Gomez Paredes, Juan CarlosFajardo, Leonardo2022-08-302022-08-302021-12http://hdl.handle.net/11349/30163El siguiente documento presenta los resultados de la implementación del método MapReduce para el análisis de datos de consumo eléctrico de clientes residenciales y pequeños comercios. Se presentan los perfiles de carga mensual y horario promedio mensual por día de la semana de archivos de consumo de energía a partir de datos con integración regular inferior a una hora. Se describe además el proceso llevado a cabo para aplicar esta técnica mediante el uso de código en Python y el uso de Hadoop. Los resultados sirven como insumo para métodos analíticos cuando se busquen respuestas a preguntas planteadas sobre los datos procesados.This document presents the results of MapReduce Implementation method for energy consumption data in residential and small commercial clients. Monthly load profiles and monthly average hourly profile by day of the week are shown from regular time data measured in less than an hour. Furthermore, the process used to apply this technique is described through Python code and Hadoop use. Results are useful as inputs for analytical methods in order to look for answers for questions about data analyzed.pdfspaAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Big DataMap ReduceEnergySmart MeterImplementacion de la técnica de big data Map Reduce Para la caracterización del consumo de energía de clientes residenciales y comerciales.Especialización en Teleinformática - Tesis y Disertaciones AcadémicasDesarrollo de programas para computadoresPython (Lenguaje de programación para computadores)Consumo de energía eléctrica - Procesamiento electrónico de datosinfo:eu-repo/semantics/restrictedAccessImplementation of the Map Reduce big data technique for the characterization of the energy consumption of residential and commercial customers.Big DataMap ReduceEnergySmart MeterProducción AcadémicaAbierto (Texto Completo)