Avances recientes en la predicción de la demanda de electricidad usando modelos no lineales./ Recent advances in load forecasting using nonlinear models.

La predicción de la demanda es un problema de gran importancia para el sector eléctrico, ya que a partir de sus resultados, los agentes del mercado de energía toman las decisiones más adecuadas para su labor. En este artículo se presenta un análisis de las técnicas y modelos más usados en el pronóst...

Full description

Autores:: Rueda, Viviana María
Velásquez Henao, Juan David
Franco Cardona, Carlos Jaime

Tipo de recurso:: Article of journal

Fecha de publicación:: 2011

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

Description
Summary:	La predicción de la demanda es un problema de gran importancia para el sector eléctrico, ya que a partir de sus resultados, los agentes del mercado de energía toman las decisiones más adecuadas para su labor. En este artículo se presenta un análisis de las técnicas y modelos más usados en el pronóstico de la demanda de electricidad y la problemática o difi cultades a las que se enfrentan los investigadores al momento de realizar un pronóstico. El análisis muestra que las técnicas más usadas son los modelos ARIMA y las redes neuronales artifi ciales. Sin embargo, se encontró poca claridad sobre cuál modelo es más adecuado y en qué casos, adicionalmente, los estudios no presentan una recomendación específi ca para desarrollar modelos de pronóstico de demanda, específi camente en el caso colombiano. Finalmente, se propone realizar un estudio sistemático con el fi n de determinar los modelos más adecuados para predicción de demanda para el caso colombiano./ Abstract: Electricity demand forecasting is a major problem for the electricity sector, because the energy market players use the results of the electricity demand forecasting to make the right decisions for their work. This article presents an analysis of models and techniques used in the electricity demand forecasting and explain the problems or diffi culties that researchers have when making a forecast. Our analysis shows that the most used techniques are the ARIMA model and artifi cial neural networks. However, it appears unclear evidence on which model is most appropriate and in what cases, in addition, the studies do not present a specifi c recommendation to develop models for forecasting demand, specifi cally in the Colombian case. Finally, we propose to make a systematic study to determine the most appropriate models for forecasting demand for the Colombian case.

Avances recientes en la predicción de la demanda de electricidad usando modelos no lineales./ Recent advances in load forecasting using nonlinear models.

Publicaciones similares