Publicación:

Diseño de un algoritmo para el pronóstico de la demanda de energía eléctrica a corto plazo en el MC-Santander y MC-Norte de Santander utilizando bosques aleatorios

Resumen

En Colombia, según el acuerdo 1303 del Consejo Nacional de Operación (CNO), los Operador(es) de Red (OR) deben pronosticar semanalmente la energía eléctrica a corto plazo en el Mercado(s) de Comercialización (MC). La precisión en estos pronósticos es crucial, ya que pronósticos con desviaciones significativas pueden generar costos adicionales para los OR y afectar la gestión y seguridad de los sistemas eléctricos. Factores complejos como la variabilidad climática y el consumo no lineal pueden causar inexactitudes. Se han propuesto diversos métodos para abordar este problema, incluyendo los basados en estadística, inteligencia artificial e híbridos. En este trabajo, se diseña y evalúa un algoritmo basado en Bosques Aleatorios, que es un modelo de aprendizaje automático, en los MC de Santander y Norte de Santander. Los resultados muestran que la propuesta de algoritmo mejora significativamente la precisión en desviaciones horarias y diarias, según el Acuerdo CNO 1303 y el proyecto de resolución CREG 100 de 2019, en comparación con trabajos previos y respecto con los pronósticos reportados por el OR. Para el acuerdo CNO 1303 (vigente), se consiguen 701, 1578 y 2775 desviaciones horarias menos que los modelos de Rincón (2023), el OR y Quintero y Rangel (2024), respectivamente. En cuanto a las desviaciones diarias, se obtienen 26, 45 y 116 desviaciones menos en comparación con los mismos algoritmos. Esta mejora en la precisión puede tener un impacto positivo en la reducción de costos y las implicaciones que pueden tener las desviaciones significativas. A su vez, puede contribuir a un despacho de energía eléctrica más eficiente y seguro para los MC de Santander y Norte de Santander.