Implementación de las técnicas de predicción en la generación de energía eléctrica en el sector industrial

Abstract

Implementación de las técnicas de predicción en la generación de energía eléctrica en el sector industrialResumen: Las técnicas de predicción actualmente cuentan con un gran potencial, mediante ellas se pueden obtener estimaciones o pronósticos de valores futuros de una manera confiable, las cuales pueden ser utilizadas para la toma de decisiones. Ahora bien, las industrias son unas de las mayores consumidoras de electricidad, por lo que, muchas de ellas utilizan generadores eléctricos propios para poder cumplir con la demanda de energía que requieren sus procesos. Pero también, dentro de este proceso existen problemas o situaciones no beneficiosas, uno de ellos, es que, si no hay monitoreo y control en la generación de energía eléctrica de una manera adecuada, provocará gran pérdida de recursos monetarios. Por tal motivo, se propone implementar las técnicas de predicción dentro del proceso de generación de energía para comparar y seleccionar la técnica que muestre el mejor pronóstico de consumo y así evitar la pérdida de recursos en la industria.Palabras clave: Técnicas de Predicción, Energía, Toma de Decisiones, Industria.Abstract: Prediction techniques currently have great potential, through them you can obtain estimates or forecasts of future values in a reliable way, which can be used for decision making. However, industries are one of the largest consumers of electricity, so many of them use their own electric generators to be able to meet the energy demand that their processes require. But also, within this process there are problems or situations that are not beneficial, one of them, is that, if there is no monitoring and control in the generation of electrical energy in an adequate way, it will cause a great loss of monetary resources. For this reason, it is proposed to implement the prediction techniques within the power generation process to compare and select the technique that shows the best consumption forecast and thus avoid the loss of resources in the industry.