Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial

Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial

Existe una gran cantidad de sistemas que se estudian y desarrollan en el campo de la Ingeniería Eléctrica en los que se realizan análisis que tienen como uno de sus fines principales la predicción de sus variables, tanto para procesos de planificación como de toma de decisiones. Con el advenimiento...

Descripción completa

Detalles Bibliográficos
Autores principales: Sánchez Solís, Joseline, Coto Jiménez, Marvin
Formato: Online
Idioma:spa
Publicado: Universidad de Costa Rica 2022
Acceso en línea:https://revistas.ucr.ac.cr/index.php/eciencias/article/view/47628
id ECIENCIAS47628
record_format ojs
spelling ECIENCIAS476282024-02-28T14:00:11Z State of the Art of Predicting Electrical Engineering Variables Based on Artificial Intelligence Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial Sánchez Solís, Joseline Coto Jiménez, Marvin Artificial intelligence electrical variables prediction Electrical Engineering Inteligencia Artificial Predicción de variables eléctricas Ingeniería Eléctrica In many systems that are studied and developed in the field of Electrical Engineering, analyzes are carried out that have as one of their main purposes the prediction of their variables, both for planning and decision-making processes. With the advent of Artificial Intelligence, it has been observed how different techniques related to machine learning and optimization have been incorporated into these prediction tasks. Those new techniques generally obtained better results in the estimation of values ​​than those generated from more traditional techniques. The objective of this research is to review what has been published on predictions of variables in Electrical Engineering systems in the databases EBSCO, SciELO, RedAlyc, Springer Link, IEEE Xplorer, and Google Scholar, given specific temporal and keyworks delimitations for the area. From the analysis of the literature, the trend on the subject was obtained from the most productive years, areas of impact, and most frequent languages. It was observed that the studies developed have grown in recent years and that the areas of greatest impact, according to the number of publications and citations, are the prediction of electricity consumption and production, and the variables related to renewable energy.   Existe una gran cantidad de sistemas que se estudian y desarrollan en el campo de la Ingeniería Eléctrica en los que se realizan análisis que tienen como uno de sus fines principales la predicción de sus variables, tanto para procesos de planificación como de toma de decisiones. Con el advenimiento de la Inteligencia Artificial, se ha observado cómo distintas técnicas relacionadas con el aprendizaje automático y la optimización se han incorporado a estas tareas de predicción, con las cuales se obtienen generalmente mejores resultados en los valores estimados que aquellos generados a partir de técnicas más tradicionales. La presente investigación tiene como objetivo realizar una revisión de lo publicado sobre predicciones de variables en sistemas de Ingeniería Eléctrica en las bases de datos EBSCO, SciELO, RedAlyc, Springer Link, IEEE Xplorer, y Google Académico, a partir de una delimitación temporal y de palabras clave del área. A partir del análisis de la literatura se obtuvo la tendencia sobre el tema a partir de los años más productivos, áreas de impacto e idiomas más frecuentes. Se observó que los estudios desarrollados han crecido en años recientes, y que las áreas de mayor impacto, de acuerdo con el número de publicaciones y de citas son la predicción del consumo y producción de energía eléctrica, y las variables relacionadas con energías renovables.   Universidad de Costa Rica 2022-01-01 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Article application/pdf text/html application/zip text/xml https://revistas.ucr.ac.cr/index.php/eciencias/article/view/47628 10.15517/eci.v12i1.47628 e-Ciencias de la Información; Volume 12, Issue 1: January-June 2022 e-Ciencias de la Información; Volumen 12, número 1: enero-junio 2022 e-Ciencias de la Información; Volumen 12, número 1: enero-junio 2022 1659-4142 spa https://revistas.ucr.ac.cr/index.php/eciencias/article/view/47628/49198 https://revistas.ucr.ac.cr/index.php/eciencias/article/view/47628/50868 https://revistas.ucr.ac.cr/index.php/eciencias/article/view/47628/50869 https://revistas.ucr.ac.cr/index.php/eciencias/article/view/47628/50870 Derechos de autor 2021 Joseline Sánchez Solís, Marvin Coto Jiménez http://creativecommons.org/licenses/by-nc-sa/4.0
institution Universidad de Costa Rica
collection e-Ciencias de la Información
language spa
format Online
author Sánchez Solís, Joseline
Coto Jiménez, Marvin
spellingShingle Sánchez Solís, Joseline
Coto Jiménez, Marvin
Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial
author_facet Sánchez Solís, Joseline
Coto Jiménez, Marvin
author_sort Sánchez Solís, Joseline
description Existe una gran cantidad de sistemas que se estudian y desarrollan en el campo de la Ingeniería Eléctrica en los que se realizan análisis que tienen como uno de sus fines principales la predicción de sus variables, tanto para procesos de planificación como de toma de decisiones. Con el advenimiento de la Inteligencia Artificial, se ha observado cómo distintas técnicas relacionadas con el aprendizaje automático y la optimización se han incorporado a estas tareas de predicción, con las cuales se obtienen generalmente mejores resultados en los valores estimados que aquellos generados a partir de técnicas más tradicionales. La presente investigación tiene como objetivo realizar una revisión de lo publicado sobre predicciones de variables en sistemas de Ingeniería Eléctrica en las bases de datos EBSCO, SciELO, RedAlyc, Springer Link, IEEE Xplorer, y Google Académico, a partir de una delimitación temporal y de palabras clave del área. A partir del análisis de la literatura se obtuvo la tendencia sobre el tema a partir de los años más productivos, áreas de impacto e idiomas más frecuentes. Se observó que los estudios desarrollados han crecido en años recientes, y que las áreas de mayor impacto, de acuerdo con el número de publicaciones y de citas son la predicción del consumo y producción de energía eléctrica, y las variables relacionadas con energías renovables.  
title Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial
title_short Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial
title_full Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial
title_fullStr Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial
title_full_unstemmed Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial
title_sort estado del arte de la predicción de variables en sistemas de ingeniería eléctrica basada en inteligencia artificial
title_alt State of the Art of Predicting Electrical Engineering Variables Based on Artificial Intelligence
publisher Universidad de Costa Rica
publishDate 2022
url https://revistas.ucr.ac.cr/index.php/eciencias/article/view/47628
work_keys_str_mv AT sanchezsolisjoseline stateoftheartofpredictingelectricalengineeringvariablesbasedonartificialintelligence
AT cotojimenezmarvin stateoftheartofpredictingelectricalengineeringvariablesbasedonartificialintelligence
AT sanchezsolisjoseline estadodelartedelapredicciondevariablesensistemasdeingenieriaelectricabasadaeninteligenciaartificial
AT cotojimenezmarvin estadodelartedelapredicciondevariablesensistemasdeingenieriaelectricabasadaeninteligenciaartificial
_version_ 1809189265603559424

Ejemplares similares