Learning causality structures from electricity demand data | ||
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación | |
| dc.conicet.organizacion | Cape Breton University.Department of Management Science. Shannon School Of Business | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Matemática Bahía Blanca. Universidad Nacional del Sur. Departamento de Matemática. Instituto de Matemática Bahía Blanca | |
| dc.conicet.organizacion | Universidad Nacional del Sur. Departamento de Economía | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Matemática Bahía Blanca. Universidad Nacional del Sur. Departamento de Matemática. Instituto de Matemática Bahía Blanca | |
| dc.conicet.organizacion | Universidad Nacional del Sur. Departamento de Economía | |
| dc.conicet.organizacion | Dalhousie University. Faculty Of Computer Science, | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación | |
| dc.contributor.author | Maisonnave, Mariano | |
| dc.contributor.author | Delbianco, Fernando Andrés | |
| dc.contributor.author | Tohmé, Fernando Abel | |
| dc.contributor.author | Milios, Evangelos | |
| dc.contributor.author | Maguitman, Ana Gabriela | |
| dc.date.issued | 2024-06-28 | |
| dc.description.abstract | In this paper, we present an alternative approach to predictive modeling for future energy demands. It is based on the application of causal detection models to create specifcations of how this demand might be caused by diferent environmental and social factors. We proceed by using a dataset generated by the wholesale electricity company of Argentina (CAMMESA) and selecting four prominent causal detection methods identifed in the literature. These methods were selected based on their demonstrated efectiveness and widespread adoption. Since these causal detection methods yield diferent causal graphs, we were able to construct an ensemble model that achieved better performance for recovering the true causal structure when applied to the full dataset. Also, we show that the variables in the causal model can be used to yield more accurate forecasts of future demands, improving over the informal models used by staf in electricity utilities. | es |
| dc.description.fil | Fil: Maisonnave, Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Cape Breton University.Department of Management Science. Shannon School Of Business; Canadá | |
| dc.description.fil | Fil: Delbianco, Fernando Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Matemática Bahía Blanca. Universidad Nacional del Sur. Departamento de Matemática. Instituto de Matemática Bahía Blanca; Argentina. Universidad Nacional del Sur. Departamento de Economía; Argentina | |
| dc.description.fil | Fil: Tohmé, Fernando Abel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Matemática Bahía Blanca. Universidad Nacional del Sur. Departamento de Matemática. Instituto de Matemática Bahía Blanca; Argentina. Universidad Nacional del Sur. Departamento de Economía; Argentina | |
| dc.description.fil | Fil: Milios, Evangelos. Dalhousie University. Faculty Of Computer Science,; Canadá | |
| dc.description.fil | Fil: Maguitman, Ana Gabriela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Maisonnave, Mariano; Delbianco, Fernando Andrés; Tohmé, Fernando Abel; Milios, Evangelos; Maguitman, Ana Gabriela; Learning causality structures from electricity demand data; Springer Verlag Berlín; Energy Systems; 28-6-2024; 1-23 | es |
| dc.identifier.eissn | 1868-3975 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 1868-3967 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/241147 | |
| dc.journal.ciudad | Berlín | es |
| dc.journal.pagination | 1-23 | es |
| dc.journal.pais | Alemania | es |
| dc.journal.title | Energy Systems | es |
| dc.language.iso | eng | es |
| dc.publisher | Springer Verlag Berlín | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://link.springer.com/10.1007/s12667-024-00684-6 | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1007/s12667-024-00684-6 | |
| dc.rights | info:eu-repo/semantics/restrictedAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | CAUSALITY STRUCTURE LEARNING | es |
| dc.subject | LiNGAM | es |
| dc.subject | ENERGY DEMAND | es |
| dc.subject | PC | es |
| dc.subject | PCMCI | es |
| dc.subject | CAUSAL GRAPHS | es |
| dc.subject | ENSEMBLE MODEL | es |
| dc.subject | FORECASTING | es |
| dc.subject.classification | Economía, Econometría | es |
| dc.subject.classification | Economía y Negocios | es |
| dc.subject.classification | CIENCIAS SOCIALES | es |
| dc.title | Learning causality structures from electricity demand data | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.3cc1c5a9-b76e-449b-8969-b3a8d9ba0497_B.pdf
- Tamaño:
- 1.27 MB
- Formato:
- Adobe Portable Document Format