Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
Share
E-Ciencias de la Información
On-line version ISSN 1659-4142
Abstract
SANCHEZ SOLIS, Joseline and COTO JIMENEZ, Marvin. Estado del Arte de la Predicción de Variables en Sistemas de Ingeniería Eléctrica Basada en Inteligencia Artificial. E-Ciencias de la Información [online]. 2022, vol.12, n.1, pp.59-78. ISSN 1659-4142. http://dx.doi.org/10.15517/eci.v12i1.47628.
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.
Keywords : Inteligencia Artificial; Predicción de variables eléctricas; Ingeniería Eléctrica.