Evaluación de un modelo de agregadores de demanda en el sistema eléctrico colombiano

Abstract

Este trabajo final de maestría presenta diferentes modelos de aprendizaje de máquina que buscan predecir la generación real de las plantas despachadas centralmente en el sistema eléctrico colombiano y a partir de ello la elaboración de portafolios de agregadores de demanda. Para esto, se obtuvieron datos históricos de diferentes variables que puedan afectar la generación, las cuales fueron verificadas, limpiadas, transformados y modeladas con diferentes técnicas estadísticas en Python. Los resultados obtenidos indican que el mejor modelo de aprendizaje de máquina para pronosticar la generación real con los datos obtenidos es el Random Forest, con un coeficiente de determinación de 93,5%. (Texto tomado de la fuenter)

This final master's project presents different machine learning models that seek to predict the real generation of the centrally dispatched plants in the Colombian electricity system and from this, the preparation of portfolios of demand aggregators. For this, historical data of different variables that can affect the generation were obtained, which were verified, cleaned, transformed and modeled with different statistical techniques in Python. The results obtained indicate that the best machine learning model to predict the real generation with the data obtained is the Random Forest, with a coefficient of determination of 93.5%.