000015425 001__ 15425 000015425 005__ 20170831220607.0 000015425 037__ $$aTAZ-TFM-2014-419 000015425 041__ $$aspa 000015425 1001_ $$aRuiz Manzanares, Gonzalo 000015425 24500 $$aSistema experto de probabilidad y severidad en red 000015425 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2014 000015425 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000015425 520__ $$aEl suministro eléctrico es un elemento esencial en la vertebración y el crecimiento socioeconómico de la sociedad actual. Las exigencias que deben satisfacer las redes eléctricas y las distribuidoras en cuanto a la continuidad y seguridad del suministro son crecientes. SEPS (Sistema Experto de Probabilidad y Severidad en Red) es un proyecto del programa INNPACTO del Ministerio de Economía y Competitividad liderado por la empresa Gas Natural Fenosa, en cuyo consorcio participan otras empresas y organismos de investigación. El objetivo fundamental del proyecto es desarrollar un sistema que a partir de la información de previsión meteorológica, de demanda y de generación, obtenga unos índices de probabilidad de ocurrencia de incidencias y restricciones en la red de distribución de energía; y a partir de información sobre el mercado afectado y eventos relevantes, sea capaz de estimar el impacto social de dichas incidencias; permitiendo mejorar así el servicio del suministro eléctrico. Este trabajo fin de máster se centra en la vertiente social del problema, consistente en el análisis de datos de Internet para identificar la severidad reputacional y la repercusión social de los incidentes sobre la red de distribución de energía. El trabajo se dividió en dos partes. Por un lado, se desarrolló un sistema para la captura de datos de diversas fuentes heterogéneas de Internet (sitios web, redes sociales, agendas online, etc.) sobre eventos de gran repercusión en los que un incidente eléctrico pudiera tener cierto impacto en la imagen de Gas Natural Fenosa. Para ello, se estudiaron y seleccionaron diferentes fuentes que contuvieran datos relevantes para el proyecto, se diseñaron una serie de robots o scrapers para la extracción automática de estos datos, y se definieron distintas variables para los eventos recogidos que facilitaron la integración de esta parte social en el modelo global de previsión de incidentes. Por otro lado, una vez sucedido un incidente, se ha desarrollado un sistema que rastrea continuamente redes sociales, webs de noticias y otras herramientas, para medir el impacto que realmente ha tenido dicho incidente en la imagen de marca de la empresa en base a su gestión. Para ello, además del uso de técnicas de extracción de datos, se realizó un estudio del estado del arte en cuanto a las distintas técnicas de análisis de sentimiento existentes, implementando un sistema para la evaluación de la polaridad de textos. 000015425 521__ $$aMáster Universitario en Ingeniería de Sistemas e Informática 000015425 540__ $$aDerechos regulados por licencia Creative Commons 000015425 6531_ $$aanálisis de sentimiento 000015425 6531_ $$ascraping 000015425 6531_ $$aprevisión de riesgos 000015425 6531_ $$ared eléctrica 000015425 6531_ $$aestimación de severidad 000015425 6531_ $$asentiwordnet 000015425 6531_ $$aopinion mining 000015425 6531_ $$apolaridad de textos 000015425 700__ $$aÍñiguez Dieste, David$$edir. 000015425 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cLenguajes y Sistemas Informáticos 000015425 7202_ $$aIlarri Artigas, Sergio$$eponente 000015425 8560_ $$f511844@celes.unizar.es 000015425 8564_ $$s15510727$$uhttps://zaguan.unizar.es/record/15425/files/TAZ-TFM-2014-419.pdf$$yMemoria (spa) 000015425 909CO $$ooai:zaguan.unizar.es:15425$$pdriver$$ptrabajos-fin-master 000015425 950__ $$a 000015425 980__ $$aTAZ$$bTFM$$cEINA