Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia

Los pronósticos de demanda de energía eléctrica es un tema importante para los gobiernos, los inversionistas y las empresas que pertenecen al sector eléctrico, esto permite formular los planes de expansión a largo plazo que permitan un crecimiento sostenible y evitar problemas en el suministro del s...

Full description

Autores:
Grimaldo Guerrero, John William
Mendoza Becerra, Manuel Andres
Reyes Calle, Wendy Paola
Tipo de recurso:
Article of journal
Fecha de publicación:
2017
Institución:
Corporación Universidad de la Costa
Repositorio:
REDICUC - Repositorio CUC
Idioma:
spa
OAI Identifier:
oai:repositorio.cuc.edu.co:11323/4598
Acceso en línea:
http://hdl.handle.net/11323/4598
https://repositorio.cuc.edu.co/
Palabra clave:
Backward
Demand forecasting
Economic indicators
Electric energy
Forward and stepwise method
Population
Método backward
Forward y stepwise
Pronósticos de demanda
Energía eléctrica
Población
Indicadores económicos
Rights
openAccess
License
Attribution-NonCommercial-ShareAlike 4.0 International
id RCUC2_29e3c30172a2e2bb2841bc6d157c1898
oai_identifier_str oai:repositorio.cuc.edu.co:11323/4598
network_acronym_str RCUC2
network_name_str REDICUC - Repositorio CUC
repository_id_str
dc.title.spa.fl_str_mv Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia
dc.title.translated.spa.fl_str_mv Model to forecast the demand for electric power using the sectoral gross domestic products: Case of Colombia
title Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia
spellingShingle Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia
Backward
Demand forecasting
Economic indicators
Electric energy
Forward and stepwise method
Population
Método backward
Forward y stepwise
Pronósticos de demanda
Energía eléctrica
Población
Indicadores económicos
title_short Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia
title_full Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia
title_fullStr Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia
title_full_unstemmed Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia
title_sort Modelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de Colombia
dc.creator.fl_str_mv Grimaldo Guerrero, John William
Mendoza Becerra, Manuel Andres
Reyes Calle, Wendy Paola
dc.contributor.author.spa.fl_str_mv Grimaldo Guerrero, John William
Mendoza Becerra, Manuel Andres
Reyes Calle, Wendy Paola
dc.subject.spa.fl_str_mv Backward
Demand forecasting
Economic indicators
Electric energy
Forward and stepwise method
Population
Método backward
Forward y stepwise
Pronósticos de demanda
Energía eléctrica
Población
Indicadores económicos
topic Backward
Demand forecasting
Economic indicators
Electric energy
Forward and stepwise method
Population
Método backward
Forward y stepwise
Pronósticos de demanda
Energía eléctrica
Población
Indicadores económicos
description Los pronósticos de demanda de energía eléctrica es un tema importante para los gobiernos, los inversionistas y las empresas que pertenecen al sector eléctrico, esto permite formular los planes de expansión a largo plazo que permitan un crecimiento sostenible y evitar problemas en el suministro del servicio. En los estudios realizados por los países proponen modelos asociados a la economía principalmente el PIB y la población; en el presente estudio, se propone hacer una extensión a partir de los PIB generados por los diferentes sectores de la economía Colombiana.
publishDate 2017
dc.date.issued.none.fl_str_mv 2017
dc.date.accessioned.none.fl_str_mv 2019-05-21T13:19:28Z
dc.date.available.none.fl_str_mv 2019-05-21T13:19:28Z
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ART
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_6501
status_str acceptedVersion
dc.identifier.issn.spa.fl_str_mv 07981015
dc.identifier.uri.spa.fl_str_mv http://hdl.handle.net/11323/4598
dc.identifier.instname.spa.fl_str_mv Corporación Universidad de la Costa
dc.identifier.reponame.spa.fl_str_mv REDICUC - Repositorio CUC
dc.identifier.repourl.spa.fl_str_mv https://repositorio.cuc.edu.co/
identifier_str_mv 07981015
Corporación Universidad de la Costa
REDICUC - Repositorio CUC
url http://hdl.handle.net/11323/4598
https://repositorio.cuc.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Askarzadeh, A. (2014). Comparison of particle swarm optimization and other metaheuristics on electricity demand estimation: A case study of Iran. Energy 72, 484-491. Banco de la República. (2016). Retrieved Septiembre 23, 2016, from http://www.banrep.gov.co/ Barreto Nieto, C. A., & Campo Robledo, J. (2011, Noviembre). Relación a largo plazo entre consumo de energía y PIB en América Latina: Una evaluación empírica con datos panel. Ecos de Economía. Bianco, V., Manca, O., & Nardini, S. (2009). Electricity consumption forecasting in Italy using linear regression models. Energy 34, 1413–1421. Caracol Radio. (2016, Marzo 15). La pasión del sector eléctrico y el riesgo de un racionamiento. Retrieved from http://caracol.com.co/radio/2016/03/15/media/1458055357_963111.html Comisión Europea. (2013). Política energética y sus desafíos. Europa. El Espectador. (2016, Febrero 17). Sector eléctrico se enfrenta al momento más difícil de la sequía. El Heraldo. (2016, Marzo 01). “Daño en Termoflores aumenta riesgo de apagón”: Andeg. El País. (2016, Marzo). “Hay que premiar el ahorro de energía, pero fijar castigos”: presidente de Celsia. Günay, M. E. (2016). Forecasting annual gross electricity demand by artificial neural networks using predicted values of socio-economic indicators and climatic conditions: Case of Turkey. Energy Policy, 92-101. Hadi Sadeghia, M. R. (2017, January ). A comprehensive sequential review study through the generation expansion planning. Renewable and Sustainable Energy Reviews, 1369–1394. Horst, D. J., & Francisco, W. D. (2013, Febrero 16). Technological forecasting: renewable energies generation in Brazil. Revista Espacios. ISAGEN. (2014, Mayo). Geotermia en Colombia - Presentación. Kraft, J., & Kraft, A. (1978). On the Relationship Between Energy and GNP. Journal of Energy and Development, 401-403. Pinzón, J. V. (2008). THE COLOMBIAN ELECTRICITY MARKET AND ITS IMPACT IN HYDROTHERMAL EXPANSION. IEEE. R Foundation for Statistical Computing. (2016). R: A language and environment for statistical computing. Vienna, Austria. RCN Radio. (2016, Febrero 25). Colombia importará energía de Ecuador por daño en Guatapé e intensa sequía. Revista Dinero. (2016, Marzo 03). Apagón inminente: Colombia al borde del corto circuito. Revista Semana. (2015, Agosto 23). Alta tensión en el sector eléctrico. Shaphiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality. Biometrika 52(3), 591-611. Souza, F. M., Souza, A. M., & Menezes, R. (2013). Análise Empírica do Número de Consumidores e do Consumo de Energia Elétrica no Rio Grande do Sul por meio de Modelos Matemáticos. Revista Espacios. Vol. 34, 2. SPENASSATO, D., TRIERWEILLER, A. C., BORNIA, A. C., & FRAZZON, L. S. (2015). Dow Jones Sustainability Index: Use of forecasting models to assist decision making. Revista Espacios Vol. 36 (Nº 11) , 21. Torres-Bejaranoa, F., Cobaa, J. P., Cuevasb, C. R., León, H. R., & Rodeloa, R. C. (2016). La modelación hidrodinámica para la gestión hídrica del embalse del Guájaro, Colombia. Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería, 163-172. UPME. (2016). INFORME DE AVANCE PROYECTOS DE GENERACIÓN – ABRIL 2016. Colombia: Ministerio de Minas y Energía. XM. (n.d.). Retrieved Septiembre 23, 2016, from http://www.xm.com.co/Pages/Home.aspx
dc.rights.spa.fl_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.publisher.spa.fl_str_mv Espacios
institution Corporación Universidad de la Costa
bitstream.url.fl_str_mv https://repositorio.cuc.edu.co/bitstreams/a366408b-ef72-479c-8da5-a723888f0c5f/download
https://repositorio.cuc.edu.co/bitstreams/5510d5db-71d6-4737-bf1f-32b88e456c10/download
https://repositorio.cuc.edu.co/bitstreams/7abb3d62-4055-4642-9ce8-8099b813f9a0/download
https://repositorio.cuc.edu.co/bitstreams/d14d64fc-cab1-45da-88e1-e319a77e288c/download
https://repositorio.cuc.edu.co/bitstreams/730b846f-2fb5-4cad-8c00-2ae7a28887ad/download
bitstream.checksum.fl_str_mv ecfbbc3b5e4eced0ed9aaeb65f634b9c
934f4ca17e109e0a05eaeaba504d7ce4
8a4605be74aa9ea9d79846c1fba20a33
ad863fd2a3ce39944c2709497395eef6
45673c484efbd15090accb4a76ab9c05
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad de la Costa CUC
repository.mail.fl_str_mv repdigital@cuc.edu.co
_version_ 1811760686943961088
spelling Grimaldo Guerrero, John WilliamMendoza Becerra, Manuel AndresReyes Calle, Wendy Paola2019-05-21T13:19:28Z2019-05-21T13:19:28Z201707981015http://hdl.handle.net/11323/4598Corporación Universidad de la CostaREDICUC - Repositorio CUChttps://repositorio.cuc.edu.co/Los pronósticos de demanda de energía eléctrica es un tema importante para los gobiernos, los inversionistas y las empresas que pertenecen al sector eléctrico, esto permite formular los planes de expansión a largo plazo que permitan un crecimiento sostenible y evitar problemas en el suministro del servicio. En los estudios realizados por los países proponen modelos asociados a la economía principalmente el PIB y la población; en el presente estudio, se propone hacer una extensión a partir de los PIB generados por los diferentes sectores de la economía Colombiana.Forecasts of demand for electrical energy is an important issue for governments, investors and companies belonging to the electricity sector, this allows formulating plans long-term expansion to enable sustainable growth and avoid in the supply service problems. In studies by the countries propose models using economy value, mainly GDP and population. In this study, it is proposed that an extension from the GDP generated by the different sectors of the Colombian economy.Grimaldo Guerrero, John William-0000-0002-1632-5374-600Mendoza Becerra, Manuel Andres-54fae611-f7d3-4b8d-a358-3d5b8fad3e88-0Reyes Calle, Wendy Paola-e6bb0590-1f4d-4b3d-b63f-8c08d151e8bf-0spaEspaciosAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2BackwardDemand forecastingEconomic indicatorsElectric energyForward and stepwise methodPopulationMétodo backwardForward y stepwisePronósticos de demandaEnergía eléctricaPoblaciónIndicadores económicosModelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos sectoriales: Caso de ColombiaModel to forecast the demand for electric power using the sectoral gross domestic products: Case of ColombiaArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/acceptedVersionAskarzadeh, A. (2014). Comparison of particle swarm optimization and other metaheuristics on electricity demand estimation: A case study of Iran. Energy 72, 484-491. Banco de la República. (2016). Retrieved Septiembre 23, 2016, from http://www.banrep.gov.co/ Barreto Nieto, C. A., & Campo Robledo, J. (2011, Noviembre). Relación a largo plazo entre consumo de energía y PIB en América Latina: Una evaluación empírica con datos panel. Ecos de Economía. Bianco, V., Manca, O., & Nardini, S. (2009). Electricity consumption forecasting in Italy using linear regression models. Energy 34, 1413–1421. Caracol Radio. (2016, Marzo 15). La pasión del sector eléctrico y el riesgo de un racionamiento. Retrieved from http://caracol.com.co/radio/2016/03/15/media/1458055357_963111.html Comisión Europea. (2013). Política energética y sus desafíos. Europa. El Espectador. (2016, Febrero 17). Sector eléctrico se enfrenta al momento más difícil de la sequía. El Heraldo. (2016, Marzo 01). “Daño en Termoflores aumenta riesgo de apagón”: Andeg. El País. (2016, Marzo). “Hay que premiar el ahorro de energía, pero fijar castigos”: presidente de Celsia. Günay, M. E. (2016). Forecasting annual gross electricity demand by artificial neural networks using predicted values of socio-economic indicators and climatic conditions: Case of Turkey. Energy Policy, 92-101. Hadi Sadeghia, M. R. (2017, January ). A comprehensive sequential review study through the generation expansion planning. Renewable and Sustainable Energy Reviews, 1369–1394. Horst, D. J., & Francisco, W. D. (2013, Febrero 16). Technological forecasting: renewable energies generation in Brazil. Revista Espacios. ISAGEN. (2014, Mayo). Geotermia en Colombia - Presentación. Kraft, J., & Kraft, A. (1978). On the Relationship Between Energy and GNP. Journal of Energy and Development, 401-403. Pinzón, J. V. (2008). THE COLOMBIAN ELECTRICITY MARKET AND ITS IMPACT IN HYDROTHERMAL EXPANSION. IEEE. R Foundation for Statistical Computing. (2016). R: A language and environment for statistical computing. Vienna, Austria. RCN Radio. (2016, Febrero 25). Colombia importará energía de Ecuador por daño en Guatapé e intensa sequía. Revista Dinero. (2016, Marzo 03). Apagón inminente: Colombia al borde del corto circuito. Revista Semana. (2015, Agosto 23). Alta tensión en el sector eléctrico. Shaphiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality. Biometrika 52(3), 591-611. Souza, F. M., Souza, A. M., & Menezes, R. (2013). Análise Empírica do Número de Consumidores e do Consumo de Energia Elétrica no Rio Grande do Sul por meio de Modelos Matemáticos. Revista Espacios. Vol. 34, 2. SPENASSATO, D., TRIERWEILLER, A. C., BORNIA, A. C., & FRAZZON, L. S. (2015). Dow Jones Sustainability Index: Use of forecasting models to assist decision making. Revista Espacios Vol. 36 (Nº 11) , 21. Torres-Bejaranoa, F., Cobaa, J. P., Cuevasb, C. R., León, H. R., & Rodeloa, R. C. (2016). La modelación hidrodinámica para la gestión hídrica del embalse del Guájaro, Colombia. Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería, 163-172. UPME. (2016). INFORME DE AVANCE PROYECTOS DE GENERACIÓN – ABRIL 2016. Colombia: Ministerio de Minas y Energía. XM. (n.d.). Retrieved Septiembre 23, 2016, from http://www.xm.com.co/Pages/Home.aspxPublicationORIGINALModelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos.pdfModelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos.pdfapplication/pdf209504https://repositorio.cuc.edu.co/bitstreams/a366408b-ef72-479c-8da5-a723888f0c5f/downloadecfbbc3b5e4eced0ed9aaeb65f634b9cMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031https://repositorio.cuc.edu.co/bitstreams/5510d5db-71d6-4737-bf1f-32b88e456c10/download934f4ca17e109e0a05eaeaba504d7ce4MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.cuc.edu.co/bitstreams/7abb3d62-4055-4642-9ce8-8099b813f9a0/download8a4605be74aa9ea9d79846c1fba20a33MD53THUMBNAILModelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos.pdf.jpgModelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos.pdf.jpgimage/jpeg91427https://repositorio.cuc.edu.co/bitstreams/d14d64fc-cab1-45da-88e1-e319a77e288c/downloadad863fd2a3ce39944c2709497395eef6MD55TEXTModelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos.pdf.txtModelo para pronosticar la demanda de energía eléctrica utilizando los producto interno brutos.pdf.txttext/plain27722https://repositorio.cuc.edu.co/bitstreams/730b846f-2fb5-4cad-8c00-2ae7a28887ad/download45673c484efbd15090accb4a76ab9c05MD5611323/4598oai:repositorio.cuc.edu.co:11323/45982024-09-16 16:49:34.499http://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalopen.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.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

Publicaciones similares