Por favor, use este identificador para citar o enlazar este ítem:
https://dspace.unl.edu.ec/jspui/handle/123456789/30476
Título : | Desarrollo de una API para el consumo de un modelo de predicción de producción de energía eólica basado en aprendizaje profundo |
Otros títulos : | Development of an API for the consumption of a deep learning-based wind energy production prediction model |
Autor : | Ordoñez Ordoñez, Pablo Fernando Placencia Satama, Verónica Estefanía |
Palabras clave : | API ENERGÍA EÓLICA APRENDIZAJE PROFUNDO PREDICCIÓN DE ENERGÍA |
Fecha de publicación : | 16-ago-2024 |
Editorial : | Universidad Nacional de Loja |
Resumen : | La energía eólica como fuente renovable en constante expansión requiere la predicción precisa de su producción de energía para la gestión eficiente de la red eléctrica y la toma de decisiones por lo cual el presente trabajo de integración curricular tiene como objetivo general desarrollar una interfaz de programación de aplicaciones (API) que permita acceder a las predicciones generadas a través del consumo de un modelo entrenado con datos proporcionados por la Central Eólica Villonaco (CEV). Su desarrollo se realizó mediante la metodología XP conocida por su enfoque ágil que facilitó la retroalimentación continua, la mejora progresiva del diseño y la funcionalidad de esta. Además, la API fue alojada en el servidor de la carrera de Computación de la Universidad Nacional de Loja garantizando un acceso estable y fluido a usuarios interesados en el campo de la predicción de energía eólica. Los resultados mostraron que al evaluar la facilidad de uso percibida (PEOU) mediante encuestas a estudiantes de octavo y quinto ciclo de la carrera de Computación de la UNL se produjo un total de 37 respuestas favorables de una población de 250 participantes. El 90.82% de los encuestados reportó una alta PEOU, lo cual demuestra que la solución es eficiente debido a la documentación clara y accesible sobre su funcionamiento. Esta documentación facilita una comprensión intuitiva para los usuarios, respaldando así la significativa contribución de la API en el campo del desarrollo de software. Palabras Clave: API, energía eólica, aprendizaje profundo, predicción de energía. |
Descripción : | Wind energy, as a constantly expanding renewable source, requires precise prediction of its energy production for efficient grid management and decision-making. Therefore, the main objective of this curricular integration project is to develop an Application Programming Interface (API) that allows access to predictions generated by consuming a model trained with data provided by the Villonaco Wind Farm (CEV). Its development was carried out using the XP methodology, known for its agile approach that facilitated continuous feedback and progressive improvement of the design and functionality. Additionally, the API was hosted on the server of the Computer Science Department at the National University of Loja, ensuring stable and smooth access for users interested in the field of wind energy prediction. The results showed that when evaluating the perceived ease of use (PEOU) through surveys of eighth and fifth-semester students of the Computer Science program at UNL, a total of 37 favorable responses were obtained from a population of 250 participants. 90.82% of the respondents reported a high PEOU, demonstrating that the solution is efficient due to the clear and accessible documentation of its operation. This documentation facilitates intuitive understanding for users, thus supporting the significant contribution of the API in the field of software development. Keywords: API, wind energy, deep learning, energy prediction. |
URI : | https://dspace.unl.edu.ec/jspui/handle/123456789/30476 |
Aparece en las colecciones: | TRABAJOS DE TITULACION AEIRNNR |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
VerónicaEstefania_PlacenciaSatama.pdf | 8,78 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.