Mostrar el registro sencillo del ítem

dc.contributor.author
Uhrig, Mariela Noelia  
dc.contributor.author
Vignolo, Leandro Daniel  
dc.contributor.author
Müller, Omar Vicente  
dc.date.available
2025-02-11T11:24:16Z  
dc.date.issued
2024  
dc.identifier.citation
Electricity demand forecast model based on meteorological and historical demand data using artificial neural networks; Simposio Argentino de Inteligencia Artificial y Ciencia de Datos; Bahía Blanca; Argentina; 2024; 1-13  
dc.identifier.issn
2451-7496  
dc.identifier.uri
http://hdl.handle.net/11336/253947  
dc.description.abstract
Accurate forecasting of electricity demand is crucial for improving transmission system operation through optimized use of resources, operation planning, and minimized outages. The dynamic of electricity demand depends on exogenous factors (e.g., meteorological conditions), but the relationships between demand and factors are complex and nonlinear, posing a challenge for accurate prediction.With the aim of predicting electricity demand, this work explores the relationship with meteorological conditions for the province of Entre Ríos (Argentina). We propose a recurrent neural network model based on long short-term memories, which receives the raw input data without feature extraction. We evaluate its performance and compare it with a state-of-the-art method.The exploratory analysis of the data shows that temperature extremes present a strong influence on consumption patterns. The proposed models achieve a performance of 0.77 in determination coefficient when comparing predicted electricity demand with observations. This indicates the potential as a powerful tool for optimizing the system operation in Entre Ríos.  
dc.format
application/pdf  
dc.language.iso
eng  
dc.publisher
Sociedad Argentina de Informática e Investigación Operativa  
dc.rights
info:eu-repo/semantics/openAccess  
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/  
dc.subject
ELECTRICITY DEMAND FORECAST  
dc.subject
WEATHER CONDITIONS  
dc.subject
DEEP LEARNING  
dc.subject
ARTIFICIAL NEURAL NETWORK  
dc.subject.classification
Otras Ciencias de la Computación e Información  
dc.subject.classification
Ciencias de la Computación e Información  
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS  
dc.title
Electricity demand forecast model based on meteorological and historical demand data using artificial neural networks  
dc.type
info:eu-repo/semantics/publishedVersion  
dc.type
info:eu-repo/semantics/conferenceObject  
dc.type
info:ar-repo/semantics/documento de conferencia  
dc.date.updated
2025-02-11T10:47:55Z  
dc.journal.volume
10  
dc.journal.number
1  
dc.journal.pagination
1-13  
dc.journal.pais
Argentina  
dc.journal.ciudad
Buenos Aires  
dc.description.fil
Fil: Uhrig, Mariela Noelia. Provincia de Entre Ríos. Centro de Investigaciones Científicas y Transferencia de Tecnología a la Producción. Universidad Autónoma de Entre Ríos. Centro de Investigaciones Científicas y Transferencia de Tecnología a la Producción. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Centro de Investigaciones Científicas y Transferencia de Tecnología a la Producción; Argentina  
dc.description.fil
Fil: Vignolo, Leandro Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina  
dc.description.fil
Fil: Müller, Omar Vicente. Universidad Nacional del Litoral. Facultad de Ingenieria y Ciencias Hidricas. Centro de Estudios de Variabilidad y Cambio Climatico.; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina  
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://ojs.sadio.org.ar/index.php/JAIIO  
dc.conicet.rol
Autor  
dc.conicet.rol
Autor  
dc.conicet.rol
Autor  
dc.coverage
Nacional  
dc.type.subtype
Simposio  
dc.description.nombreEvento
Simposio Argentino de Inteligencia Artificial y Ciencia de Datos  
dc.date.evento
2024-08-12  
dc.description.ciudadEvento
Bahía Blanca  
dc.description.paisEvento
Argentina  
dc.type.publicacion
Journal  
dc.description.institucionOrganizadora
Sociedad Argentina de Informática  
dc.description.institucionOrganizadora
Universidad Nacional del Sur  
dc.source.revista
53 Jornadas Argentinas de Informática  
dc.date.eventoHasta
2024-08-16  
dc.type
Simposio