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

Quintero Navarro, Juan David; Rangel Salazar, Jeisson Arvey

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

dc.contributor.advisor	Duarte Gualdrón, César Antonio
dc.contributor.advisor	Blanco Solano, Jairo
dc.contributor.author	Quintero Navarro, Juan David
dc.contributor.author	Rangel Salazar, Jeisson Arvey
dc.contributor.evaluator	Jiménez Manjarrés, Yulieth
dc.contributor.evaluator	Serna Suárez, Iván David
dc.date.accessioned	2024-05-24T12:46:37Z
dc.date.available	2024-05-24T12:46:37Z
dc.date.created	2024-05-09
dc.date.embargoEnd	2029-05-09
dc.date.issued	2024-05-09
dc.description.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.
dc.description.abstractenglish	The reliability of energy service is significantly affected by the accuracy of short- term demand forecasting. Since power generation occurs in real time, due to the imbalance between power generation and consumption, achieving efficient distribution involves accurate demand estimation. This ensures that the generation system has adequate capacity to meet it. In this context, each grid operator must implement an effective approach to demand forecasting, either by adopting new technologies such as machine learning or by statistical methods. In this degree work, an algorithm is designed to forecast the short-term electricity demand in the commercialization markets of Santander and Norte de Santander based on auto regression models (time series) specifically SARIMA; two case studies are carried out for each of the commercialization markets, in the first one considering the outlier data and in the second one performing a substitution of the outlier data. To carry out the above, the short-term energy forecast with hourly resolution is performed for a 22-month window where the aim is to comply with the CREG resolution 025 of 1995, the CNO agreement 1020 of 2020 and considering the draft resolution CREG 100 of 2019. The results obtained in both cases showed a lower performance than the forecast made by the network operator, since for MC Santander it presents an average MAPE of 2.49% while for Case 1 and Case 2 it has an average MAPE of 3.96% and 3.97%, respectively. For MC Norte de Santander, the network operator had an average MAPE of 2.43% compared to the average MAPE of 4.35% and 4.19% for Cases 1 and 2, respectively. Filtering outliers and replacing them with the capping method generated favorable results.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electricista
dc.description.googlescholar	https://scholar.google.com/citations?user=EspHP7wAAAAJ&hl=en
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/42613
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Eléctrica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/embargoedAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_f1cf
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Pronóstico
dc.subject	demanda de energía eléctrica
dc.subject	SARIMA
dc.subject.keyword	Load
dc.subject.keyword	Demand
dc.subject.keyword	SARIMA
dc.subject.keyword	Forecasting
dc.title	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
dc.title.english	Design of an algorithm for short-term electricity load forecasting in the MC - Santander and MC Norte de Santander using a time series model based on auto regression.
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado