Predicció de la demanda elèctrica a l'EEBE
Correu electrònic de l'autorjm.marquezfernandez1998gmail.com
Tipus de documentTreball Final de Grau
Data2021-02-02
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
Aquest projecte consisteix en el desenvolupament d’un model predictiu de la demanda d’energia
elèctrica del campus EEBE, mitjançant eines d’intel·ligència artificial i emprant un històric de dades
registrades pels mateixos comptadors d’energia elèctrica de l’escola.
Com a punt de partida, es realitza una exposició del marc teòric que enquadra el treball, sent els temes
principals el monitoratge del consum elèctric i els mitjans per realitzar-lo, l’anàlisi de dades per
l’optimització de la gestió energètica, i la implementació d’eines d’intel·ligència artificial en la predicció
de la demanda elèctrica.
Posteriorment, es passa a l’anàlisi del cas concret, la demanda elèctrica del campus EEBE, pel qual es
fa una primera introducció a les dades amb les quals es treballarà, informant del tractament previ
necessari i les primeres conclusions que se n’extreuen en referència al seu comportament. I a
continuació, s’exposa la metodologia emprada per poder obtenir els models que permetin assolir
l’objectiu cercat. Aquests models d’intel·ligència artificial s’obtenen mitjançant les llibreries de SciKit
Learn, corresponents al llenguatge Python, i es treballa en l’entorn conegut com Jupyter Notebook.
Per finalitzar el projecte, es presenten les conclusions extretes i els models que permeten obtenir una
millor aproximació a la variable incògnita, la demanda d’energia elèctrica. Este proyecto consiste en el desarrollo de un modelo de predicción de la demanda de energia eléctrica
del campus EEBE, mediante herramientas de inteligencia artificial y un histórico de los datos
registrados por los contadores de consumo eléctrico del centro.
Inicialmente, se realiza una exposición del marco teórico que enmarca el trabajo, siendo los temas
principales la monitorización del consumo eléctrico y los medios para su realización, el análisis de datos
para la optimización de la gestión energética, y la implementación de la inteligencia artificial en la
predicción de la demanda eléctrica.
Tras esto, se pasa al análisis del caso particular, la demanda eléctrica del campus EEBE, para el que se
realiza una primera introducción a los datos sobre los que se trabajara, informando del tratamiento
previo necesario y las primeras conclusiones que se extraen respecto a su comportamiento. A
continuación, se expone la metodologia usada para obtener los modelos que permiten alcanzar el
objetivo principal. Los algoritmos de inteligencia artificial se obtienen de las librerias de SciKit Learn,
correspondientes al lenguaje Python, y se trabaja en el entorno conocido como Jupyter Notebook.
Para finalizar el proyecto, se presentan las conclusiones obtenidas y los modelos que permiten
conseguir una mejor aproximación a la variable incógnita, la demanda de energia eléctrica. This projects consists on the development of a model capable of predicting the electricity demand of
the EEBE campus, using artificial intelligence tools and a history of the data recorded by the meters of
the center.
Initially, an exposition of the theoretical framework that frames the work is made, being its main topics
the monitoring of electricity consumption and the means for its realization, the data analysis for the
optimitzation of the energy management, and the implementation of artificial intelligence in predicting
electricity demand.
After this, we proceed to the analysis of the particular case, the electrical demand of the EEBE campus,
for which a first introduction to the available data is made, informing about its previous treatment and
the first conclusions drawn regarding its behaviour. Next, the methodology used to obtain the main
objective is exposed. The artificial intelligence algorithms are obtained from the SciKit Learn libraries,
which belong to Python, and the work is developed in the environment known as Jupyter Notebook.
To finalize the project, the conclusions obtained and the models that allow a better approximation to
the unknown variable, the electrical energy demand, are presented.
MatèriesElectric power distribution, Electric lines, Energia elèctrica -- Distribució, Línies elèctriques, CampusLab
TitulacióGRAU EN ENGINYERIA ELÈCTRICA (Pla 2009)
Localització
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Predicció de la ... Fernandez, Joan Manuel.pdf | 3,708Mb | Visualitza/Obre |