Resumen

Hoy en día, es muy importante que los países desarrollados y en desarrollo consuman electricidad de manera más eficiente. Aunque los países desarrollados no quieren desperdiciar electricidad y los países en desarrollo no pueden permitirse desperdiciar electricidad. Esto lleva al concepto de pronóstico de carga. Este documento está escrito para el pronóstico de carga a corto plazo diario, por hora, o por cada media hora o pronóstico de carga en tiempo real. Sin embargo, a medida que pasamos del pronóstico de carga diario al por hora, el error del pronóstico de carga aumenta. El análisis de este documento se ha realizado en los registros de datos de carga del año anterior de una universidad de ingeniería en India utilizando el concepto de métodos difusos. El análisis se ha realizado en funciones de membresía de tipo Mamdani y en el esquema de transmisión OFDM (Multiplexación por División de Frecuencia Ortogonal). Para reducir el error del pronóstico de carga, se ha utilizado el método difuso con Redes Neuronales Artificiales (ANN) y la transmisión OF

• Materias:Números reales borrosos Agrupamiento difuso Criterios múltiples Programación difusa Conjuntos abiertos borrosos
• Subjects:Fuzzy real numbers Fuzzy clustering Multiple criteria Fuzzy programming Fuzzy open sets
• Palabras claves:Eficiencia eléctrica; Pronóstico de carga; Métodos difusos; Redes Neuronales Artificiales; Transmisión OFDM; Reducción de errores
• Keywords:Electricity efficiency; Load forecasting; Fuzzy methods; Artificial Neural Network; OFDM transmission; Error reduction