PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO
Objetivo: Implementar modelos con series de tiempo para el pronóstico de la demanda mensual de electricidad (Gwh).Materiales y Métodos: Para el desarrollo y validación de los modelos se tomaron como base los valores de la demanda de energía eléctrica en el Sistema Interconectado Nacional (SIN) de Co...
- Autores:
-
Gil-Vera, Víctor
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2017
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/4944
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/4944
https://doi.org/10.24050/reia.v13i26.749
- Palabra clave:
- Costeo
mercados de energía
teoría de pronóstico
series de tiempo
demanda de electricidad
Series de Tiempo
- Rights
- openAccess
- License
- Revista EIA - 2017
| id |
REIA2_9bdf130a27957adafbd0180082ea906b |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/4944 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO |
| dc.title.translated.eng.fl_str_mv |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO |
| title |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO |
| spellingShingle |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO Costeo mercados de energía teoría de pronóstico series de tiempo demanda de electricidad Series de Tiempo |
| title_short |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO |
| title_full |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO |
| title_fullStr |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO |
| title_full_unstemmed |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO |
| title_sort |
PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO |
| dc.creator.fl_str_mv |
Gil-Vera, Víctor |
| dc.contributor.author.spa.fl_str_mv |
Gil-Vera, Víctor |
| dc.subject.spa.fl_str_mv |
Costeo mercados de energía teoría de pronóstico series de tiempo demanda de electricidad Series de Tiempo |
| topic |
Costeo mercados de energía teoría de pronóstico series de tiempo demanda de electricidad Series de Tiempo |
| description |
Objetivo: Implementar modelos con series de tiempo para el pronóstico de la demanda mensual de electricidad (Gwh).Materiales y Métodos: Para el desarrollo y validación de los modelos se tomaron como base los valores de la demanda de energía eléctrica en el Sistema Interconectado Nacional (SIN) de Colombia en el período 2008-2014. Se emplearon series de tiempo aditivas con tendencias lineal, cuadrática y cúbica en el software estadístico R. Resultados: De los tres modelos desarrollados el modelo cuadrático es el que mejor ajuste presenta (R² ajustado =0.95), AIC = 954,54, BIC = 991,00).Conclusiones: Con este trabajo se concluye que las series de tiempo aplicadas al pronóstico de la demanda de electricidad permiten predecir con un alto grado de exactitud demandas futuras de energía eléctrica (GWh), información que puede generar ventajas a productores, distribuidores y grandes consumidores a la hora de establecer estrategias, optimizar su operación y realizar contratos bilaterales. |
| publishDate |
2017 |
| dc.date.accessioned.none.fl_str_mv |
2017-03-05 00:00:00 2022-06-17T20:18:50Z |
| dc.date.available.none.fl_str_mv |
2017-03-05 00:00:00 2022-06-17T20:18:50Z |
| dc.date.issued.none.fl_str_mv |
2017-03-05 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.eng.fl_str_mv |
Journal article |
| 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 http://purl.org/coar/resource_type/c_6501 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ARTREF |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
1794-1237 |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/4944 |
| dc.identifier.doi.none.fl_str_mv |
10.24050/reia.v13i26.749 |
| dc.identifier.eissn.none.fl_str_mv |
2463-0950 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.24050/reia.v13i26.749 |
| identifier_str_mv |
1794-1237 10.24050/reia.v13i26.749 2463-0950 |
| url |
https://repository.eia.edu.co/handle/11190/4944 https://doi.org/10.24050/reia.v13i26.749 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Arango, S., 2007. Simulation of alternative regulations in the Colombian electricity market. Socio-Economic Planning Sciences, 41(4), pp.305–319. Available at: http://www.sciencedirect.com/science/article/pii/S0038012106000255. Botero, S.B. et al., 2008. Análisis de series de tiempo para la predicción de los precios de la energía en la bolsa de colombia. Cuadernos de Economía, 48, pp.174–207. Brillinger, D.R., 2015. Time Series: General. International Encyclopedia of the Social & Behavioral Sciences, 2, pp.341–346. Available at: http://www.sciencedirect.com.ezproxy.unal.edu.co/science/article/pii/B9780080970868420842. Contreras, C. & López, M., 2014. Ceramide sensing in the hippocampus: The lipostatic theory and Ockham’s razor. Molecular Metabolism, 3(2), pp.90–91. Available at: http://www.sciencedirect.com/science/article/pii/S2212877813001440. Diebold, F., 2001. Elements of forecasting 2nd ed. South & W. C. Publishing., eds., Australia. Dyner, I., Franco, C.J. & Arango, S., 2012. El mercado mayorista de electricidad colombiano 1st ed. C. F. de Minas, ed., Medellín: Universidad Nacional de Colombia. Giraldo, N., 2011. Modelado y Pronóstico de la Tendencia. , pp.17–29. Kelly, K.T., 2008. OCKHAM’S RAZOR, TRUTH, AND INFORMATION. In P. Adriaans & J. van Benthem, eds. Philosophy of Information. Handbook of the Philosophy of Science. Amsterdam: North-Holland, pp. 321–359. Available at: http://www.sciencedirect.com/science/article/pii/B9780444517265500145. Nagaraja, C.H., 2014. Chapter 1 - Introduction to R. In M. B. Rao & C. R. Rao, eds. Computational Statistics with R. Handbook of Statistics. Elsevier, pp. 1–48. Available at: http://www.sciencedirect.com/science/article/pii/B9780444634313000012. R Cran Project, 2015. The Comprehensive R Archive Network. , p.1. Available at: https://cran.r-project.org/. Rendón, J.G., Hinestroza, A.G. & Moreno, L.S., 2011. DETERMINANTES DEL PRECIO DE LA ENERGÍA ELÉCTRICA EN EL MERCADO NO REGULADO EN COLOMBIA. Revista Ciencias Estratégicas., 19(26), pp.225–246. Sandoval, A.M., 2004. Monografía del sector de electricidad y gas colombiano: Condiciones actuales y retos futuros. , pp.27–45. Available at: https://colaboracion.dnp.gov.co/CDT/Estudios Econmicos/272.pdf. UPME, 2004. Una visión del mercado eléctrico colombiano. , pp.1–110. Velásquez, J.. & Souza, R., 2007. or qué es tan difícil obtener buenos pronósticos de los precios de la electricidad en mercados competitivos ? , 20(34), pp.259–282. |
| dc.relation.bitstream.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/download/749/994 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 26 , Año 2016 |
| dc.relation.citationendpage.none.fl_str_mv |
120 |
| dc.relation.citationissue.spa.fl_str_mv |
26 |
| dc.relation.citationstartpage.none.fl_str_mv |
111 |
| dc.relation.citationvolume.spa.fl_str_mv |
13 |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Revista EIA |
| dc.rights.spa.fl_str_mv |
Revista EIA - 2017 |
| dc.rights.uri.spa.fl_str_mv |
https://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 |
Revista EIA - 2017 https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Fondo Editorial EIA - Universidad EIA |
| dc.source.spa.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/749 |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/00997132-40c8-44f1-8518-19cb1a45cf68/download |
| bitstream.checksum.fl_str_mv |
74a87a634ca0d150a7d5a9f47f22a86f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1818099079464353792 |
| spelling |
Gil-Vera, Víctor53a9b7cf3c512fe705a6daf80a6b51dd3002017-03-05 00:00:002022-06-17T20:18:50Z2017-03-05 00:00:002022-06-17T20:18:50Z2017-03-051794-1237https://repository.eia.edu.co/handle/11190/494410.24050/reia.v13i26.7492463-0950https://doi.org/10.24050/reia.v13i26.749Objetivo: Implementar modelos con series de tiempo para el pronóstico de la demanda mensual de electricidad (Gwh).Materiales y Métodos: Para el desarrollo y validación de los modelos se tomaron como base los valores de la demanda de energía eléctrica en el Sistema Interconectado Nacional (SIN) de Colombia en el período 2008-2014. Se emplearon series de tiempo aditivas con tendencias lineal, cuadrática y cúbica en el software estadístico R. Resultados: De los tres modelos desarrollados el modelo cuadrático es el que mejor ajuste presenta (R² ajustado =0.95), AIC = 954,54, BIC = 991,00).Conclusiones: Con este trabajo se concluye que las series de tiempo aplicadas al pronóstico de la demanda de electricidad permiten predecir con un alto grado de exactitud demandas futuras de energía eléctrica (GWh), información que puede generar ventajas a productores, distribuidores y grandes consumidores a la hora de establecer estrategias, optimizar su operación y realizar contratos bilaterales.Objetivo: Implementar modelos con series de tiempo para el pronóstico de la demanda mensual de electricidad (Gwh).Materiales y Métodos: Para el desarrollo y validación de los modelos se tomaron como base los valores de la demanda de energía eléctrica en el Sistema Interconectado Nacional (SIN) de Colombia en el período 2008-2014. Se emplearon series de tiempo aditivas con tendencias lineal, cuadrática y cúbica en el software estadístico R. Resultados: De los tres modelos desarrollados el modelo cuadrático es el que mejor ajuste presenta (R² ajustado =0.95), AIC = 954,54, BIC = 991,00).Conclusiones: Con este trabajo se concluye que las series de tiempo aplicadas al pronóstico de la demanda de electricidad permiten predecir con un alto grado de exactitud demandas futuras de energía eléctrica (GWh), información que puede generar ventajas a productores, distribuidores y grandes consumidores a la hora de establecer estrategias, optimizar su operación y realizar contratos bilaterales.application/pdfspaFondo Editorial EIA - Universidad EIARevista EIA - 2017https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/749Costeomercados de energíateoría de pronósticoseries de tiempodemanda de electricidadSeries de TiempoPRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPOPRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPOArtículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85Arango, S., 2007. Simulation of alternative regulations in the Colombian electricity market. Socio-Economic Planning Sciences, 41(4), pp.305–319. Available at: http://www.sciencedirect.com/science/article/pii/S0038012106000255.Botero, S.B. et al., 2008. Análisis de series de tiempo para la predicción de los precios de la energía en la bolsa de colombia. Cuadernos de Economía, 48, pp.174–207.Brillinger, D.R., 2015. Time Series: General. International Encyclopedia of the Social & Behavioral Sciences, 2, pp.341–346. Available at: http://www.sciencedirect.com.ezproxy.unal.edu.co/science/article/pii/B9780080970868420842.Contreras, C. & López, M., 2014. Ceramide sensing in the hippocampus: The lipostatic theory and Ockham’s razor. Molecular Metabolism, 3(2), pp.90–91. Available at: http://www.sciencedirect.com/science/article/pii/S2212877813001440.Diebold, F., 2001. Elements of forecasting 2nd ed. South & W. C. Publishing., eds., Australia.Dyner, I., Franco, C.J. & Arango, S., 2012. El mercado mayorista de electricidad colombiano 1st ed. C. F. de Minas, ed., Medellín: Universidad Nacional de Colombia.Giraldo, N., 2011. Modelado y Pronóstico de la Tendencia. , pp.17–29.Kelly, K.T., 2008. OCKHAM’S RAZOR, TRUTH, AND INFORMATION. In P. Adriaans & J. van Benthem, eds. Philosophy of Information. Handbook of the Philosophy of Science. Amsterdam: North-Holland, pp. 321–359. Available at: http://www.sciencedirect.com/science/article/pii/B9780444517265500145.Nagaraja, C.H., 2014. Chapter 1 - Introduction to R. In M. B. Rao & C. R. Rao, eds. Computational Statistics with R. Handbook of Statistics. Elsevier, pp. 1–48. Available at: http://www.sciencedirect.com/science/article/pii/B9780444634313000012.R Cran Project, 2015. The Comprehensive R Archive Network. , p.1. Available at: https://cran.r-project.org/.Rendón, J.G., Hinestroza, A.G. & Moreno, L.S., 2011. DETERMINANTES DEL PRECIO DE LA ENERGÍA ELÉCTRICA EN EL MERCADO NO REGULADO EN COLOMBIA. Revista Ciencias Estratégicas., 19(26), pp.225–246.Sandoval, A.M., 2004. Monografía del sector de electricidad y gas colombiano: Condiciones actuales y retos futuros. , pp.27–45. Available at: https://colaboracion.dnp.gov.co/CDT/Estudios Econmicos/272.pdf.UPME, 2004. Una visión del mercado eléctrico colombiano. , pp.1–110.Velásquez, J.. & Souza, R., 2007. or qué es tan difícil obtener buenos pronósticos de los precios de la electricidad en mercados competitivos ? , 20(34), pp.259–282.https://revistas.eia.edu.co/index.php/reveia/article/download/749/994Núm. 26 , Año 20161202611113Revista EIAPublicationOREORE.xmltext/xml2489https://repository.eia.edu.co/bitstreams/00997132-40c8-44f1-8518-19cb1a45cf68/download74a87a634ca0d150a7d5a9f47f22a86fMD5111190/4944oai:repository.eia.edu.co:11190/49442023-07-25 17:18:06.232https://creativecommons.org/licenses/by-nc-sa/4.0/Revista EIA - 2017metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com |