A comprehensive solution for electrical energy demand prediction based on auto-regressive models

Simple item page
dc.contributor.authorSáenz Peñafiel, Juan José
dc.contributor.authorLuzuriaga, Jorge E.
dc.contributor.authorLemus Zúñiga, Lenin Guillermo
dc.contributor.authorSolis Cabrera, Vanessa Alexandra
dc.contributor.ponenteSáenz Peñafiel, Juan José
dc.date.accessioned2021-08-06T19:45:44Z
dc.date.available2021-08-06T19:45:44Z
dc.date.issued2020
dc.description.abstractEnergy consumption and demand are two widely used terms necessary to understand the functioning of the different mechanisms used in electrical energy transactions. In this article, the design and construction of a comprehensive solution to forecast future trends in electricity transactions using the historical data and two auto-regressive models were considered. Simple linear regression and a complete model such as ARIMA. We compared these models to find which one best suits the type of data considering their strengths and weaknesses for this specific case. Finally, to complete the comprehensive solution, the results are presented to the final user. This solution is mainly aimed at professionals who carry out activities related to contracting and managing electricity supply in public institutions. This solution pretends to collaborate to reduce energy demand and therefore, consumption.
dc.description.cityManta
dc.identifier.doi10.1007/978-3-030-59194-6_36
dc.identifier.isbn978-3-030-59194-6
dc.identifier.issn0000-0000
dc.identifier.urihttps://www.scopus.com/record/display.uri?eid=2-s2.0-85094118561&origin=resultslist&sort=plf-f&src=s&sid=602f52359427b9118ad266ea4b25e539&sot=b&sdt=b&sl=111&s=TITLE-ABS-KEY%28A+Comprehensive+Solution+for+Electrical+Energy+Demand+Prediction+Based+on+Auto-Regressive+Models%29&relpos=0&citeCnt=0&searchTerm=
dc.language.isoes_ES
dc.publisherSpringer Nature
dc.sourceSystems and Information Sciences
dc.subjectPrediction
dc.subjectARIMA
dc.subjectEnergy
dc.subjectEnergy demand
dc.subjectData capture
dc.subjectAuto-regressive models
dc.titleA comprehensive solution for electrical energy demand prediction based on auto-regressive models
dc.typeARTÍCULO DE CONFERENCIA
dc.ucuenca.afiliacionSaenz, J., Universidad de Cuenca, Dirección de Investigación, Cuenca, Ecuador
dc.ucuenca.afiliacionLuzuriaga, J., Universitat Politècnica de València, Valencia, España
dc.ucuenca.afiliacionLemus, L., Universitat Politècnica de València, Valencia, España
dc.ucuenca.afiliacionSolis, V., Universidad de Cuenca, Dirección de Investigación, Cuenca, Ecuador
dc.ucuenca.areaconocimientofrascatiamplio2. Ingeniería y Tecnología
dc.ucuenca.areaconocimientofrascatidetallado2.2.4 Ingeniería de La Comunicación y de Sistemas
dc.ucuenca.areaconocimientofrascatiespecifico2.2 Ingenierias Eléctrica, Electrónica e Información
dc.ucuenca.areaconocimientounescoamplio06 - Información y Comunicación (TIC)
dc.ucuenca.areaconocimientounescodetallado0613 - Software y Desarrollo y Análisis de Aplicativos
dc.ucuenca.areaconocimientounescoespecifico061 - Información y Comunicación (TIC)
dc.ucuenca.comiteorganizadorconferenciaICCIS 2020
dc.ucuenca.conferenciaInternational Conference on Systems and Information Sciences
dc.ucuenca.correspondenciaSaenz Peñafiel, Juan Jose, juan.saenz@ucuenca.edu.ec
dc.ucuenca.cuartilQ3
dc.ucuenca.factorimpacto0.184
dc.ucuenca.fechafinconferencia2020-07-29
dc.ucuenca.fechainicioconferencia2020-07-27
dc.ucuenca.idautor0104555131
dc.ucuenca.idautor0000-0002-9040-5954
dc.ucuenca.idautor0000-0002-6361-6019
dc.ucuenca.idautor0105288294
dc.ucuenca.indicebibliograficoSCOPUS
dc.ucuenca.numerocitaciones0
dc.ucuenca.organizadorconferenciaICCIS 2020
dc.ucuenca.paisECUADOR
dc.ucuenca.urifuentehttps://link.springer.com/book/10.1007/978-3-030-59194-6
dc.ucuenca.versionVersión publicada
dc.ucuenca.volumenVolumen 1273

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
documento.pdf
Size:
113.55 KB
Format:
Adobe Portable Document Format
Description:
document
Download

Collections

Artículos