Predicción de carga basado en ANN

La predicción de demanda eléctrica hoy en día, es requerida en la planeación, operación y control de los sistemas de potencia. Así como también es de interés para los comercializadores de la energía ya que contar con el valor de la demanda al término de un plazo puede disminuir el riesgo de comprar energía a altos precios y, además aumenta la confiabilidad del sistema pues se mitigaría la demanda no abastecida. En este proyecto se presenta un modelo de predicción de demanda mensual a través de los métodos estadísticos: promedios móviles y suavizado exponencial; con un ajuste realizado mediante ANN (Artificial Neural Network). En primera instancia, los criterios para la selección de las comercializadores fueron: fuerte concentración industrial teniendo en cuenta que el mercado en estudio es el No Regulado el cual aborda las industrias; además, el comercializador tiene una cantidad de usuarios no regulados mayor que el 20% del total del país; y por último, datos históricos completos. Por lo anterior, los comercializadores en estudio son: Electricaribe, EPM, ISAGEN y Electrificadora de Cali. En segunda instancia, se utilizó como información las auto-correlaciones de las series de demanda eléctrica de cada comercializador, donde la significancia de hasta cinco meses anteriores sobre el mes a pronosticar es alta y la del mes en los dos años anteriores para establecer el modelo matemático de promedios móviles ponderados. Debido que los perfiles de carga son por comercializador, se diseñaron cuatro redes neuronales cuyas variables exógenas fueron elegidas luego del análisis de correlación que poseían las variables con la demanda eléctrica histórica. El entrenamiento se realizó estableciendo como salida la diferencia entre serie de predicción y serie histórica desde el año 2012 al 2016. Los datos de validación del sistema son las demandas de 2017 y el rendimiento ha sido evaluado a través del MAPE (Mean Absolut Percentage Error).

• Autores: Palmett Garay, Marcela; Rodríguez Madrid, Germán Gabriel
• Fecha de publicación: 2018
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/7983
• Acceso en línea: http://hdl.handle.net/10584/7983
• Palabra clave: Comercializadora; Mercado no regulado; Predicción; Medias móviles; Redes neuronales artificiales; Electric utility; Non-regulated market; Forecasting; Moving averages; Artificial Neural Networks
• License: Universidad del Norte