Forecasting residential electric power consumption for Bogotá Colombia using regression models

Vista sencilla de ítem
dc.contributor.authorRey, Juliana
dc.contributor.authorPeña Guzmán, Carlos
dc.contributor.editorPeña Guzmán, Carlosspa
dc.contributor.googlescholarhttps://scholar.google.com/citations?hl=es&user=aD5MEigAAAAJ
dc.contributor.orcidhttps://orcid.org/0000-0003-0496-9612
dc.date.accessioned2020-02-26T18:44:51Z
dc.date.available2020-02-26T18:44:51Z
dc.date.issued2020-02-25
dc.descriptionEste estudio presenta tres modelos de regresiones lineales múltiples para pronosticar la demanda de energía. El primero es una regresión lineal múltiple simple, el segundo modelo tiene una interpretación económica de los coeficientes (econométricos), mientras que el tercer modelo se desarrolla en forma de regresión económica de doble logaritmo. El artículo fue desarrollado en base a los seis estratos socioeconómicos en la ciudad de Bogotá. Se muestra que el segundo modelo es superior al modelo de regresión lineal múltiple con un enfoque climático y el modelo econométrico de doble logaritmo en términos de precisión en el cálculo de la demanda de energía eléctrica, como se evidencia en las herramientas de evaluación del modelo utilizadas, como el coeficiente de determinación, con valores superiores a 0.9 excepto en el estrato 5.spa
dc.description.abstractThis study presents three models of multiple linear regressions for forecasting energy demand. The first is a simple multiple linear regression, the second model has an economic interpretation of coefficients (econometric), while the third model is developed in the form of double logarithm economic regression. The article was developed based on the six socio-economic strata in Bogotá City. The second model is shown to be superior to the multiple linear regression model with a climatic approach and the econometric model of double logarithm in terms of precision in the calculation of the electric energy demand, as evidenced in the model evaluation tools used, such as the coefficient of determination, with values higher than 0.9 except in stratum 5spa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.format.mimetypeapplication/pdf
dc.identifier.citationPeña Guzmán, C., & Rey, J. (2019). Forecasting residential electric power consumption for bogotá colombia using regression models. Energy Reports, doi:10.1016/j.egyr.2019.09.026spa
dc.identifier.doihttps://doi.org/10.1016/j.egyr.2019.09.026spa
dc.identifier.urihttp://hdl.handle.net/11634/21889
dc.publisher.branchCRAI-USTA Bogotáspa
dc.relation.referencesWorld Bank (2015) Sustainable Energy for All 2015: Progress Toward Sustainable Energy. The World Bank, Washington DCspa
dc.relation.referencesPablo-Romero Mdel P, De Jesús J. Economic growth and energy consumption: The energy-environmental kuznets curve for latin america and the Caribbean. Renew Sustain Energy Rev 2016;60:1343–50spa
dc.relation.referencesGoldemberg J. World energy assessment: energy and the challenge of sustainability. New York: United Nations Development Programme; 2000spa
dc.relation.references] Suganthi L, Samuel A. Energy models for demand forecasting—A review. Renew Sustain Energy Rev 2012;16:1223–40.spa
dc.relation.referencesParajuli R, Østergaard P, Dalgaard T, Pokharel G. Energy consumption projection of nepal: An econometric approach. Renew Energy 2014;63:432–44.spa
dc.relation.referencesAhmad A, Hassan M, Abdullah M, Rahman H, Hussin F, Abdullah H, Saidur R. A review on applications of ANN and SVM for building electrical energy consumption forecasting. Renew Sustain Energy Rev 2014;33:102–9.spa
dc.relation.referencesDeb C, Zhang F, Yang J, Lee SE, Shah KW. A review on time series forecasting techniques for building energy consumption. Renew Sustain Energy Rev 2017;74:902–24spa
dc.rightsAtribución-NoComercial-CompartirIgual 2.5 Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.subject.keywordEnergy demandspa
dc.subject.keywordForecastingspa
dc.subject.keywordMultiple linear regressionsspa
dc.subject.proposalDemanda de energíaspa
dc.subject.proposalPrevisiónspa
dc.subject.proposalRegresiones lineales múltiplesspa
dc.titleForecasting residential electric power consumption for Bogotá Colombia using regression modelsspa
dc.type.categoryGeneración de Nuevo Conocimiento: Artículos publicados en revistas especializadas - Electrónicosspa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
2019carlospena.pdf
Tamaño:
844.73 KB
Formato:
Adobe Portable Document Format
Descripción:
Artículo principal
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Producción de Alto Impacto