Diseño de un algoritmo híbrido basado en máquinas de aprendizaje para el pronóstico de demanda de energía eléctrica a corto plazo en el MC Santander y MC Norte de Santander

Abstract
Uno de los factores más influyentes en la confiabilidad del servicio de energía eléctrica nace a la hora de realizar un pronóstico de demanda a corto plazo. Dado que este tipo de energía se genera en tiempo real debido al desequilibrio existente entre la generación y el consumo energético, realizar un despacho correcto de energía conlleva a efectuar una buena aproximación de la demanda y así el sistema de generación cuente con la capacidad de suplir.Esto implica a que cada operador de red deba implementar un método para realizar su pronóstico de la mejor manera, ya sea aplicando nuevas tecnologías como las máquinas de aprendizaje o sus métodos clásicos. El presente trabajo desarrolla un algoritmo híbrido basado en una red neuronal profunda y una combinación de métodos de selección de predictores para los mercados de comercialización de Santander y Norte de Santander a partir del artículo guía [4]. Además, se presentan las propuestas desarrolladas tal como el criterio de selección de predictores, el ajuste de hiperparámetros de la red neural, el tratamiento y análisis de datos con la finalidad mejorar el rendimiento del algoritmo. Se realiza el pronóstico de energía a corto plazo con resolución horaria para una ventana de estudio de 22 meses donde se plantean cinco casos de estudio diferentes, para cada caso se compara el MAPE del algoritmo híbrido con el MAPE obtenido de los pronósticos presentados por el operador de red de cada mercado de comercialización. Asimismo, se comparan la cantidad de eventos diarios y horarios que superen el porcentaje de desviación permitido según la resolución CREG 025 de 1995, el acuerdo CNO 1303 de 2020, y considerando el proyecto de resolución CREG 100 de 2019. Finalmente se concluye que el algoritmo híbrido obtiene buenos resultados en ambos mercados de comercialización, especialmente para los casos que no cumplen el marco operativo actual.
Description
Keywords
Pronóstico de demanda energía eléctrica a corto plazo, Máquinas de aprendizaje, Selección de predictores
Citation