dc.creator | Martínez-Álvarez, F. | es |
dc.creator | Troncoso, Antonio | es |
dc.creator | Riquelme Santos, José Cristóbal | es |
dc.creator | Riquelme Santos, Jesús Manuel | es |
dc.date.accessioned | 2021-12-01T18:21:13Z | |
dc.date.available | 2021-12-01T18:21:13Z | |
dc.date.issued | 2007 | |
dc.identifier.citation | Martínez-Álvarez, F., Troncoso, A., Riquelme Santos, J.C. y Riquelme Santos, J.M. (2007). Aplicación de Técnicas de Clustering a la Serie Temporal de los Precios de la Energía en el Mercado Eléctrico. En Taller de minería de datos y aprendizaje: TAMIDA Zaragoza, España: Thomson. | |
dc.identifier.isbn | 978-84-9732-602-5 | es |
dc.identifier.uri | https://hdl.handle.net/11441/127921 | |
dc.description.abstract | La principal tarea de las técnicas de clustering es formar grupos de elementos que presenten una conducta similar a partir de una
base de datos. Se trata de generar un modelo
capaz de simular el comportamiento del sistema de la manera más precisa posible. Así,
en primer lugar, se procede a extraer el conocimiento necesario del sistema para, en segunda instancia, buscar los patrones capaces
de conservar la información original y conseguir de este modo un modelo válido de descripción del sistema. En este trabajo se presentan dos técnicas de clustering particionales
ampliamente conocidas, K-means y Expectation Maximization, para el análisis de la serie
temporal de los precios de la energía eléctrica.
Se demuestra que aplicar dichas técnicas resulta efectivo a la hora de dividir un año completo
en diferentes grupos de días. Concretamente,
se distinguen dos tipos de clusters fundamentales: los que identifican a los días laborables
y aquellos que representan a los días festivos
y los fines de semana. Igualmente resaltable es
la similitud mostrada en el comportamiento de
los días pertenecientes a una misma estación. | es |
dc.description.sponsorship | Ministerio de Ciencia y Tecnología TIN2004-00159 | es |
dc.description.sponsorship | Ministerio de Ciencia y Tecnología ENE2004-03342 | es |
dc.description.sponsorship | Junta de Andalucía P05-TIC-00531 | es |
dc.format | application/pdf | es |
dc.format.extent | 10 p. | es |
dc.language.iso | spa | es |
dc.publisher | Thomson | es |
dc.relation.ispartof | Taller de minería de datos y aprendizaje: TAMIDA (2007). | |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Clustering | es |
dc.subject | Mercado eléctrico | es |
dc.subject | Energía | es |
dc.title | Aplicación de Técnicas de Clustering a la Serie Temporal de los Precios de la Energía en el Mercado Eléctrico | es |
dc.type | info:eu-repo/semantics/conferenceObject | es |
dcterms.identifier | https://ror.org/03yxnpp24 | |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Ingeniería Eléctrica | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticos | es |
dc.relation.projectID | TIN2004-00159 | es |
dc.relation.projectID | ENE2004-03342 | es |
dc.relation.projectID | P05-TIC-00531 | es |
dc.relation.publisherversion | http://www.lsi.us.es/redmidas/CEDI07/index.html | es |
dc.eventtitle | Taller de minería de datos y aprendizaje: TAMIDA | es |
dc.eventinstitution | Zaragoza, España | es |
dc.identifier.sisius | 5502539 | es |