Atribución 2.5 Colombia (CC BY 2.5 CO)Duarte Gualdrón, César AntonioBlanco Solano, JairoSilva Agudelo, Carlos EduardoManzano Verjel, Emmanuel José2024-08-262024-08-262024-08-262024-08-26https://noesis.uis.edu.co/handle/20.500.14071/43895En 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.application/pdfspainfo:eu-repo/semantics/openAccessDiseño 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 aleatoriosUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coDesign of an algorithm for short-term load forecasting in MC- Santander and MC-Norte de Santander using random forestshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)