Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica Quito
La investigación del presente trabajo está centrada en determinar el pronóstico de la demanda de potencia eléctrica en corto plazo. Para ello, se utilizó y se comparó los “perfiles de demanda” y la señal en tiempo real de la demanda eléctrica de la Empresa Eléctrica Quito S.A, EEQ, para llegar a de...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Operador Nacional de Electricidad – CENACE
2018-07-01
|
| Series: | Revista Técnica Energía |
| Subjects: | |
| Online Access: | https://revistaenergia.cenace.gob.ec/index.php/cenace/article/view/322 |
| _version_ | 1818506701804929024 |
|---|---|
| author | Roberto Sanchez Patricio Barrera |
| author_facet | Roberto Sanchez Patricio Barrera |
| author_sort | Roberto Sanchez |
| collection | DOAJ |
| description |
La investigación del presente trabajo está centrada en determinar el pronóstico de la demanda de potencia eléctrica en corto plazo. Para ello, se utilizó y se comparó los “perfiles de demanda” y la señal en tiempo real de la demanda eléctrica de la Empresa Eléctrica Quito S.A, EEQ, para llegar a determinar el perfil más esperado en el día. En este sentido, se utilizó el Modelo Oculto de Markov (Hidden Markov Model, HMM) para el pronóstico de la demanda en horizonte de tiempo de corto plazo. Para esto, primeramente se realizó un proceso de aprendizaje/entrenamiento al modelo con la base de datos Sistema de Información Validada Operativa, SIVO. Posteriormente, se realizó el proceso de descubrimiento de perfiles de demanda, que permitirá en pasos posteriores encontrar el perfil más esperado a ocurrir durante el día. La propuesta establece un “área de demanda esperada” que se convierte en una referencia que define el comportamiento de la demanda lo largo del día.
Se realizó una evaluación en un periodo de 30 días de la metodología aplicada al sistema de la EEQ, y se observó que la herramienta acierta en un 86% de los casos y el valor de demanda en tiempo real se encuentra dentro de la banda de demanda esperada.
El propósito de este trabajo es brindar una aplicación a los operadores del Sistema Nacional Interconectado, SNI, del Operador Nacional, CENACE, que permita tomar decisiones en el periodo de corto plazo optimizando los recursos de generadores existentes.
|
| first_indexed | 2024-12-10T22:08:05Z |
| format | Article |
| id | doaj.art-9b8d648260954911a2d2cbecbeca559e |
| institution | Directory Open Access Journal |
| issn | 1390-5074 2602-8492 |
| language | English |
| last_indexed | 2024-12-10T22:08:05Z |
| publishDate | 2018-07-01 |
| publisher | Operador Nacional de Electricidad – CENACE |
| record_format | Article |
| series | Revista Técnica Energía |
| spelling | doaj.art-9b8d648260954911a2d2cbecbeca559e2022-12-22T01:31:42ZengOperador Nacional de Electricidad – CENACERevista Técnica Energía1390-50742602-84922018-07-0115110.37116/revistaenergia.v15.n1.2018.322Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica QuitoRoberto SanchezPatricio Barrera La investigación del presente trabajo está centrada en determinar el pronóstico de la demanda de potencia eléctrica en corto plazo. Para ello, se utilizó y se comparó los “perfiles de demanda” y la señal en tiempo real de la demanda eléctrica de la Empresa Eléctrica Quito S.A, EEQ, para llegar a determinar el perfil más esperado en el día. En este sentido, se utilizó el Modelo Oculto de Markov (Hidden Markov Model, HMM) para el pronóstico de la demanda en horizonte de tiempo de corto plazo. Para esto, primeramente se realizó un proceso de aprendizaje/entrenamiento al modelo con la base de datos Sistema de Información Validada Operativa, SIVO. Posteriormente, se realizó el proceso de descubrimiento de perfiles de demanda, que permitirá en pasos posteriores encontrar el perfil más esperado a ocurrir durante el día. La propuesta establece un “área de demanda esperada” que se convierte en una referencia que define el comportamiento de la demanda lo largo del día. Se realizó una evaluación en un periodo de 30 días de la metodología aplicada al sistema de la EEQ, y se observó que la herramienta acierta en un 86% de los casos y el valor de demanda en tiempo real se encuentra dentro de la banda de demanda esperada. El propósito de este trabajo es brindar una aplicación a los operadores del Sistema Nacional Interconectado, SNI, del Operador Nacional, CENACE, que permita tomar decisiones en el periodo de corto plazo optimizando los recursos de generadores existentes. https://revistaenergia.cenace.gob.ec/index.php/cenace/article/view/322Predicción de DemandaMachine LearningModelo de MarkovInteligencia artificial |
| spellingShingle | Roberto Sanchez Patricio Barrera Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica Quito Revista Técnica Energía Predicción de Demanda Machine Learning Modelo de Markov Inteligencia artificial |
| title | Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica Quito |
| title_full | Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica Quito |
| title_fullStr | Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica Quito |
| title_full_unstemmed | Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica Quito |
| title_short | Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica Quito |
| title_sort | metodologia basada en cadenas de markov para la prediccion de la demanda y toma de decisiones en el corto plazo caso de estudio empresa electrica quito |
| topic | Predicción de Demanda Machine Learning Modelo de Markov Inteligencia artificial |
| url | https://revistaenergia.cenace.gob.ec/index.php/cenace/article/view/322 |
| work_keys_str_mv | AT robertosanchez metodologiabasadaencadenasdemarkovparalapredicciondelademandaytomadedecisionesenelcortoplazocasodeestudioempresaelectricaquito AT patriciobarrera metodologiabasadaencadenasdemarkovparalapredicciondelademandaytomadedecisionesenelcortoplazocasodeestudioempresaelectricaquito |