Predicción de Demanda de Electricidad Utilizando Redes Neuronales Preentrenadas
En esta presentación, Gonzalo Mora compartirá su experiencia creando un modelo para predecir la demanda de energía eléctrica con la ayuda del Deep Learning Toolbox.
La presentación muestra cómo entrenar redes neuronales utilizando MATLAB y Deep Learning Toolbox. Los comandos utilizados para entrenar las redes son nftool y nctool. Con la red entrenada grabada dentro de un archivo *.mat, el siguiente paso es crear un GUI (Graphic User Interfase – Interface Gráfica de Usuario) para obtener la proyección de demanda eléctrica. La entrada del GUI es la muestra de la demanda, y cada cinco minutos la información se pasa a un archivo de Excel. El GUI toma la entrada, utilizando dos tipos de redes y menús de GUI que el usuario de la interface tiene que usar. El GUI produce dos proyecciones: una cada 30 minutos con datos sobre la demanda del día, lo cual es el objetivo, y otra con la demanda de cada hora. El último paso es crear la aplicación independiente sobre el sistema operativo Linux (Ubuntu), la cual puede correr sin MATLAB.
Grabados: 28 mar 2012
Producto destacado
Deep Learning Toolbox
Siguiente:
Vídeos relacionados:
Seleccione un país/idioma
Seleccione un país/idioma para obtener contenido traducido, si está disponible, y ver eventos y ofertas de productos y servicios locales. Según su ubicación geográfica, recomendamos que seleccione: .
También puede seleccionar uno de estos países/idiomas:
Cómo obtener el mejor rendimiento
Seleccione China (en idioma chino o inglés) para obtener el mejor rendimiento. Los sitios web de otros países no están optimizados para ser accedidos desde su ubicación geográfica.
América
- América Latina (Español)
- Canada (English)
- United States (English)
Europa
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
Asia-Pacífico
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)