1. Repositorio CYT
2. Posgrado
3. Tesis
4. Especialización en Ciencia de Datos

metadata.dc.creator:	Medina, Emanuel Damián
Titre:	Predicción de demanda eléctrica en Agentina mediante técnicas de ciencia de datos
metadata.dc.contributor:	Ynsfran, Blanca Patricia
Mots-clés:	ANALISIS DE DATOS MODELADO DE DATOS DISTRIBUCION DE ENERGIA ELECTRICA POLITICA ENERGETICA
Editeur:	Universidad Nacional de La Matanza
Référence bibliographique:	Medina, E. D. (2025). Predicción de demanda eléctrica en Agentina mediante técnicas de ciencia de datos [Trabajo integrador final de Especialización en Ciencia de Datos de la Universidad Nacional de La Matanza]. Repositorio Digital UNLaM.
Description:	La planificación de la demanda eléctrica es una de las tareas más críticas para un funcionamiento eficiente y sostenible de la matriz energética nacional. Factores climáticos y estructurales inciden significativamente sobre el consumo eléctrico, disponer de modelos predictivos que integren múltiples fuentes de información resulta indispensable para poder tener herramientas de soporte para todo lo relacionado a la gestión de la energía eléctrica. Este trabajo propone un enfoque basado en técnicas de ciencia de datos para predecir la demanda eléctrica horaria a nivel nacional, incorporando variables climáticas, energéticas (saldo de intercambio energético con países limítrofes) y variables temporales. Se emplearán distintos modelos de Deep Learning que serán evaluados con distintas métricas. Los resultados obtenidos buscarán demostrar cual es el mejor método para anticipar los picos de consumo en determinados horarios, con determinadas condiciones climáticas y/o tipo de día, lo cual va a contribuir en una mejora en la toma de decisiones al momento de la planificación operativa y estratégica tanto del sistema eléctrico SADI, como así también de las redes de transmisión y distribución de las distintas regiones del país. Fil: Medina, Emanuel Damián. Universidad Nacional de La Matanza; Argenitna.
URI/URL:	http://repositoriocyt.unlam.edu.ar/handle/123456789/2771
Autre(s) identifiant(s):	https://ror.org/01bmj8t37
Collection(s) :	Especialización en Ciencia de Datos

Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.