificios educativos Caso de estudio de la Universidad de La Costa. https://repositorio.cuc.edu.co/server/api/core/bitstreams/f06b841b 0804-4dcc-b62c-e9a58c98d74d/content Amazon. (n.d.). ¿Qué es una red neuronal? https://aws.amazon.com/es/what is/neural-network Balbis-Morejón, M., Rey-Hernández, J. M., Amaris-Castilla, C., Velasco-Gómez, E., San José-Alonso, J. F., & Rey-Martínez, F. J. (2020). Experimental study and analysis of thermal comfort in a university campus building in tropical climate. Sustainability (Switzerland), 12(21), 1–18. https://doi.org/10.3390/su12218886 Congreso de Colombia. (2001). Ley 697 de 2001. https://www.funcionpublica.gov.co/eva/gestornormativo/norma_pdf.php?i=444 9 Congreso de Colombia. (2014). Ley 1715 de 2014. https://geo.cepal.org/kbtx/auxwim84jdna7n95PoDqhG/Colombia-1715.pdf EPA. (2018). Quantifying the Multiple Benefits of Energy Efficiency and Renewable Energy A Guide for State and Local Governments. https://www.epa.gov/sites/default/files/2018- 07/documents/epa_slb_multiple_benefits_508.pdf Espinoza Miranda, M. (n.d.). El Fenómeno Actual de Sobrepoblación Humana y los Retos que Plantea la Situación Demográfica para el Perú. http://www.oei.es/decada/accion.php?accion=001 Fondo de Población de las Naciones Unidas. (2023). Informe sobre el Estado de la Población Mundial 2023. https://www.unfpa.org/sites/default/files/swop23/SWOP2023-SPANISH 230403-web.pd Haykin, S., York, N., San, B., London, F., Sydney, T., Singapore, T., Mexico, M., Munich, C., Cape, P., Hong, T., & Montreal, K. (2009). Neural Networks and Learning Machines Third Edition. Instituto del agua. (n.d.). Cambio Climático y Sus Causas: Entendiendo el Impacto del Calentamiento Global en Nuestro Planeta. https://institutodelagua.es/cambio climatico/cambio-climatico-y-sus-causascam ISO. (2014). Norma internacional ISO 50002. https://cdn.standards.iteh.ai/samples/60088/3cafa6d91f7448a08e475451140a da6d/ISO-50002-2014.pdf ISO. (2015). Norma internacional ISO 14001. https://www.tecpuruandiro.edu.mx/Calidad/pdfs/ssgc_Documentos_externos/I SO_14001_2015.pdf ISO. (2018). Norma internacional ISO 50001. https://cdn.standards.iteh.ai/samples/69426/91436b495e52416f9f96a4457c2f0 ca9/ISO-50001-2018.pdf ISO. (2023). Norma internacional ISO 50006. https://cdn.standards.iteh.ai/samples/79367/41dbccb95579448bb8d4fe8288e0 2e67/ISO-50006-2023.pdf Kalogirou, S. A. (2000). Applications of artificial neural-networks for energy systems. www.elsevier.com/locate/apenergy Machine Learning para todos. (2020, May 25). ¿Qué es el sobreajuste u overfitting y por qué debemos evitarlo? https://machinelearningparatodos.com/que-es-el sobreajuste-u-overfitting-y-por-que-debemos-evitarlo/ Mincomercio. (n.d.). Taller caracterización energética. https://www.caem.org.co/wp content/uploads/2020/01/Taller-Caracterizaci%C3%B3n-Energ%C3%A9tica 230120.pdf?x4742 MIT Climate Portal. (n.d.). What Can Be Done About Climate Change. https://climate.mit.edu/what-can-be-done-about-climate-change Naciones Unidas. (1992). Convención Marco de las Naciones Unidas sobre el Cambio Climático. https://unfccc.int/resource/docs/convkp/convsp.pdf Naciones Unidas. (2018). La Agenda 2030 y los Objetivos de Desarrollo Sostenible: una oportunidad para América Latina y el Caribe. www.issuu.com/publicacionescepal/stacks Naciones Unidas. (2023). Informe de los Objetivos de Desarrollo Sostenible. https://www.un-ilibrary.org/content/books/9789210024938/read Nomia Energy. (2017). ¿Qué es un Sistema de Gestión Energética (SGE)? https://nomiaenergy.com/blog/que-es-un-sistema-de-gestion-energetica-sge/ Oğcu, G., Demirel, O. F., & Zaim, S. (2012). Forecasting Electricity Consumption with Neural Networks and Support Vector Regression. Procedia - Social and Behavioral Sciences, 58, 1576–1585. https://doi.org/10.1016/j.sbspro.2012.09.1144 ONU. (2022). Una población en crecimiento. https://www.un.org/es/global issues/population#:~:text=La%20poblaci%C3%B3n%20mundial%20alcanz%C 3%B3%20los,y%202000%20millones%20desde%201998. PROURE. (2022). Plan de Acción Indicativo. https://www1.upme.gov.co/DemandayEficiencia/Documents/PROURE/Docum ento_PROURE_2022-2030_v4.pdf Rodrigues, F., Cardeira, C., & Calado, J. M. F. (2014). The daily and hourly energy consumption and load forecasting using artificial neural network method: A case study using a set of 93 households in Portugal. Energy Procedia, 62, 220–229. https://doi.org/10.1016/j.egypro.2014.12.383 Toscano, A. D. R., Herazo, J. C. M., Millan, R. H. R., Castillo, A. P. P., Rivera, M. H., & Silva, J. (2020). Improving the Effectiveness of Energy Savings Measures at Companies by Means of a New Baseline Adjustment Strategy. In Intelligent Computing, Information and Control Systems: ICICCS 2019 (Vol. 1039, pp. 78–85). Springer, Cham. https://doi.org/10.1007/978-3-030-30465-2_10 UPME. (2015a). Balance de Energía Útil 2015. https://docs.upme.gov.co/DemandayEficiencia/Documents/Balance_energia_u til/BEU-Presentacion.pdf UPME. (2015b). Plan Energético Nacional Colombia: Ideario energético 2050 República de Colombia. https://www1.upme.gov.co/Documents/PEN_IdearioEnergetico2050.pdf UPME. (2022). Resumen ejecutivo del Plan de Acción Indicativo PAI-PROURE 2021- 2030. https://www1.upme.gov.co/DemandayEficiencia/Documents/PROURE/Resum en_ejecutivo_PAI-PROURE_2022-2030_v2.pdf Ye, Z., & Kim, M. K. (2018). Predicting electricity consumption in a building using an optimized back-propagation and Levenberg–Marquardt back-propagation neural network: Case study of a shopping mall in China. Sustainable Cities and Society, 42, 176–183. https://doi.org/10.1016/j.scs.2018.05.050 |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
70 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Corporación Universidad de la Costa |
| dc.publisher.department.none.fl_str_mv |
Energia |
| dc.publisher.place.none.fl_str_mv |
Barranquilla, Colombia |
| dc.publisher.program.none.fl_str_mv |
Ingeniería Mecánica |
| publisher.none.fl_str_mv |
Corporación Universidad de la Costa |
| institution |
Corporación Universidad de la Costa |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/e876a239-1a65-461d-9ea3-3bcd54a7af6b/download https://repositorio.cuc.edu.co/bitstreams/66aba598-e495-43a4-8fa6-dc30b10f5b7d/download https://repositorio.cuc.edu.co/bitstreams/a2d4e01e-81f1-4997-85a2-b0aaa0b3785b/download https://repositorio.cuc.edu.co/bitstreams/eb3d5240-ac92-40c2-a4e9-0041b6a43dca/download |
| bitstream.checksum.fl_str_mv |
dcf2e377492dcf36de0481df1a52b99b 73a5432e0b76442b22b026844140d683 e84e3f0d01cf5d12d60dc0670fa40383 42d8a82e71367eb36fd75edc16d47f9c |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
| repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
| _version_ |
1834108545122959360 |
| spelling |
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Balbis Morejón, MilenIglesias Salcedo, José GregorioMieles Donado, Lucía MargaritaRodríguez Toscano, AndrésCaratt Ortiz, JeanHernández Coma, Brando2025-05-15T14:31:55Z2025-05-15T14:31:55Z2025-04-24https://hdl.handle.net/11323/14239Corporación Universidad de la CostaREDICUC - Repositorio CUChttps://repositorio.cuc.edu.co/En el marco de la Agenda 2030 para el desarrollo sostenible, adoptada por la Asamblea General de las Naciones Unidas en 2015, se establecieron 17 Objetivos de Desarrollo Sostenible (ODS) con la finalidad de abordar problemáticas que existen en el mundo, como lo son la pobreza, el hambre y entre ellos el cambio climático. Dentro de los ODS existen objetivos que buscan garantizar el acceso a energía segura y sostenible, asimismo, objetivos que enfocan sus acciones para combatir el cambio climático. En este contexto, la eficiencia energética surge como una estrategia fundamental para mitigar el impacto ambiental del crecimiento de la población, ya que el aumento de la población incrementa la demanda de consumos energéticos y emisiones de CO2. Este proyecto presenta y aborda la problemática del consumo energético en edificios universitarios, en este caso un bloque de la Universidad de la Costa, ubicada en la ciudad de Barranquilla Colombia, mediante la automatización y el uso de redes neuronales artificiales (RNA), teniendo como objetivo la evaluación del potencial de ahorro energético en cada uno de los pisos del bloque 10; además, la metodología incluye un diseño de un modelo predictivo el cual integra variables como los son la ocupación, la fecha y una lectura de los datos hora a hora. Las principales conclusiones de este trabajo muestran que la automatización y predicción del consumo es una estrategia efectiva para optimizar el consumo energético en edificios universitarios; de igual manera, los porcentajes de ahorro energético se alinean a los esfuerzos mundiales por mitigar el cambio climático. Por último, se concluye que la estrategia presentada es aplicable y transferible a otros contextos institucionales.In the context of the 2030 Agenda for Sustainable Development, adopted by the United Nations General Assembly in 2015, 17 Sustainable Development Goals (SDGs) were established to address problems that exist in the world, such as poverty, hunger and, among them, climate change. Within the SDGs, there are goals that seek to ensure access to safe and sustainable energy, as well as goals that focus their actions on combating climate change. In this context, energy efficiency emerges as a fundamental strategy to mitigate the environmental impact of population growth, since population growth increases the demand for energy consumption and CO2 emissions.This project presents and addresses the problem of energy consumption in university buildings, in this case a block of the Universidad de la Costa, located in the city of Barranquilla Colombia, through automation and the use of artificial neural networks (ANN), aiming to evaluate the potential for energy savings in each of the floors of block 10; also, the methodology includes a design of a predictive model which integrates variables such as occupancy, date and a reading of the data hour by hour. The main conclusions of this work show that the automation and prediction of consumption is an effective strategy to optimize energy consumption in university buildings; likewise, the percentages of energy savings are aligned with global efforts to mitigate climate change. Finally, it is concluded that the strategy presented is applicable and transferable to other institutional contexts.Introducción 10 -- Capítulo I 12 -- Generalidades 12 – Justificación 12 -- Alcance 14 -- Formulación del Problema 15 -- Pregunta Problema 16 -- Objetivos 17 -- Objetivo General 17 -- Objetivos Específicos 17 -- Estado del Arte 18 -- Marco de Antecedentes 18 -- Marco Conceptual 22 -- Marco Teórico 27 -- Marco Normativo 33 -- Capítulo II 36 – Metodología 36 -- Caso Estudio 36 -- Capítulo III 45 -- Resultados 45 -- Piso 1 45 -- Piso 3 50 -- Piso 4 56 -- Ahorros 61—Conclusiones 64 – Referencias 66 --Ingeniero(a) Mecánico(a)Pregrado70 páginasapplication/pdfspaCorporación Universidad de la CostaEnergiaBarranquilla, ColombiaIngeniería MecánicaAnálisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificialesTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionAbhishek, K., Singh, M. P., Ghosh, S., & Anand, A. (2012). Weather Forecasting Model using Artificial Neural Network. Procedia Technology, 4, 311–318. https://doi.org/10.1016/j.protcy.2012.05.047Agencia Internacional de la Energía. (2023). Sistemas energéticos-edificios. https://www.iea.org/energy-system/buildingsAlmusharraf, A. I. (2025). Automation and Its Influence on Sustainable Development: Economic, Social, and Environmental Dimensions. Sustainability (Switzerland), 17(4). https://doi.org/10.3390/su17041754Amaya Rondón, C. J. (2024). Evaluación de la automatización para el ahorro energético en edificios educativos Caso de estudio de la Universidad de La Costa. https://repositorio.cuc.edu.co/server/api/core/bitstreams/f06b841b 0804-4dcc-b62c-e9a58c98d74d/contentAmazon. (n.d.). ¿Qué es una red neuronal? https://aws.amazon.com/es/what is/neural-networkBalbis-Morejón, M., Rey-Hernández, J. M., Amaris-Castilla, C., Velasco-Gómez, E., San José-Alonso, J. F., & Rey-Martínez, F. J. (2020). Experimental study and analysis of thermal comfort in a university campus building in tropical climate. Sustainability (Switzerland), 12(21), 1–18. https://doi.org/10.3390/su12218886Congreso de Colombia. (2001). Ley 697 de 2001. https://www.funcionpublica.gov.co/eva/gestornormativo/norma_pdf.php?i=444 9Congreso de Colombia. (2014). Ley 1715 de 2014. https://geo.cepal.org/kbtx/auxwim84jdna7n95PoDqhG/Colombia-1715.pdfEPA. (2018). Quantifying the Multiple Benefits of Energy Efficiency and Renewable Energy A Guide for State and Local Governments. https://www.epa.gov/sites/default/files/2018- 07/documents/epa_slb_multiple_benefits_508.pdfEspinoza Miranda, M. (n.d.). El Fenómeno Actual de Sobrepoblación Humana y los Retos que Plantea la Situación Demográfica para el Perú. http://www.oei.es/decada/accion.php?accion=001Fondo de Población de las Naciones Unidas. (2023). Informe sobre el Estado de la Población Mundial 2023. https://www.unfpa.org/sites/default/files/swop23/SWOP2023-SPANISH 230403-web.pdHaykin, S., York, N., San, B., London, F., Sydney, T., Singapore, T., Mexico, M., Munich, C., Cape, P., Hong, T., & Montreal, K. (2009). Neural Networks and Learning Machines Third Edition.Instituto del agua. (n.d.). Cambio Climático y Sus Causas: Entendiendo el Impacto del Calentamiento Global en Nuestro Planeta. https://institutodelagua.es/cambio climatico/cambio-climatico-y-sus-causascamISO. (2014). Norma internacional ISO 50002. https://cdn.standards.iteh.ai/samples/60088/3cafa6d91f7448a08e475451140a da6d/ISO-50002-2014.pdfISO. (2015). Norma internacional ISO 14001. https://www.tecpuruandiro.edu.mx/Calidad/pdfs/ssgc_Documentos_externos/I SO_14001_2015.pdfISO. (2018). Norma internacional ISO 50001. https://cdn.standards.iteh.ai/samples/69426/91436b495e52416f9f96a4457c2f0 ca9/ISO-50001-2018.pdfISO. (2023). Norma internacional ISO 50006. https://cdn.standards.iteh.ai/samples/79367/41dbccb95579448bb8d4fe8288e0 2e67/ISO-50006-2023.pdfKalogirou, S. A. (2000). Applications of artificial neural-networks for energy systems. www.elsevier.com/locate/apenergyMachine Learning para todos. (2020, May 25). ¿Qué es el sobreajuste u overfitting y por qué debemos evitarlo? https://machinelearningparatodos.com/que-es-el sobreajuste-u-overfitting-y-por-que-debemos-evitarlo/Mincomercio. (n.d.). Taller caracterización energética. https://www.caem.org.co/wp content/uploads/2020/01/Taller-Caracterizaci%C3%B3n-Energ%C3%A9tica 230120.pdf?x4742MIT Climate Portal. (n.d.). What Can Be Done About Climate Change. https://climate.mit.edu/what-can-be-done-about-climate-changeNaciones Unidas. (1992). Convención Marco de las Naciones Unidas sobre el Cambio Climático. https://unfccc.int/resource/docs/convkp/convsp.pdfNaciones Unidas. (2018). La Agenda 2030 y los Objetivos de Desarrollo Sostenible: una oportunidad para América Latina y el Caribe. www.issuu.com/publicacionescepal/stacksNaciones Unidas. (2023). Informe de los Objetivos de Desarrollo Sostenible. https://www.un-ilibrary.org/content/books/9789210024938/readNomia Energy. (2017). ¿Qué es un Sistema de Gestión Energética (SGE)? https://nomiaenergy.com/blog/que-es-un-sistema-de-gestion-energetica-sge/Oğcu, G., Demirel, O. F., & Zaim, S. (2012). Forecasting Electricity Consumption with Neural Networks and Support Vector Regression. Procedia - Social and Behavioral Sciences, 58, 1576–1585. https://doi.org/10.1016/j.sbspro.2012.09.1144ONU. (2022). Una población en crecimiento. https://www.un.org/es/global issues/population#:~:text=La%20poblaci%C3%B3n%20mundial%20alcanz%C 3%B3%20los,y%202000%20millones%20desde%201998.PROURE. (2022). Plan de Acción Indicativo. https://www1.upme.gov.co/DemandayEficiencia/Documents/PROURE/Docum ento_PROURE_2022-2030_v4.pdfRodrigues, F., Cardeira, C., & Calado, J. M. F. (2014). The daily and hourly energy consumption and load forecasting using artificial neural network method: A case study using a set of 93 households in Portugal. Energy Procedia, 62, 220–229. https://doi.org/10.1016/j.egypro.2014.12.383Toscano, A. D. R., Herazo, J. C. M., Millan, R. H. R., Castillo, A. P. P., Rivera, M. H., & Silva, J. (2020). Improving the Effectiveness of Energy Savings Measures at Companies by Means of a New Baseline Adjustment Strategy. In Intelligent Computing, Information and Control Systems: ICICCS 2019 (Vol. 1039, pp. 78–85). Springer, Cham. https://doi.org/10.1007/978-3-030-30465-2_10UPME. (2015a). Balance de Energía Útil 2015. https://docs.upme.gov.co/DemandayEficiencia/Documents/Balance_energia_u til/BEU-Presentacion.pdfUPME. (2015b). Plan Energético Nacional Colombia: Ideario energético 2050 República de Colombia. https://www1.upme.gov.co/Documents/PEN_IdearioEnergetico2050.pdfUPME. (2022). Resumen ejecutivo del Plan de Acción Indicativo PAI-PROURE 2021- 2030. https://www1.upme.gov.co/DemandayEficiencia/Documents/PROURE/Resum en_ejecutivo_PAI-PROURE_2022-2030_v2.pdfYe, Z., & Kim, M. K. (2018). Predicting electricity consumption in a building using an optimized back-propagation and Levenberg–Marquardt back-propagation neural network: Case study of a shopping mall in China. Sustainable Cities and Society, 42, 176–183. https://doi.org/10.1016/j.scs.2018.05.050Eficiencia energéticaRedes neuronales artificialesCambio climáticoAutomatizaciónConsumo energéticoEnergy efficiencyArtificial neural networksClimate changeAutomationEnergy consumptionPublicationORIGINALAnálisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales.pdfAnálisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales.pdfapplication/pdf1226370https://repositorio.cuc.edu.co/bitstreams/e876a239-1a65-461d-9ea3-3bcd54a7af6b/downloaddcf2e377492dcf36de0481df1a52b99bMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-815543https://repositorio.cuc.edu.co/bitstreams/66aba598-e495-43a4-8fa6-dc30b10f5b7d/download73a5432e0b76442b22b026844140d683MD52TEXTAnálisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales.pdf.txtAnálisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales.pdf.txtExtracted texttext/plain95357https://repositorio.cuc.edu.co/bitstreams/a2d4e01e-81f1-4997-85a2-b0aaa0b3785b/downloade84e3f0d01cf5d12d60dc0670fa40383MD53THUMBNAILAnálisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales.pdf.jpgAnálisis de la eficiencia energética basado en la automatización y predicción del consumo de energía mediante redes neuronales artificiales.pdf.jpgGenerated Thumbnailimage/jpeg7958https://repositorio.cuc.edu.co/bitstreams/eb3d5240-ac92-40c2-a4e9-0041b6a43dca/download42d8a82e71367eb36fd75edc16d47f9cMD5411323/14239oai:repositorio.cuc.edu.co:11323/142392025-05-16 04:01:42.249https://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.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 |