Aplicación de Modelos de Machine Learning para la Predicción de Generación Energética en Perú usando datos del COES

[javicho13]

TEMA:
Aplicación de Modelos de Machine Learning para la Predicción de Generación Energética en Perú usando datos del COES

ABSTRACT:
El presente estudio evalúa métodos avanzados para predecir la generación energética en Perú utilizando datos del Comité de Operación Económica del Sistema Interconectado Nacional (COES). Se comparan enfoques tradicionales como los modelos ARIMA con técnicas de aprendizaje profundo, incluyendo redes neuronales profundas (DNN) y redes neuronales recurrentes (RNN). También se evaluaron modelos de machine learning como la regresión lineal, máquinas de soporte vectorial (SVM), Random Forest y XGBoost. La preparación de los datos incluyó filtración, agrupación, análisis de correlación y pruebas de backtesting. Los resultados indicaron que XGBoost ofrece la mejor precisión con un MAE de 78.76, seguido de Random Forest con un MAE de 162.35. La regresión lineal y SVM mostraron un rendimiento inferior con MAEs de 190.52 y 291.25, respectivamente. Concluye que los modelos de aprendizaje profundo y el aumento en la capacidad computacional han revolucionado la predicción de la generación energética, recomendando la adopción de técnicas avanzadas y la inclusión de más factores auxiliares.

INTEGRANTES (Grupo 7 - Seccion A):
- Mamani Cayo, Eduard
- Parado Sosa, Daniel
- Rosales Fierro, Jesus
- Fonseca Rodriguez, Christian

INFORME FINAL