Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificiales
El pronóstico de la demanda de energía eléctrica de un país o un sector determinado es una tarea de suma importancia no solo desde el punto de vista operativo, sino también del comercial. En este artículo se propone un modelo de pronóstico para la demanda de energía eléctrica en Colombia a nivel hor...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad de Antioquia
2011-01-01
|
| Series: | Revista Facultad de Ingeniería Universidad de Antioquia |
| Subjects: | |
| Online Access: | http://www.redalyc.org/articulo.oa?id=43021205010 |
| _version_ | 1797728197764186112 |
|---|---|
| author | Santiago Medina Hurtado Julián Moreno Cadavid Juan Pablo Gallego Valencia |
| author_facet | Santiago Medina Hurtado Julián Moreno Cadavid Juan Pablo Gallego Valencia |
| author_sort | Santiago Medina Hurtado |
| collection | DOAJ |
| description | El pronóstico de la demanda de energía eléctrica de un país o un sector determinado es una tarea de suma importancia no solo desde el punto de vista operativo, sino también del comercial. En este artículo se propone un modelo de pronóstico para la demanda de energía eléctrica en Colombia a nivel horario de una semana completa, mediante una Red Neuronal Artificial. El modelo utiliza información histórica en forma de datos rezagados de la serie de tiempo de demanda, así como información de eventos calendario previamente identificados que producen cambios significativos en los patrones de la demanda de energía a lo largo del año, por otra parte, el modelo propuesto considera un rezago en la información disponible para realizar los pronósticos de alrededor de tres semanas. Tal modelo fue validado a partir de datos reales de consumo de carga para una región específica de Colombia. Los resultados obtenidos fueron contrastados con un modelo auto regresivo (AR) y un modelo auto regresivo con variables exógenas (ARX). Tales resultados fueron satisfactorios en términos de la disminución general del error de ajuste, así como del comportamiento durante períodos de tiempo atípicos los cuales son difíciles de pronosticar con modelos tradicionales. |
| first_indexed | 2024-03-12T11:10:33Z |
| format | Article |
| id | doaj.art-4e15e52a4a204ae4979cb68e6c3eb974 |
| institution | Directory Open Access Journal |
| issn | 0120-6230 2422-2844 |
| language | English |
| last_indexed | 2024-03-12T11:10:33Z |
| publishDate | 2011-01-01 |
| publisher | Universidad de Antioquia |
| record_format | Article |
| series | Revista Facultad de Ingeniería Universidad de Antioquia |
| spelling | doaj.art-4e15e52a4a204ae4979cb68e6c3eb9742023-09-02T03:01:47ZengUniversidad de AntioquiaRevista Facultad de Ingeniería Universidad de Antioquia0120-62302422-28442011-01-015998107Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificialesSantiago Medina HurtadoJulián Moreno CadavidJuan Pablo Gallego ValenciaEl pronóstico de la demanda de energía eléctrica de un país o un sector determinado es una tarea de suma importancia no solo desde el punto de vista operativo, sino también del comercial. En este artículo se propone un modelo de pronóstico para la demanda de energía eléctrica en Colombia a nivel horario de una semana completa, mediante una Red Neuronal Artificial. El modelo utiliza información histórica en forma de datos rezagados de la serie de tiempo de demanda, así como información de eventos calendario previamente identificados que producen cambios significativos en los patrones de la demanda de energía a lo largo del año, por otra parte, el modelo propuesto considera un rezago en la información disponible para realizar los pronósticos de alrededor de tres semanas. Tal modelo fue validado a partir de datos reales de consumo de carga para una región específica de Colombia. Los resultados obtenidos fueron contrastados con un modelo auto regresivo (AR) y un modelo auto regresivo con variables exógenas (ARX). Tales resultados fueron satisfactorios en términos de la disminución general del error de ajuste, así como del comportamiento durante períodos de tiempo atípicos los cuales son difíciles de pronosticar con modelos tradicionales.http://www.redalyc.org/articulo.oa?id=43021205010pronósticodemanda de energía eléctricaredes neuronales artificiales |
| spellingShingle | Santiago Medina Hurtado Julián Moreno Cadavid Juan Pablo Gallego Valencia Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificiales Revista Facultad de Ingeniería Universidad de Antioquia pronóstico demanda de energía eléctrica redes neuronales artificiales |
| title | Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificiales |
| title_full | Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificiales |
| title_fullStr | Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificiales |
| title_full_unstemmed | Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificiales |
| title_short | Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificiales |
| title_sort | pronostico de la demanda de energia electrica horaria en colombia mediante redes neuronales artificiales |
| topic | pronóstico demanda de energía eléctrica redes neuronales artificiales |
| url | http://www.redalyc.org/articulo.oa?id=43021205010 |
| work_keys_str_mv | AT santiagomedinahurtado pronosticodelademandadeenergiaelectricahorariaencolombiamedianteredesneuronalesartificiales AT julianmorenocadavid pronosticodelademandadeenergiaelectricahorariaencolombiamedianteredesneuronalesartificiales AT juanpablogallegovalencia pronosticodelademandadeenergiaelectricahorariaencolombiamedianteredesneuronalesartificiales |