Please use this identifier to cite or link to this item:

http://hdl.handle.net/10609/102266
Full metadata record
DC FieldValueLanguage
dc.contributor.authorArias Martín, Jorge-
dc.date.accessioned2019-10-25T09:52:13Z-
dc.date.available2019-10-25T09:52:13Z-
dc.date.issued2019-06-09-
dc.identifier.urihttp://hdl.handle.net/10609/102266-
dc.description.abstractThe objective of this TFM is to predict the energy consumption of the different geographical areas of London, Wales and Scotland, determining which climatic variables or weekdays or holidays determine the changes in consumption in the population. With the new European regulation that forces energy suppliers to deploy smart meters in all homes, usable information can be obtained when predicting more accurately the energy consumption in different geographical areas. Companies buy energy in the energy market, which means that energy not consumed as it can not be stored will be lost, which implies the generation of new energy through traditional means with the consequent damage to the planet and warming global, as this is a scarce resource. This energy loss can be minimized if the more balanced purchase is rationalized with the consumption that the population will exercise thanks to prediction obtained through algorithms. This purchase can be predicted from the consumptions made in the same times of historical, and cross with data of the climate, temperature, holidays and other sources of data to predict with greater accuracy what consumption will be made during the next period.en
dc.description.abstractEste TFM tiene como objetivo la predicción de los consumos energéticos de las distintas zonas geográficas de Londres, Gales y Escocia, determinando qué variables climáticas o días de semana o festivo determinan los cambios de consumo en la población. Con la nueva normativa europea que obliga a los proveedores de energía, a desplegar medidores inteligentes en todas las viviendas, se pueden obtener información utilizable a la hora de predecir con mayor precisión el consumo energético en distintas áreas geográfica. Las compañías compran energía en el mercado energético, lo que supone que la energía no consumida al no poder ser almacenada, se perderá, lo que implica la generación de nueva energía a través de los medios tradicionales con el consiguiente perjuicio para el planeta y el calentamiento global, al ser ésta un bien escaso. Esta pérdida energética puede minimizarse si se racionaliza la compra más equilibrada con el consumo que ejercerá la población gracias a predicción obtenida a través de algoritmos. Esta compra puede predecirse a partir de los consumos realizados en las mismas épocas de históricos, y cruzarse con datos del clima, temperatura, festivos y otras fuentes de datos para predecir con mayor exactitud que consumo se realizará durante el siguiente periodo.es
dc.description.abstractAquest TFM té com a objectiu la predicció dels consums energètics de les diferents zones geogràfiques de Londres, Gal·les i Escòcia, determinant quines variables climàtiques o dies de setmana o festiu determinen els canvis de consum en la població. Amb la nova normativa europea que obliga els proveïdors d'energia, a desplegar mesuradors intel·ligents en tots els habitatges, es poden obtenir informació utilitzable a l'hora de predir amb major precisió el consum energètic en diferents àrees geogràfica. Les companyies compren energia en el mercat energètic, la qual cosa suposa que l'energia no consumida al no poder ser emmagatzemada, es perdrà, la qual cosa implica la generació de nova energia a través dels mitjans tradicionals amb el consegüent perjudici per al planeta i l'escalfament global, en ser aquesta un bé escàs. Aquesta pèrdua energètica pot minimitzar-se si es racionalitza la compra més equilibrada amb el consum que exercirà la població gràcies a predicció obtinguda a través d'algorismes. Aquesta compra pot predir-se a partir dels consums realitzats en les mateixes èpoques d'històrics, i creuar-se amb dades del clima, temperatura, festius i altres fonts de dades per a predir amb major exactitud que consum es realitzarà durant el següent període.ca
dc.format.mimetypeapplication/pdf-
dc.language.isospa-
dc.publisherUniversitat Oberta de Catalunya (UOC)-
dc.rightsCC BY-NC-SA-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/es/-
dc.subjectpredicción de consumos energéticoses
dc.subjectforecast energy consumptionen
dc.subjectpredicció de consums energèticsca
dc.subjectARIMAca
dc.subjectARIMAes
dc.subjectARIMAen
dc.subjectLSTMca
dc.subjectLSTMes
dc.subjectLSTMen
dc.subject.lcshData mining -- TFMen
dc.titlePredicción de consumos eléctricos en Inglaterra, Gales y Escocia a través de datos de medidores inteligentes-
dc.typeinfo:eu-repo/semantics/masterThesis-
dc.audience.educationlevelEstudis de Màsterca
dc.audience.educationlevelEstudios de Másteres
dc.audience.educationlevelMaster's degreesen
dc.subject.lemacMineria de dades -- TFMca
dc.subject.lcshesMinería de datos -- TFMes
dc.contributor.directorTrilles Oliver, Sergi-
dc.contributor.tutorCasas Roma, Jordi-
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess-
Appears in Collections:Bachelor thesis, research projects, etc.

Files in This Item:
File Description SizeFormat 
TFM-Prediccion_de_Consumos_Electricos_JARIASMARTIN.ipynbFichero para ejecutar en Python del TFM-Prediccion_de_Consumos_Electricos_JARIASMARTIN1.66 MBUnknownView/Open
jariasmartinTFM0619memoria.pdfMemoria del TFM2.15 MBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons