Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

TED2021-131671B-I00

Financiado

PREDICCION A CORTO PLAZO DE VARIABLES ENERGETICAS MEDIANTE MODELOS DE MACHINE L...

PREDICCION A CORTO PLAZO DE VARIABLES ENERGETICAS MEDIANTE MODELOS DE MACHINE LEARNING ASOCIADAS AL PREPROCESAMIENTO DE LOS DATOS. EL OBJETIVO DE ESTE PROYECTO ES DEFINIR MODELOS DE PREDICCION HIBRIDOS PARA PREDECIR SERIES TEMPORALES RELACIONADAS CON LA ENERGIA. SE GENERARAN VARIOS DATOS FUTUROS CADA VEZ QUE SE REALICE UNA PREDICCION. ESTOS MODELOS ESTARAN CO... ver más

01/01/2021

UNEX

93K€

Presupuesto del proyecto: 93K€

Líder del proyecto

UNIVERSIDAD DE EXTREMADURA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 803

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01 No tenemos la información de la convocatoria

0% 100%

Participantes

UNEX

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

DIN2018-009733 MEJORA DE LA PREDICCIÓN Y OPTIMIZACIÓN DE USOS ENERGÉTICOS,... 64K€ Cerrado

PID2020-112495RB-C21 DISEÑO Y OPTIMIZACION DE MODELOS BIG DATA CON RESTRICCIONES... 87K€ Cerrado

Desarrollo de algoritmos de predicción y anál... Desarrollo de algoritmos de predicción y análisis en el merc... 18K€ Cerrado

TIN2017-82626-R GESTION EFICIENTE DEL CONSUMO ELECTRICO MEDIANTE LA CLASIFIC... 68K€ Cerrado

TED2021-131311B-C21 SOLUCIONES DIGITALES PARA MANTENIMIENTO PREDICTIVO DE PLANTA... 156K€ Cerrado

PTQ-13-06400 Investigación sobre patrones de comportamiento energético en... 84K€ Cerrado

Líder del proyecto

UNIVERSIDAD DE EXTREMADURA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 803

Presupuesto del proyecto 93K€

Descripción del proyecto EL OBJETIVO DE ESTE PROYECTO ES DEFINIR MODELOS DE PREDICCION HIBRIDOS PARA PREDECIR SERIES TEMPORALES RELACIONADAS CON LA ENERGIA. SE GENERARAN VARIOS DATOS FUTUROS CADA VEZ QUE SE REALICE UNA PREDICCION. ESTOS MODELOS ESTARAN COMPUESTOS POR HERRAMIENTAS DE MACHINE LEARNING EN COMBINACION CON PREPROCESAMIENTO DE DATOS. SE ENTRENARAN CON DIFERENTES ESTRATEGIAS DE APRENDIZAJE-PREDICCION. LAS PREDICCIONES LAS REALIZARAN TRES TIPOS DE REDES NEURONALES. LA PRIMERA SERA EL PERCEPTRON MULTICAPA (MLP), UN MODELO MUY SIMPLE QUE HA DEMOSTRADO SER MUY EFICIENTE EN LA PREDICCION DE SERIES TEMPORALES. LOS OTROS DOS SERAN MODELOS DE DEEP LEARNING: LA LONG SHORT-TERM MEMORY (LSTM) Y UNA SIMPLIFICACION DE SU ESTRUCTURA, LA RECURRENT GATED UNIT (GRU). HAN DADO MUY BUENOS RESULTADOS EN EL TRATAMIENTO DE TEXTO Y VOZ, POR LO QUE ES DE ESPERAR QUE TAMBIEN PROPORCIONEN PREDICCIONES PRECISAS CON SERIES TEMPORALES COMPLEJAS CON MUCHOS DATOS COMO LAS QUE SE UTILIZARAN EN ESTE TRABAJO. ADEMAS, SE UTILIZARA, A MODO DE COMPARATIVA, OTRO MODELO DE DEEP LEARNING BASADO EN ARBOLES DE DECISION, QUE HA DADO MUY BUENOS RESULTADOS EN PROBLEMAS DE REGRESION: XGBOOST. SE AÑADIRA UNA ETAPA DE PREPROCESAMIENTO PARA DESCOMPONER CADA SERIE TEMPORAL EN UN CONJUNTO DE SUBSERIES QUE PUEDAN PREDECIRSE CON MAYOR FACILIDAD Y MEJORAR ASI LA PRECISION. PRIMERO, SE PROBARA UNA DESCOMPOSICION EN TENDENCIA-FLUCTUACIONES. A CONTINUACION, UNA HERRAMIENTA HEURISTICA, LA EMPIRICAL MODE DECOMPOSITION (EMD), JUNTO CON UN ALGORITMO MATEMATICAMENTE MAS RIGUROSO: LA VARIATIONAL MODE DECOMPOSITION (VMD). SE PROBARAN VARIAS ESTRATEGIAS DE ENTRENAMIENTO-VALIDACION ADEMAS DE LA DESCOMPOSICION FIJA DE LOS DATOS EN ESOS DOS SUBCONJUNTOS. PRIMERO SE PROBARA LA CROSS VALIADATION CON DIFERENTES TAMAÑOS DE LOS SUBCONJUNTOS DE ENTRENAMIENTO Y VALIDACION. A CONTINUACION, SE UTILIZARA TAMBIEN LA WALK FORWARD VALIDATION, EN LA QUE LOS MODELOS PREDICTIVOS SE VUELVEN A ENTRENAR CADA VEZ QUE SE PROPORCIONA UNA NUEVA PREDICCION.LAS SERIES TEMPORALES QUE SE UTILIZARAN SON EL CONSUMO HORARIO DE VARIAS PEQUEÑAS EMPRESAS, JUNTO CON VARIABLES METEOROLOGICAS, LOS PRECIOS DIARIOS DE LOS DERECHOS DE EMISION DE CO2 Y LA PRODUCCION DIARIA DE ENERGIA EN ESPAÑA, TANTO SU VALOR GLOBAL COMO DESAGREGADO PARA CADA TECNOLOGIA DE PRODUCCION.LAS HERRAMIENTAS QUE SE DESARROLLEN PODRIAN AYUDAR A LAS EMPRESAS GENERADORAS DE ELECTRICIDAD A PLANIFICAR UN USO MAS EFICIENTE DE SUS FUENTES DE ENERGIA, CONSIGUIENDOSE UN DOBLE BENEFICIO: POR UN LADO, UNA REDUCCION DEL COSTE ASOCIADO A LA COMPRA DE COMBUSTIBLE Y, POR OTRO, UNA REDUCCION DE LAS EMISIONES CONTAMINANTES. PARA LAS EMPRESAS QUE COMPRAN ELECTRICIDAD, PODRIAN AYUDARLES A REDUCIR SU FACTURA ELECTRICA GLOBAL.ADEMAS, LA PREDICCION DE LOS PRECIOS DE LOS DERECHOS DE EMISION DE CO2 TAMBIEN PODRIAN AYUDAR A ESAS EMPRESAS A OBTENER UNA ESTIMACION DE LA EVOLUCION DE LOS PRECIOS DE LA ELECTRICIDAD DEBIDO A LA INFLUENCIA QUE SOBRE ELLOS TIENEN ESOS PRECIOS.POR OTRO LADO, COMO TAMBIEN SE OBTENDRAN PREDICCIONES DE LA PRODUCCION DESAGREGADA DE LAS DIFERENTES FUENTES DE ENERGIA QUE COMPONEN EL MERCADO ENERGETICO ESPAÑOL, ESTA INFORMACION PUEDE SER UTIL PARA ESTUDIAR SU EVOLUCION Y PODER ASI SIMULAR DIFERENTES ESCENARIOS DE PRODUCCION QUE AYUDEN A DEFINIR POLITICAS ENCAMINADAS A REDUCIR LAS EMISIONES CONTAMINANTES, IMPULSANDO LA TRANSICION ECOLOGICA HACIA LAS ENERGIAS RENOVABLES. REDICCION DE SERIES TEMPORALES\PREDICCION DE LA PRODUCCION Y EL CONSUMO\REDES NEURONALES

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores