| Summary: | Tener un suministro de energía eléctrica suficiente es vital para la comunidad, lo que demanda mantenimiento y mejora continua del servicio por parte de las compañías prestatarias del servicio. Entre otros aspectos, estas compañías mantienen bases de datos que capturan el consumo de la energía y en tal sentido en la presente investigación se propone el uso de técnicas de Redes Neuronales Artificiales y Reglas de Asociación como soporte a la gestión del sistema de comercialización de la energía eléctrica en una empresa pública de la ciudad de Manta, a partir de una muestra de datos extraídos de las facturas de consumo residencial correspondientes al año 2015. Los algoritmos usados específicamente fueron el perceptrón multicapa a nivel de redes neuronales y PART como regla de asociación. En esta aplicación empírica de minería de datos, se demostró que las redes neuronales y reglas de asociación son alternativas viables para predecir los niveles de consumo y comprender los patrones de consumo de energía.
PALABRAS CLAVE: Redes neuronales; Reglas de Asociación; Datamining; minería de dato; WEKA; Consumo de energía eléctrica.
TECHNIQUES OF DATA MINING AS SUPPORT FOR THE MANAGEMENT OF A SYSTEM OF ELECTRIC ENERGY COMMERCIALIZATION
ABSTRACT
Having a sufficient electrical power supply is vital for the community, which demands maintenance and continuous improvement of the service by the service companies. Among other aspects, these companies maintain data bases that capture energy consumption and in this sense the present research proposes the use of Artificial Neural Network techniques and Association Rules as support for the management of the marketing system of the electric power in a public company of Manta city, based on a sample of data extracted from residential consumption bills for the year 2015. The algorithms used specifically were the multilayer perceptron at the level of neural networks and PART as a rule of association. In this empirical application of data mining, it was shown that neural networks and association rules are viable alternatives to predict consumption levels and to understand energy consumption patterns.
KEYWORDS: Neural Networks; Association Rules; Datamining; Data Mining; WEKA; Electric Power Consumption.
|
|---|
