Publicación
-
2018 Jimenez, Victor A. and Lescano, Gonzalo E. and Will, Adrian and Rodriguez, Sebastian, Regresión Simbólica con Programación Genética Lineal y su aplicación en Predicción del Consumo Eléctrico a Corto Plazo en Sub-Estaciones Transformadoras, In VII Seminario de Energías y su Uso eficiente, 2018.
-
Tipo: En congreso
Miembros:
Resumen: El modelado de datos es un problema fundamental en diversas áreas del conocimiento. La Regresión Simbólica es una técnica que permite encontrar una relación matemática que permite describir un conjunto de datos experimentales. A diferencia de los métodos tradicionales de modelado, la Programación Genética permite encontrar una expresión matemática susceptible de ser analizada e interpretada. Multi-Expression Programming es una variante de Programación Genética Lineal que presenta múltiples ventajas y la hacen apta para la aplicación de Regresión Simbólica en casos reales. En este trabajo se propone aplicar dicha variante de Programación Genética para descubrir modelos para predecir, un día hacia adelante, el consumo eléctrico de una sub-estación transformadora ubicada en la provincia de Tucumán. Previamente, para analizar el comportamiento del algoritmo y ajustar parámetros, se realizaron múltiples pruebas utilizando funciones de Benchmark conocidas. Se concluye que Multi-Expression Programming es adecuada para encontrar modelos en problemas complejos, y en el caso de predicción de series de tiempo de consumo eléctrico se logró un nivel de error similar al obtenido con otras técnicas.
-