Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico

The Logarithmic Mean Divisia Index (LMDI) method allows decomposing a time series associated with a dependent variable of interest, for example, carbon intensity into explanatory variables of the phenomenon that can be structural (for instance, economic dispatch) or intensity (for instance, energy e...

Full description

Autores:
Rojas Lozano, Daniela Del Pilar
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/50984
Acceso en línea:
http://hdl.handle.net/1992/50984
Palabra clave:
Dióxido de carbono atmosférico
Generación de energía
Mitigación de dióxido de carbono
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_4f4b5c9a3078955cbc19e31f49553d95
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/50984
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.spa.fl_str_mv Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico
title Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico
spellingShingle Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico
Dióxido de carbono atmosférico
Generación de energía
Mitigación de dióxido de carbono
Ingeniería
title_short Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico
title_full Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico
title_fullStr Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico
title_full_unstemmed Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico
title_sort Método para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctrico
dc.creator.fl_str_mv Rojas Lozano, Daniela Del Pilar
dc.contributor.advisor.none.fl_str_mv Oliveira de Jesus, Paulo Manuel de
dc.contributor.author.none.fl_str_mv Rojas Lozano, Daniela Del Pilar
dc.contributor.jury.none.fl_str_mv Giraldo Trujillo, Luis Felipe
Zapata, Sebastián
dc.subject.armarc.es_CO.fl_str_mv Dióxido de carbono atmosférico
Generación de energía
Mitigación de dióxido de carbono
topic Dióxido de carbono atmosférico
Generación de energía
Mitigación de dióxido de carbono
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description The Logarithmic Mean Divisia Index (LMDI) method allows decomposing a time series associated with a dependent variable of interest, for example, carbon intensity into explanatory variables of the phenomenon that can be structural (for instance, economic dispatch) or intensity (for instance, energy efficiency). This method can be carried out on a multi-time basis, considering several consecutive periods of a certain duration. The selection of the duration of each period has been made according to arbitrary criteria that do not consider changes in the trend in the variable of interest. Usually, the selection of each period is carried out in accordance with the national quadrennial or five-year plans. As the LMDI method is applied point to point, the selection of periods of arbitrary duration prevents the capture of the explanatory variables associated with a change in trend that is not properly considered in the selection of the periods. Consequently, it is necessary to develop a methodology that allows identifying the relevant periods in the decomposition analysis by LMDI. This work seeks to meet this need. The proposed method consists of dividing the time series into subgroups that share the same trend with a minimum mean square deviation. Four algorithms are proposed for this purpose. The partitioning of the subgroups is done in such a way that there is no loss of information when performing the segmentation. The method has been applied to the time series for Agreggated Carbon Intensity (ACI) of the electricity sector in Colombia and in Latin America and the Caribbean. The advantages of the method are discussed by comparing the results obtained with the solutions based on arbitrary periods reported in the literature.
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-08-10T18:05:32Z
dc.date.available.none.fl_str_mv 2021-08-10T18:05:32Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/50984
dc.identifier.pdf.none.fl_str_mv 23659.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/50984
identifier_str_mv 23659.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
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 https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 31 hojas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Maestría en Ingeniería Eléctrica
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería Eléctrica y Electrónica
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/d44647c0-bbf3-4f5c-8a38-c284cbbc23a1/download
https://repositorio.uniandes.edu.co/bitstreams/b0c230c4-faac-468e-9a91-9eba397d25c5/download
https://repositorio.uniandes.edu.co/bitstreams/0993ed53-841f-4253-8709-a94bdd1e202a/download
bitstream.checksum.fl_str_mv c5e25226e0568fd8fdac51e615b6ea59
dd2fcbab37997981165734ea9cdff806
1e69105ee1573453a4ad2fed2aea8869
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812134017192951808
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Oliveira de Jesus, Paulo Manuel de8779285d-6641-4859-abc5-dadc52816dbb400Rojas Lozano, Daniela Del Pilare4ae6d9a-3ffa-46ea-80fa-7a8f5450a0e7500Giraldo Trujillo, Luis FelipeZapata, Sebastián2021-08-10T18:05:32Z2021-08-10T18:05:32Z2020http://hdl.handle.net/1992/5098423659.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/The Logarithmic Mean Divisia Index (LMDI) method allows decomposing a time series associated with a dependent variable of interest, for example, carbon intensity into explanatory variables of the phenomenon that can be structural (for instance, economic dispatch) or intensity (for instance, energy efficiency). This method can be carried out on a multi-time basis, considering several consecutive periods of a certain duration. The selection of the duration of each period has been made according to arbitrary criteria that do not consider changes in the trend in the variable of interest. Usually, the selection of each period is carried out in accordance with the national quadrennial or five-year plans. As the LMDI method is applied point to point, the selection of periods of arbitrary duration prevents the capture of the explanatory variables associated with a change in trend that is not properly considered in the selection of the periods. Consequently, it is necessary to develop a methodology that allows identifying the relevant periods in the decomposition analysis by LMDI. This work seeks to meet this need. The proposed method consists of dividing the time series into subgroups that share the same trend with a minimum mean square deviation. Four algorithms are proposed for this purpose. The partitioning of the subgroups is done in such a way that there is no loss of information when performing the segmentation. The method has been applied to the time series for Agreggated Carbon Intensity (ACI) of the electricity sector in Colombia and in Latin America and the Caribbean. The advantages of the method are discussed by comparing the results obtained with the solutions based on arbitrary periods reported in the literature.El método índice Divisia de Media Logarítmica (LMDI, por sus siglas en inglés) permite descomponer una serie de tiempo asociada a una variable dependiente de interés, por ejemplo la intensidad de carbono, en variables explicativas del fenómeno que pueden ser de carácter estructural (por ejemplo, el despacho económico) o de intensidad (por ejemplo, la eficiencia energética). Este método puede aplicarse sobre una base multi-temporal, es decir considerando varios periodos consecutivos de cierta duración. La selección de la duración de cada periodo se ha realizado conforme a criterios arbitrarios que no consideran cambios de tendencia en la variable de interés. Usualmente la selección de cada periodo se realiza en concordancia con los planes cuadrienales o quinquenales nacionales. Como el método LMDI se aplica punto a punto, la selección de periodos de duración arbitraria impide la captura de las variables explicativas asociadas a un cambio de tendencia no debidamente considerado en la selección de los periodos. En consecuencia, es necesario desarrollar una metodología que permita identificar los periodos relevantes en el análisis de descomposición por LMDI. Este trabajo procura cumplir con esta necesidad. El método propuesto consiste en dividir la serie de tiempo en subgrupos que compartan la misma tendencia con mínima desviación cuadrática media. Se proponen cuatro algoritmos para este propósito. La partición de los subgrupos se realiza de tal manera que no exista pérdida de información al realizar la segmentación. El método ha sido aplicado a las series de tiempo para Intensidad de Carbono Agregado (ACI) de sector eléctrico de Colombia y de América Latina y el Caribe. Las ventajas del método se discuten comparando los resultados obtenidos con las soluciones basadas en periodos arbitrarios reportadas la literatura.Magíster en Ingeniería EléctricaMaestría31 hojasapplication/pdfspaUniversidad de los AndesMaestría en Ingeniería EléctricaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaMétodo para identificación de periodos en análisis de descomposición LMDI de la intensidad de carbono del sector eléctricoTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMDióxido de carbono atmosféricoGeneración de energíaMitigación de dióxido de carbonoIngeniería201515637PublicationTHUMBNAIL23659.pdf.jpg23659.pdf.jpgIM Thumbnailimage/jpeg6439https://repositorio.uniandes.edu.co/bitstreams/d44647c0-bbf3-4f5c-8a38-c284cbbc23a1/downloadc5e25226e0568fd8fdac51e615b6ea59MD55ORIGINAL23659.pdfapplication/pdf560710https://repositorio.uniandes.edu.co/bitstreams/b0c230c4-faac-468e-9a91-9eba397d25c5/downloaddd2fcbab37997981165734ea9cdff806MD51TEXT23659.pdf.txt23659.pdf.txtExtracted texttext/plain57023https://repositorio.uniandes.edu.co/bitstreams/0993ed53-841f-4253-8709-a94bdd1e202a/download1e69105ee1573453a4ad2fed2aea8869MD541992/50984oai:repositorio.uniandes.edu.co:1992/509842023-10-10 18:47:53.765https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co

Publicaciones similares