Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos

RESUMEN : Este trabajo aborda la problemática de una empresa de productos lácteos relacionada con penalizaciones por la generación de energía reactiva. Para contribuir a su solución, se implementaron modelos de Machine Learning, incluyendo SARIMAX, LSTM, y Redes Neuronales Recurrentes (RNNs). Además, se utilizó un modelo no supervisado K-Means para identificar patrones en los días y horas según la generación de energía reactiva inductiva. Los resultados de las métricas de desempeño destacaron a la LSTM como el modelo más preciso para la predicción, mientras que el análisis con K-Means permitió identificar periodos específicos de alta generación de energía reactiva, proporcionando información valiosa para la optimización del consumo energético.

• Autores: Causil Martínez, Javier Andrés; Borja Góez, Yohiner Andrés
• Tipo de recurso: Tesis
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/44563
• Acceso en línea: https://hdl.handle.net/10495/44563
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Redes neurales (computadores); Neural networks (Computer science); Producto lácteo; Milk products; http://aims.fao.org/aos/agrovoc/c_4830
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/