通过人工智能优化水泥厂电力成本的方法开发,操作电力市场成本

Manuel Parejo-Guzmán, Benito Navarrete-Rubia, Pedro Mora-Peris, Rafaela Alfalla-Luque
{"title":"通过人工智能优化水泥厂电力成本的方法开发,操作电力市场成本","authors":"Manuel Parejo-Guzmán, Benito Navarrete-Rubia, Pedro Mora-Peris, Rafaela Alfalla-Luque","doi":"10.37610/dyo.v0i74.598","DOIUrl":null,"url":null,"abstract":"Las fábricas de cemento presentan importantes consumos energéticos: el 70 % del coste variable se dedica a energía -33 % térmica y 37% eléctrica-. Este trabajo supone la segunda fase de una investigación para optimizar el coste eléctrico en cementeras mediante técnicas de inteligencia artificial. Tras una revisión sistemática de la literatura, encuestas y panel de expertos a un total de 42 profesionales del sector (primera fase), se ha desarrollado una metodología para optimizar la compra de electricidad. Para ello se propone el uso de Redes Neuronales Artificiales y del algoritmo Backpropagation, de cara a predecir el precio eléctrico spot.","PeriodicalId":166318,"journal":{"name":"Dirección y Organización","volume":"4 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"Desarrollo metodológico para la optimización del coste eléctrico en fábricas de cemento, mediante inteligencia artificial, operando sobre coste eléctrico del mercado\",\"authors\":\"Manuel Parejo-Guzmán, Benito Navarrete-Rubia, Pedro Mora-Peris, Rafaela Alfalla-Luque\",\"doi\":\"10.37610/dyo.v0i74.598\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Las fábricas de cemento presentan importantes consumos energéticos: el 70 % del coste variable se dedica a energía -33 % térmica y 37% eléctrica-. Este trabajo supone la segunda fase de una investigación para optimizar el coste eléctrico en cementeras mediante técnicas de inteligencia artificial. Tras una revisión sistemática de la literatura, encuestas y panel de expertos a un total de 42 profesionales del sector (primera fase), se ha desarrollado una metodología para optimizar la compra de electricidad. Para ello se propone el uso de Redes Neuronales Artificiales y del algoritmo Backpropagation, de cara a predecir el precio eléctrico spot.\",\"PeriodicalId\":166318,\"journal\":{\"name\":\"Dirección y Organización\",\"volume\":\"4 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-07-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Dirección y Organización\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.37610/dyo.v0i74.598\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Dirección y Organización","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.37610/dyo.v0i74.598","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

摘要

水泥厂消耗大量能源:70%的可变成本用于能源,33%用于热能,37%用于电力。这项工作是利用人工智能技术优化水泥工厂电力成本研究的第二阶段。在对共有42名行业专业人士进行系统的文献综述、调查和专家小组(第一阶段)后,制定了一种优化电力购买的方法。本文提出了一种利用人工神经网络和反向传播算法来预测现货电价的方法。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Desarrollo metodológico para la optimización del coste eléctrico en fábricas de cemento, mediante inteligencia artificial, operando sobre coste eléctrico del mercado
Las fábricas de cemento presentan importantes consumos energéticos: el 70 % del coste variable se dedica a energía -33 % térmica y 37% eléctrica-. Este trabajo supone la segunda fase de una investigación para optimizar el coste eléctrico en cementeras mediante técnicas de inteligencia artificial. Tras una revisión sistemática de la literatura, encuestas y panel de expertos a un total de 42 profesionales del sector (primera fase), se ha desarrollado una metodología para optimizar la compra de electricidad. Para ello se propone el uso de Redes Neuronales Artificiales y del algoritmo Backpropagation, de cara a predecir el precio eléctrico spot.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Experience the Prisoner's Dilemma: a game-based learning tool Análise do MES como apoio à gestão da produção em um fabricante brasileiro da indústria farmacêutica TICS-Formación efectiva en ventas: sector asegurado mexicano Gestión logística interna inversa mediante la heurísitica, redes y simulación de eventos discretos para los procesos de preembarques - caso de estudio Does the Board of Directors affects Corporate Social Responsibility Performance? Insights from an SEM-PLS Approach
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1