DSpace Repository

Pronóstico de los precios de la energía eléctrica empleando una red neuronal artificial de retropropagación

Show simple item record

dc.contributor.author González Merino, Alan Iván
dc.date.accessioned 2021-02-10T04:43:28Z
dc.date.available 2021-02-10T04:43:28Z
dc.date.created 2019-11-28
dc.date.issued 2021-02-04
dc.identifier.citation González Merino, Alan Iván. (2019). Pronóstico de los precios de la energía eléctrica empleando una red neuronal artificial de retropropagación. (Maestría en Ciencias en Ingeniería Eléctrica). Instituto Politécnico Nacional, Sección de Estudios de Posgrado e Investigación, Escuela Superior de Ingeniería Mecánica y Eléctrica, Unidad Zacatenco. México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/28658
dc.description Tesis (Maestría en Ciencias en Ingeniería Eléctrica), Instituto Politécnico Nacional, SEPI, ESIME, Unidad Zacatenco, 2019, 1 archivo PDF, (125 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: En esta tesis se presenta una técnica de redes neuronales artificiales (RNA) para realizar el pronóstico del precio de la energía eléctrica a corto plazo. Por lo tanto, en este trabajo se busca encontrar que las RNA puedan minimizar la incertidumbre para conocer el precio de energía eléctrica futura que se tendrá a corto plazo. El precio de la electricidad ha sido la clave de todas las actividades en el mercado de energía. Pronosticar con precisión y eficiencia el precio de la electricidad se vuelve cada vez más importante. Por lo tanto, en este trabajo, se propone un modelo de red neuronal artificial (RNA) el cual está diseñado en el lenguaje de programación PYTHON para la predicción de los precios de la electricidad a corto plazo en el entorno del mercado de energía. El modelo RNA propuesto es una red neuronal artificial de propagación hacia atrás, la cual consta de cuatro entradas de activación, siendo estos el precio del petróleo crudo, precio del gas natural, precio de la energía eléctrica y la demanda. Cuenta con una sola capa oculta, la cual tiene 8 neuronas y una sola capa de salida. Todos los tipos y técnicas de pronósticos son por naturaleza extrapolativos, es decir, que incluyen interpolación, o bien pronostican con datos existentes, lo cual se puede considerar como extrapolación. Y una de las técnicas para resolver el problema del pronóstico de los precios de la energía eléctrica a corto plazo, son las redes neuronales artificiales, las cuales emulan a las redes neuronales biológicas (cerebro humano), esto permite resolver grandes problemas de optimización en un periodo no tan largo. ABSTRACT: This thesis presents a technique of artificial neural networks (ANN) to make the forecast of the price of electricity in the short term. Therefore, this paper seeks to find that ANNs can minimize uncertainty to know the price of future electricity that will be in the short term. The price of electricity has been the key to all activities in the energy market. Forescasting accurately and efficiently the price of electricity becomes increasingly important. Therefore, in ths work, and artificial neural network (RNA9 model is proposed which is designed in the PYTHON programming language for the prediction of short-term electricity prices in the energy market environment. The proposed RNA model is an artificial neural network of backward propagation, which consists of four activation inputs, these being the price of crude oil, price of natural gas, price of electicity and demand. It has a single hidden layer, which has 8 neurons and a single output layer. All types and techniques of forecasts are by nature extrapolative, that is, they include interpolation, or forecast with existing data, which can be considered as extrapolation. And one of the techniques to solve the problem of the forecast of the prices of electric energy in the short term, are the artificial neural networks, which emulate the biological neural networks (human brain), this allows to solve big problems of optimization in a not so long period. All types and techniques of forecasts are by nature extrapolative, that is, they include interpolation, or forecast with existing data, which can be considered as extrapolation. And one of the techniques to solve the problem of the forecast of the prices of electric energy in the short term, are the artificial neural networks, which emulate the biological neural networks (human brain), this allows to solve big problems of optimization in a not so long period. es
dc.description.sponsorship A la Escuela Superior de Ingeniería Mecánica y Eléctrica, por brindarme una educación excelente, por darme las bases y conocimientos necesarios para poder ser un profesionista de bien. es
dc.language.iso es es
dc.subject Red neuronal artificial es
dc.subject Energía eléctrica es
dc.subject Predicción de precios extrapolativos es
dc.subject Red neuronal biológica es
dc.title Pronóstico de los precios de la energía eléctrica empleando una red neuronal artificial de retropropagación es
dc.contributor.advisor Robles García, Jaime


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account