Comparación de Metaheurísticas para Determinar la Estructura Óptima de una Red Neuronal para Simular el Consumo Eléctrico en Salta-Argentina

Resumen

El suministro eléctrico representa un pilar fundamental en la sociedad contemporánea, donde la demanda varía constantemente, requiriendo una oferta estable. Esto implica una coordinación meticulosa en la producción, distribución, y desarrollo de infraestructuras que soporten está situación. La capacidad de prever con precisión la demanda es crucial para guiar estas decisiones. Aunque las redes neuronales han demostrado eficacia en este ámbito, encontrar la estructura óptima de capas ocultas y neuronas para abordar este desafío sigue siendo una tarea compleja. Por lo tanto, este estudio se centra en investigar dos heurísticas para optimizar la configuración de una red neuronal capaz de prever el consumo eléctrico; en particular, este estudio se centra en el consumo eléctrico de la Ciudad de Salta, Argentina. Este enfoque no solo busca mejorar la precisión de las estimaciones, sino también aumentar la eficiencia del sistema eléctrico en su conjunto. El objetivo último es contribuir al desarrollo sostenible y a la estabilidad energética, garantizando un suministro confiable y equitativo para todos los ciudadanos. Al desarrollar y comparar los resultados brindados por la heurística de Algoritmo Genético y Colonia de Abejas, se pretende encontrar un equilibrio entre la precisión de las predicciones y la eficiencia computacional, lo que permitirá una mejor planificación y gestión del suministro eléctrico. Este enfoque no solo beneficiará a los consumidores finales al garantizar un suministro estable y justo, sino que también proporcionará a los responsables de la toma de decisiones información valiosa para optimizar la infraestructura y los recursos disponibles. En última instancia, este estudio busca no solo mejorar la capacidad predictiva de las redes neuronales en el contexto específico de la Ciudad de Salta, Argentina, sino también sentar las bases para futuras investigaciones y aplicaciones en el campo de la gestión energética y la planificación del suministro eléctrico a nivel global.