Estimacin̤ del consumo elčtrico colombiano en el corto y largo plazo empleando regresin̤ multivariable y series temporales
La previsin̤ de consumo de energa̕ elčtrica constituye un pilar importante para desarrollar proyectos de expansin̤ en generacin̤, transmisin̤ y distribucin̤. En este trabajo se propone realizar una proyeccin̤ de demanda para el consumo de energa̕ elčtrica en el sector residencial colombiano por me...
Saved in:
| Other Authors: | , , |
|---|---|
| Format: | Book |
| Language: | Spanish |
| Subjects: | |
| Online Access: | Estimacin̤ del consumo elčtrico colombiano en el corto y largo plazo empleando regresin̤ multivariable y series temporales |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | La previsin̤ de consumo de energa̕ elčtrica constituye un pilar importante para desarrollar proyectos de expansin̤ en generacin̤, transmisin̤ y distribucin̤. En este trabajo se propone realizar una proyeccin̤ de demanda para el consumo de energa̕ elčtrica en el sector residencial colombiano por medio de una serie temporal y una regresin̤ multivariable que relacione el crecimiento econm̤ico del pas̕ con su consumo elčtrico. Para validar la metodologa̕ propuesta, se compararǹ los resultados obtenidos con la informacin̤ oficial suministrada por la Unidad de Planeacin̤ Minero-Energťica (UPME).1. Introduccin̤El constante desarrollo de los mercados de energa̕ elčtrica genera escenarios cada vez ms̀ competitivos, por lo que es de crucial importancia poseer sistemas de transmisin̤ y distribucin̤ con planes de manejo bien estructurados [1] y [2]. Entre los planes de manejo, se debe contar con modelos de prons̤tico de la demanda de energa̕ adecuados y es por esto por lo que actualmente se realizan investigaciones en torno a esta temt̀ica. El prons̤tico de la demanda de electricidad es una herramienta fundamental para la toma de decisiones operativas y estratǧicas en las empresas de energa̕, cuya falta de precisin̤ puede generar altos costos econm̤icos [3]. Dicha prediccin̤ puede determinar de forma previa la carencia de energa̕ en el sistema, o si pudiera ser conveniente, la consideracin̤ en la construccin̤ de nuevas subestaciones para suplir la demanda necesaria. Con la informacin̤ suministrada por el estudio de prons̤tico de demanda de energa̕ elčtrica a corto y largo plazo, los operadores pueden tomar decisiones en torno al despacho p̤timo de centrales de generacin̤, y realizar anl̀isis de confiabilidad y seguridad en la operacin̤ del sistema.Los mťodos para la prediccin̤ se dividen en dos grandes grupos: Los mťodos basados en inteligencia artificial, y los mťodos paramťricos.El primer grupo est ̀compuesto por modelos basados en redes neuronales. Tienen la caracters̕tica que no necesitan un modelo matemt̀ico para representar el consumo de energa̕ elčtrica, pero si poseen parm̀etros importantes tales como entradas, funciones de transferencia, algoritmo de entrenamiento y el nm͠ero de neuronas. Este mťodo utiliza diferentes algoritmos de aprendizaje y actualmente es muy utilizado debido a su amplio uso en el r̀ea de la ingeniera̕ [5].El segundo mťodo de este primer grupo se basa en lg̤ica difusa, y considera la imprecisin̤ de los datos a travš de reglas de extraccin̤ de variables de entrada y de modelos estads̕ticos [5]. En general, esta tčnica es usada para el tratamiento de datos que al combinarse con otra tčnica permite lograr una prediccin̤ completa y satisfactoria [6].El segundo grupo est ̀compuesto por modelos paramťricos, y se basan en el modelado matemt̀ico de la demanda. Los parm̀etros de los modelos son estimados usando tčnicas estads̕ticas sobre histr̤icos de datos, o posibles factores que puedan afectar estos datos [1] y [5].En [1] se explica la importancia de la regresin̤ multivariable en el proceso de prons̤tico, pues son aquellas variables las que darǹ precisin̤ a la respuesta que se obtendr.̀ La autora desarrolla el proceso de tratamiento de datos estads̕ticos para obtener un proceso <U+0093>suave<U+0094> para la ln̕ea de tendencia deseada. Por su parte, en [4], se propone un modelo de previsin̤ de demanda de electricidad de largo plazo por medio de Modelos Auto-Regresivos Integrados por Media Mv̤il (ARIMA por sus siglas en ingles). Esta herramienta de anl̀isis desarrollada por la Escuela Tčnica Superior de Ingeniera̕ (ICAI) es capaz de crear distintos modelos de prediccin̤ de series temporales, as ̕como modelos de decisin̤. |
|---|---|
| ISBN: | 2619-6581 (versin̤ electrn̤ica); 1794-4953 (versin̤ impresa) |