Data Science and Big Data in Energy Forecasting

Martínez Álvarez, Francisco; Troncoso Lora, Alicia; Riquelme Santos, José Cristóbal

doi:10.3390/en11113224

Artículo

dc.creator	Martínez Álvarez, Francisco	es
dc.creator	Troncoso Lora, Alicia	es
dc.creator	Riquelme Santos, José Cristóbal	es
dc.date.accessioned	2019-02-20T09:45:00Z
dc.date.available	2019-02-20T09:45:00Z
dc.date.issued	2018-11
dc.identifier.citation	Martínez Álvarez, F., Troncoso Lora, A. y Riquelme Santos, J.C. (2018). Data Science and Big Data in Energy Forecasting. Energies, 11 (11 - 3224)
dc.identifier.issn	1996-1073	es
dc.identifier.uri	https://hdl.handle.net/11441/83259
dc.description.abstract	This editorial summarizes the performance of the special issue entitled Data Science and Big Data in Energy Forecasting, which was published at MDPI’s Energies journal. The special issue took place in 2017 and accepted a total of 13 papers from 7 different countries. Electrical, solar and wind energy forecasting were the most analyzed topics, introducing new methods with applications of utmost relevance.	es
dc.description.sponsorship	Ministerio de Competitividad TIN2014-55894-C2-R	es
dc.description.sponsorship	Ministerio de Competitividad TIN2017-88209-C2-R	es
dc.format	application/pdf	es
dc.language.iso	eng	es
dc.publisher	MDPI	es
dc.relation.ispartof	Energies, 11 (11 - 3224)
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Internacional	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	energy	es
dc.subject	time series	es
dc.subject	forecasting	es
dc.subject	data mining	es
dc.subject	big data	es
dc.title	Data Science and Big Data in Energy Forecasting	es
dc.type	info:eu-repo/semantics/article	es
dcterms.identifier	https://ror.org/03yxnpp24
dc.type.version	info:eu-repo/semantics/submittedVersion	es
dc.rights.accessRights	info:eu-repo/semantics/openAccess	es
dc.contributor.affiliation	Universidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticos	es
dc.relation.projectID	TIN2014-55894-C2-R	es
dc.relation.projectID	TIN2017-88209-C2-R	es
dc.relation.publisherversion	https://www.mdpi.com/1996-1073/11/11/3224	es
dc.identifier.doi	10.3390/en11113224	es
dc.contributor.group	Universidad de Sevilla. TIC-254: Data Science & Big Data Lab	es
idus.format.extent	2	es
dc.journaltitle	Energies	es
dc.publication.volumen	11	es
dc.publication.issue	11 - 3224	es
dc.contributor.funder	Ministerio de Economía y Competitividad (MINECO). España
dc.contributor.funder	Ministerio de Economía. España

Ficheros	Tamaño	Formato	Ver	Descripción
energies-11-03224 (1).pdf	147.0Kb	[PDF]	Ver/Abrir

Este registro aparece en las siguientes colecciones

Artículos (Lenguajes y Sistemas Informáticos)

Mostrar el registro sencillo del ítem

Excepto si se señala otra cosa, la licencia del ítem se describe como: Attribution-NonCommercial-NoDerivatives 4.0 Internacional