Sistema online para brindar información sobre el comportamiento del precio de la energía en la bolsa y el precio unitario en la costa Atlántica
Las empresas del sector energético de la Costa atlántica colombiana no cuentan actualmente con un sistema de pronóstico adecuado en términos de acceso a información sobre el comportamiento del precio unitario de la energía y la bolsa a corto plazo que se adapte a la alta volatilidad. A raíz de esto,...
- Autores:
-
Bolier Acosta, Andrea Yasmin
Páez Beltrán, Wendy Paola
Penagos Ramírez, Maria Alejandra
Rios Meza, Tatiana Paola
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/9505
- Acceso en línea:
- http://hdl.handle.net/10584/9505
- Palabra clave:
- Energía
Pronóstico
Forecast
Energy
- Rights
- License
- Universidad del Norte
Summary: | Las empresas del sector energético de la Costa atlántica colombiana no cuentan actualmente con un sistema de pronóstico adecuado en términos de acceso a información sobre el comportamiento del precio unitario de la energía y la bolsa a corto plazo que se adapte a la alta volatilidad. A raíz de esto, es necesario diseñar una herramienta informática que permita observar el comportamiento del precio unitario en la región Caribe colombiana para las empresas generadoras y pronosticar el precio de la bolsa de energía, teniendo en cuenta la interacción de diferentes variables para establecer un pronóstico acertado. Para lograrlo, como etapa inicial se planteó la problemática existente identificando sus principales causas y las repercusiones que representa sobre las partes involucradas para así determinar las posibles fuentes de solución del problema. Posterior a esto, se establecieron los recursos y las variables necesarias y se realizó la recopilación de los mismos teniendo en cuenta la restricción de la disponibilidad de la información. En la tercera etapa, se realiza un estudio de los modelos de pronósticos, los cuales luego se evaluaron respecto al cumplimiento de los supuestos de error, la calidad de pronóstico y su viabilidad dada la naturaleza de los datos. Como resultado del análisis anterior, se escogieron los mejores cuatro modelos para cada una de las variables. Para el precio en la bolsa, se emplearon los modelos arima, garch, exponencial doble y Setar; y para el precio unitario los modelos arima, redes neuronales, máquinas de vectores de soporte y modelo con procesos gaussianos. En la etapa final, se realizó una página web donde se muestra la opción de elegir cual variable se va consultar con sus respectivos modelos de pronóstico y sus métricas de error. Gracias a este sistema podemos ofrecerles a los mercados de interés una fuente de datos confiable que le permita generar planes de acción efectivos en sus compras. |
---|