Desarrollo de un modelo basado en inteligencia artificial para el sistema de cogeneración de un ingenio azucarero
El proceso de investigación presentado a continuación tiene como objetivo encontrar un modelo óptimo para predecir la energía generada de un ingenio azucarero que cuenta con procesos de Cogeneración, que permite la venta de excedentes a la red nacional, aportando a la matriz energética del país, con...
- Autores:
-
Navarro Burbano Johana Estefany
- Tipo de recurso:
- Fecha de publicación:
- 2025
- Institución:
- Universidad Autónoma de Occidente
- Repositorio:
- RED: Repositorio Educativo Digital UAO
- Idioma:
- spa
- OAI Identifier:
- oai:red.uao.edu.co:10614/16032
- Acceso en línea:
- https://hdl.handle.net/10614/16032
https://red.uao.edu.co/
- Palabra clave:
- Maestría en Sistemas Energéticos
Modelo de regresión de inteligencia artificial para predicción de energía de un sistema de calderas y turbogeneradores
Modelo de inteligencia artificial para predicción de energía
Modelo de inteligencia artificial para sistema de calderas
Modelo de inteligencia para turbogenerador
- Rights
- closedAccess
- License
- Derechos reservados - Universidad Autónoma de Occidente, 2025
| Summary: | El proceso de investigación presentado a continuación tiene como objetivo encontrar un modelo óptimo para predecir la energía generada de un ingenio azucarero que cuenta con procesos de Cogeneración, que permite la venta de excedentes a la red nacional, aportando a la matriz energética del país, con producción de energía a partir de la biomasa, haciendo uso de diferentes herramientas dentro del Machine learning como regresión lineal, máquinas de soporte vectorial y redes neuronales multicapa. Para iniciar el proceso es necesario definir las variables que impactan directamente la energía generada, y tener la mayor cantidad de datos medidos posibles, esto hace que los modelos se ajusten mejor, una vez realizados los análisis estadísticos se procede a codificar los diferentes modelos en plataforma de Google Colab, con librerías de Python, las cuales arrojan diferentes resultados en errores y coeficientes de determinación, que van desde el 2.73 % al 1538 en el MAE y desde del 0,18 al 0,92 en el R2, lo que permite identificar el modelo que presenta mejores ajustes para efectos del estudio. Se logra determinar que el modelo de red neuronal multicapa es el que presenta mejores resultados, y por ende se traslada a una interfaz gráfica, la cual es diseñada para tener interacción directa con el usuario, de fácil comprensión, dinámica y comparativa para llegar a la toma de decisiones. La interfaz es puesta a prueba con datos del 2024, donde se logra hacer predicción de presupuesto energético de la compañía para el 2025 |
|---|