Pronostico del crecimiento de demanda de energía eléctrica en el área caribe colombiana para proyectar la generación por seguridad de 2018 a 2032
Los modelos de estimación de demanda son utilizados por organismos encargados de la planeación energética, cuya función objetivo está centrada en garantizar el suministro de usuarios a partir de los recursos disponibles en generación, transporte e interconexión. Típicamente los modelos de planificac...
- Autores:
-
Cervantes Bolívar, Brian
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2018
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/1058
- Acceso en línea:
- https://hdl.handle.net/11323/1058
https://repositorio.cuc.edu.co/
- Palabra clave:
- Cascade-Forward Back Propagation
Redes neuronales
Pronóstico de demanda de potencia máxima
Modelo de estimación de demanda a largo plazo
Cascade-Forward Back Propagation
Neural networks
Peak power demand forecast
Long-term demand estimation model
- Rights
- openAccess
- License
- Atribución – No comercial – Compartir igual
Summary: | Los modelos de estimación de demanda son utilizados por organismos encargados de la planeación energética, cuya función objetivo está centrada en garantizar el suministro de usuarios a partir de los recursos disponibles en generación, transporte e interconexión. Típicamente los modelos de planificación a largo plazo utilizan técnicas de optimización no lineal considerando un error no superior al 5%. El modelo de referencia utilizado por la UPME en Colombia alcanza un error medio del 1.6%. No obstante, los modelos no lineales presentan restricciones para anticipar variaciones no características de las curvas de comportamiento, lo cual aumenta la probabilidad de una predicción errónea. Basado en lo anterior, la presente investigación propone un modelo de proyección de demanda de energía eléctrica utilizando redes neuronales que permita planear y responder al crecimiento del sistema. El estudio comienza documentando las metodologías actuales para el pronóstico de demanda de potencia máxima, así como las deficiencias actuales en los pronósticos utilizados. Como resultado se obtiene un nuevo modelo con la aplicación de redes neuronales utilizando el algoritmo Cascade-Forward Back Propagation en el software MATLAB R2017a. Se consideró como caso de estudio el Área Caribe del Sistema Interconectado Nacional (SIN) colombiano, los resultados obtenidos son exportados al software DigSILENT Power Factory 15.1.para someter el caso de estudio a prueba. Durante el proceso de comparación del modelo, se identificó que los datos obtenidos reflejan las características de comportamiento de la demanda con un margen de error aceptable igual al 0.5% comparados con los modelos de referencia utilizados. Finalmente se proponen recomendaciones técnicas y operativas para garantizar la seguridad en la operación del Área Caribe. |
---|