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 un modelo de series de tiempo basado en auto regresión
No Thumbnail Available
Date
2024-05-09
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
La confiabilidad del servicio de energía se ve significativamente afectada por la
precisión en el pronóstico de la demanda a corto plazo. Dado que la generación de energía eléctrica
ocurre en tiempo real, lograr una mínima diferencia entre la generación y el consumo de energía,
implica realizar una estimación precisa de la demanda. El pronóstico garantiza que el sistema de
generación tenga la capacidad adecuada para satisfacerla. En este contexto, cada operador de red
debe implementar métodos para el pronóstico de la demanda, mediante la adopción de diferentes
métodos como las máquinas de aprendizaje o mediante métodos estadísticos.
En el presente trabajo de grado se diseña un algoritmo para pronosticar la demanda de energía
eléctrica a corto plazo en los mercados de comercialización de Santander y Norte de Santander
con base en un modelo de auto regresión (series de tiempo) específicamente SARIMA. Se realizan
dos casos de estudios. En el primero teniendo en cuenta los datos atípicos y en el segundo
realizando una sustitución de los datos atípicos.
Se realiza el pronóstico de energía a corto plazo con resolución horaria para una ventana de 22
meses donde se evalúan los resultados con base en la resolución CREG 025 de 1995, el acuerdo
CNO 1020 de 2020 y considerando el proyecto de resolución CREG 100 de 2019. Los resultados
obtenidos en ambos casos mostraron un desempeño inferior al pronóstico realizado por el operador
de red ya que para MC Santander este presenta un MAPE promedio de 2,49% mientras que para el Caso 1
y Caso 2 tiene un MAPE promedio de 3,96% y 3,97%, respectivamente. Para el MC Norte de Santander,
el operador de red tuvo un MAPE promedio de 2,43% comparado con el MAPE promedio de 4,35% y
4,19% para los Casos 1 y 2 respectivamente. Realizar el filtrado de datos atípicos y sustitución de estos por
el método capping genero resultados favorables.
Description
Keywords
Pronóstico, demanda de energía eléctrica, SARIMA