Facultad de Ingenierías Fisicomecánicas

Permanent URI for this community

https://noesis.uis.edu.co/handle/20.500.14071/8923

Browse

Browsing Facultad de Ingenierías Fisicomecánicas by Author "Acevedo Arenas, Cesar Yobany"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Prediccion de demanda de corto plazo empleando redes neuronales
    (Universidad Industrial de Santander, 2004) Acevedo Arenas, Cesar Yobany; Latorre Bayona, Gerardo
    El trabajo de investigación plantea una solución al problema de predicción de la demanda de potencia eléctrica horaria, a través de una metodología consistente en la descomposición de la serie de tiempo en sus cuatro factores principales (tendencia, ciclo, irregularidad y estacionalidad). Esta metodología se basa en el uso de la componente irregular de la serie de tiempo como dato de entrada al sistema de predicción. Una vez predicho el valor de la componente irregular, ésta vuelve a ser multiplicada con la extrapolación de la tendencia y el ciclo de la serie, las cuales son fácilmente determinables a través de procedimientos estadísticos y de identificación de sistemas. A fin de probar las posibilidades que ofrece la metodología se realizaron pruebas con técnicas convencionales de predicción basadas en la identificación de sistemas tales como: Modelos Autorregresivos, Modelos Autorregresivos de Promedio Móvil, Espacio de estados y Metodología de Box & Jenkins. Los resultados obtenidos en tales pruebas, además de establecer ventajas comparativas de éstas técnicas convencionales frente a la utilización de redes neuronales en el problema de predicción de series de tiempo de corto plazo, sirvieron de base para el planteamiento de la metodología de predicción. El trabajo de investigación presenta un estudio de las diferentes formas de modelado de las series de tiempo, técnicas y procesos de predicción, un análisis de las características de demanda y el planteamiento de un sistema de predicción soportado en una herramienta software que permite comprobar las hipótesis planteadas y solucionar deficiencias comunes encontradas en la revisión bibliográfica del estado del arte. La propuesta metodológica permitirá aprovechar al máximo la capacidad de la red neuronal en la predicción de la componente irregular (ruido) de la curva de demanda, dejando las otras componentes para ser predichas por separado mediante la simple extrapolación de una función matemática cuya determinación es más sencilla.