[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-125385-es":3,"doc-seo-125385-110":31,"detail-sidebar-cat-0-es-110":96},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},125385,962085570644,"Evangeline","https://ap-avatar.wpscdn.com/davatar_994ba38a5ba835b3df7d355c54d3ed8d",41,"Investigación e Informes","Predicción de la generación de energía eólica en la región de Biobío en Chile utilizando Machine Learning y series temporales - Investigación","El análisis predice la generación diaria de energía eólica en 15 centrales de la región del Biobío, abordando el reto chileno de fortalecer su transición energética y reducir la dependencia de fuentes externas. Se entrenan modelos de aprendizaje automático como Extra-Trees Regressor (ETR) y XGBoost, modelos de deep learning con LSTM y modelos de series temporales como SARIMAX. El uso de variables meteorológicas (presión atmosférica, dirección y velocidad del viento) mejora la captura de la dinámica de generación. La comparación del rendimiento identifica el enfoque más preciso y confiable, complementado con predicciones conformales para cuantificar la incertidumbre.","Predicción de la generación de energía eólica en la región de Biobío en Chile utilizando modelos de Machine Learning y Series Temporales  \nAutores:  \nPaula Andrea Cadena Valencia,  \n([pcadenav@unbosque.edu.co](pcadenav@unbosque.edu.co))  \nJulio Alberto Muñoz Puga,  \n([jmunozpu](jmunozpu@unbosque.edu.co)[@unbosque.edu.co](jmunozpu@unbosque.edu.co))  \nWilliam Rodrigo Parada Suarez,  \n([wparadap@unbosque.edu.co](wparadap@unbosque.edu.co))  \nDirector:  \nAlfonso Cubillos,  \n([acubillosde@gmail.com](acubillosde@gmail.com))  \nMaestría en Estadística Aplicada y Ciencia de Datos  \nDepartamento de Matemáticas y Estadística  \nFacultad de Ciencias  \nUniversidad El Bosque  \nJunio 07, de 2024  \nContenido  \nResumen..................................................................................................................................... 3  \nAbstract......................................................................................................................................4  \n1. Introducción...........................................................................................................................5  \n2. Marco Teórico........................................................................................................................6  \nEnfoque de medición de la generación de energía................................................................7  \nMétodos de pronóstico de energía eléctrica.......................................................................... 8  \nSistema eléctrico en Chile..................................................................................................... 9  \nImpacto de la energía eólica en el país y en la región......................................................... 11  \nMercado eléctrico chileno................................................................................................... 12  \nEl mercado spot................................................................................................................... 14  \nMercado de contratos.......................................................................................................... 15  \n3. Pregunta de investigación................................................................................................... 16  \n4. Objetivos.............................................................................................................................. 16  \n5. Alcance................................................................................................................................. 17  \n6. Metodología......................................................................................................................... 18  \n6.1. Descripción de los datos.............................................................................................. 18  \n6.1.1. Variables.............................................................................................................. 18  \n6.1.2. Análisis descriptivo.............................................................................................21  \n7. Modelos entrenados............................................................................................................ 30  \n7.1. Modelo de Aprendizaje Automático............................................................................ 30  \n7.1.1. Modelos de Deep Learning....................................................................................... 32  \n7.1.2. Modelos de Series Temporales..................................................................................33  \n8. Selección de modelo............................................................................................................ 33  \n8.1. Análisis de métricas de evaluación de los modelos..................................................... 33  \n8.2. Resultados de los modelos predictivos........................................................................ 38  \n9. Predicciones conforma","cbCaigApm4bqyqDU","https://ap.wps.com/l/cbCaigApm4bqyqDU","pdf",9095877,3,1,62,"Spanish","es",110,"# Resumen\n# Introducción\n# Marco Teórico\n## Enfoque de medición de la generación de energía\n## Métodos de pronóstico de energía eléctrica\n## Sistema eléctrico en Chile\n## Impacto de la energía eólica en el país y en la región\n## Mercado eléctrico chileno\n## Mercado spot\n## Mercado de contratos\n# Pregunta de investigación\n# Objetivos\n# Alcance\n# Metodología\n## Descripción de los datos\n## Variables\n## Análisis descriptivo\n# Modelos entrenados\n## Aprendizaje automático\n## Deep Learning\n## Series temporales\n# Selección de modelo\n## Métricas de evaluación\n## Resultados de modelos predictivos\n# Predicciones conformales\n# Observaciones finales o conclusiones\n# Anexos\n# Código fuente","[{\"question\":\"Qué modelos se utilizan para predecir la generación eólica en la región de Biobío?\",\"answer\":\"Se emplean modelos de aprendizaje automático como Extra-Trees Regressor (ETR) y XGBoost, modelos de deep learning con LSTM y modelos de series temporales como SARIMAX.\"},{\"question\":\"Qué datos y variables influyen en el entrenamiento de los modelos?\",\"answer\":\"Los modelos se entrenan con tres años de datos históricos e incorporan variables meteorológicas como presión atmosférica, dirección y velocidad del viento.\"},{\"question\":\"Cómo se determina qué modelo ofrece la mayor precisión y confiabilidad?\",\"answer\":\"Se realiza una comparación del rendimiento de los modelos mediante métricas de evaluación, y luego se selecciona el enfoque con mejores resultados.\"},{\"question\":\"Para qué se aplican las predicciones conformales en este trabajo?\",\"answer\":\"Las predicciones conformales se usan para obtener estimaciones más precisas y para evaluar la incertidumbre asociada a las predicciones.\"}]","Predicción de la generación de energía eólica en la región de Biobío en Chile utilizando Machine Learning y series temporales - Investigación | PDF",1785898594,95,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":91,"head_meta":93,"extra_data":95,"updated_unix":29},"prediction-of-wind-energy-generation-in-chiles-biobio-region-using-machine-learning-and-time-series-research","",{"@graph":37,"@context":90},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/es/document/investigación-e-informes/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/es/document/prediction-of-wind-energy-generation-in-chiles-biobio-region-using-machine-learning-and-time-series-research/125385/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-16","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82,86],{"name":73,"@type":74,"acceptedAnswer":75},"Qué modelos se utilizan para predecir la generación eólica en la región de Biobío?","Question",{"text":76,"@type":77},"Se emplean modelos de aprendizaje automático como Extra-Trees Regressor (ETR) y XGBoost, modelos de deep learning con LSTM y modelos de series temporales como SARIMAX.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Qué datos y variables influyen en el entrenamiento de los modelos?",{"text":81,"@type":77},"Los modelos se entrenan con tres años de datos históricos e incorporan variables meteorológicas como presión atmosférica, dirección y velocidad del viento.",{"name":83,"@type":74,"acceptedAnswer":84},"Cómo se determina qué modelo ofrece la mayor precisión y confiabilidad?",{"text":85,"@type":77},"Se realiza una comparación del rendimiento de los modelos mediante métricas de evaluación, y luego se selecciona el enfoque con mejores resultados.",{"name":87,"@type":74,"acceptedAnswer":88},"Para qué se aplican las predicciones conformales en este trabajo?",{"text":89,"@type":77},"Las predicciones conformales se usan para obtener estimaciones más precisas y para evaluar la incertidumbre asociada a las predicciones.","https://schema.org",{"og:url":52,"og:type":92,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":94,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":97},[98,103,107,111,115,117,121,125,129,133],{"id":99,"doc_module":4,"doc_module_name":47,"category_name":100,"show_sort_weight":101,"slug":102},39,"Cómic",60,"comic",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":101,"slug":106},43,"Estilo de Vida","lifestyle",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":101,"slug":110},38,"Examen","exam",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":101,"slug":114},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":101,"slug":116},"research-report",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":101,"slug":120},37,"Literatura","literature",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":101,"slug":124},22,"Relatos y Novelas","story-novel",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":101,"slug":128},42,"Religión y Espiritualidad","religion-spirituality",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":101,"slug":132},40,"Salud y Atención Médica","healthcare",{"id":134,"doc_module":4,"doc_module_name":47,"category_name":135,"show_sort_weight":101,"slug":136},24,"Tecnología","technology"]