Autor corporativo | dc.contributor | Ingeniero Civil Electricista | |
Professor Advisor | dc.contributor.advisor | Palma Behnke, Rodrigo | |
Author | dc.contributor.author | Quintana Painemal, Eugenio Ernesto | |
Staff editor | dc.contributor.editor | Facultad de Ciencias Físicas y Matemáticas | |
Staff editor | dc.contributor.editor | Departamento de Ingeniería Eléctrica | |
Associate professor | dc.contributor.other | Valdenegro Espinoza, Ariel | |
Associate professor | dc.contributor.other | Benavides Farías, Carlos | |
Admission date | dc.date.accessioned | 2012-10-08T15:43:46Z | |
Available date | dc.date.available | 2012-10-08T15:43:46Z | |
Publication date | dc.date.issued | 2012 | |
Identifier | dc.identifier.uri | https://repositorio.uchile.cl/handle/2250/111123 | |
Abstract | dc.description.abstract | El objetivo general de este trabajo es sistematizar, a partir de la información pública disponible, los grados de avance de proyectos de generación y transmisión en un sistema eléctrico, de manera de poder establecer un juicio sobre la fecha de puesta en servicio de dichas obras. Esto con el fin de que exista una herramienta que permita clasificar a los proyectos en base a modelos matemáticos.
Dada la naturaleza de la información disponible se utiliza la metodología de KKD para obtener conocimiento a través de la información disponible, lo que permite estimar la probabilidad de que una determinada variable nominal pertenezca a cada una de las categorías que puede tomar la variable en cuestión. Para determinar esta probabilidad primero se seleccionan los atributos que permitan explicar la variable en estudio, para luego determinar los coeficientes que acompañan a cada una de las categorías de los atributos seleccionados.
Para la construcción de los modelos se utiliza la información pública disponible, por lo que en caso de disponer de mayor información, los resultados del modelo pueden cambiar y mejorar. De los resultados obtenidos se concluye que el acierto de los modelos obtenidos aplicados a los datos históricos supera el 70% en ambos caso. Además de entregar una predicción de la clase en estudio, se debe entregar la probabilidad que tiene la variable en estudio de pertenecer a cada categoría, ya que en los casos en que el modelo no entregó una predicción correcta fue debido a que la probabilidad que tenía esa categoría no era muy alta o era muy parecida a otra. Pese a que modelos de redes neuronales o árboles de decisión no entregan probabilidad, se utilizaron para comparar los resultados obtenidos, entregando estos dos último modelos mejores resultados en el caso que se estudia la materialización de los proyectos (cerca de un 10% de más aciertos).
Finalmente se desarrolla un conjunto de herramientas gráficas que permiten visualizar los resultados obtenidos, además de observar los estadísticos más comunes. | es_CL |
Lenguage | dc.language.iso | es | es_CL |
Publisher | dc.publisher | Universidad de Chile | es_CL |
Keywords | dc.subject | Impacto ambiental - Evaluación - Chile | es_CL |
Keywords | dc.subject | Sistema de control | es_CL |
Keywords | dc.subject | Energía eléctrica - Chile | es_CL |
Keywords | dc.subject | Generación distribuida de energía eléctrica | es_CL |
Título | dc.title | Desarrollo e implementación de indicador de seguimiento de obras de generación y transmisión en un mercado | es_CL |
Document type | dc.type | Tesis | |