Formatted: Font: Not Bold

Prediccin de la curva de carga de un transformador de

potencia utilizando regresin lineal mltiple
Avilio HernanHernn MartinezMartnez Silvero1, Eduardo Javier Ocampos2, Luis Formatted: Superscript
Barrientos Mujica3 Formatted: Superscript
Formatted: Superscript
Aliacion1Facultad Politcnica Universidad Nacional del Este, Aliacion2
Ciudad del Este - Paraguays1, Ciudad - Pas2 correo electronico1, correo electronico2
correo 1, correo 2, luis_barrientos@fpune.edu.py Commented [L1]: Aqu deben colocar sus correos electrnicos.

1 de sSeptiembre de 20174
Resumen Formatted: Font: 10 pt

El problema abordado en el presente trabajo de investigacin tcnica es el de la prediccin de la curva Formatted: Indent: First line: 0.2", Line spacing: Multiple
de carga de un transformador de potencia con la cual estara operando, mediante la aplicacin de la 1.15 li
tcnica estadstica de regresin lineal mltiple, basado en los modelos causales. La realizacin del modelo
de prediccin para lograr estimar la carga del transformador, con un razonable valor de error, se basa en
el estudio y anlisis estadstico de la relacin que existe entre las variables que influyen en la potencia
demandada y dicha carga. Se validaron los resultados obtenidos comparndolos con los datos histricos y
analizando el error de los mismos, arrojaron niveles de prediccin altamente satisfactorios. Otro punto
que se pudo resaltar es la magnitud de los picos de demanda en las distintas estaciones del ao, resultando
en que las temperaturas ms elevadas en el verano arrojaban mayores valores de demanda que las
temperaturas del invierno, probando el efecto que tiene la temperatura ambiente en este problema. Se
concluye con la validacin de la aplicacin prctica de este mtodo con la previa adaptacin de los
respectivos datos histricos de cada transformador, del cual se requiera una estimacin a corto plazo de su
posible carga. Commented [L2]: Este resumen difiere del resumen colocado
ene TFG.
Descriptores: 1. Transformador de Potencia, 2. Regresin Lineal Mltiple, 3. Prediccin, 4.
Formatted: Font: 10 pt
Curva de Carga
Formatted: Left, Indent: Left: 0.2"
Formatted: Font: 10 pt
Formatted: Left
 Abstract
The main purpose of the Electric Power System (SEP) is to provide the electric power service in such Formatted: Indent: First line: 0.2", Line spacing: Multiple
a way that it can achieve a continuous, safe and reliable service. To do this, the power transformer plays a 1.15 li, Tab stops: Not at 0.64" + 1.27" + 1.91" + 2.54" +
3.18" + 3.82" + 4.45" + 5.09" + 5.73" + 6.36" + 7" +
fundamental role in making possible the previously dimensioned, it is for this reason that the power 7.63" + 8.27" + 8.91" + 9.54" + 10.18"
transformer must adapt continuously to the demand in real time. The correct operation of this equipment
within a SEP is paramount, as an unexpected overload could effectively damage the transformer or
decrease its longevity.
The present work of technical investigation has as general objective to predict the load curve of a
power transformer with which it would be operating, through the application of statistical technique of
multiple linear regression, based on the causal models. In order to be able to anticipate possible overloads,
in order to be able to apply the necessary measures to prevent them. With specific objectives in the first
place to carry out the survey of historical data of the transformer, we will next identify the factors that
influence the load curve, once these objectives are met we will go to the realization of a multiple linear
regression model for Make possible a prediction with a reasonable error value for the didactic purpose of
the work, finally validate the results of the regression model compared with the historical data. This work
has as hypothesis the following mentioned, on the one hand we admit that having a handling of the
various factors that influence the load of a transformer, it is possible to make a mathematical model that
allows us to predict the load curve and on the other We assume that temperature is one of the factors that
most influence the load, if it is not the one that most influences the load of the device. At the end of all the
tests we conclude that the curve of the winter season showed a much higher relation between the different
weeks compared to the weeks of the summer season. Another point that could be highlighted is the
magnitude of demand peaks in the different seasons of the year, resulting in higher summer temperatures
showing higher demand values than winter temperatures. Commented [L3]: Esta traduccin no corresponde al resumen
de este articulo.
Keywords: 1. Transformador de Potencia, 2. Regresin Lineal Mltiple, 3. Prediccin, 4. Formatted: Font: 10 pt
Curva de Carga. Formatted: Left, Indent: Left: 0.2", Line spacing: Multiple
1.15 li
Commented [L4]: Falta Traducir los descriptores.
Formatted: Left

En el presente, la energa elctrica es un Formatted: Font: 11 pt

factor indispensable para el desarrollo de un
pas. En Paraguay, debido a la existencia de las
centrales hidroelctricas, se tiene una gran
disponibilidad de energa limpia y barata para
abastecer la demanda creciente. El Ssistema
Iinterconectado nNacional (SIN) es el encargado
de la transmisin y distribucin de la energa, es
aqu donde los transformadores de potencia
asumen gran importancia. El S.I.N. se alimenta
principalmente de las centrales hidroelctricas
[1].
La historia nos denota que el primer sistema
de distribucin de potencia en los Estados
Unidos fue un sistema de corriente continua a
120 V inventado por Thomas Alba Edison. La
primera central de potencia entr en operacin en
la ciudad de New York en septiembre de 1882.
Por desgracia, este sistema de potencia gener y
transmiti potencias a tan bajos voltajes que se
1. 1. Introduccin. requeran muy altas corrientes para suministrar
Formatted: List Paragraph, Left, Outline numbered + Level:
1 + Numbering Style: 1, 2, 3, + Start at: 1 + Alignment:
Left + Aligned at: 0.25" + Indent at: 0.5"
Formatted
Formatted: Font: 10 pt
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
Formatted: Font: 10 pt
Formatted: Font: 10 pt
Formatted: Font: 10 pt
Formatted: List Paragraph, Left, Indent: Left: 0", Hanging:
0.2", Outline numbered + Level: 1 + Numbering Style: 1, 2, 3,
+ Start at: 1 + Alignment: Left + Aligned at: 0.25" +
Indent at: 0.5"
Formatted: Font: 11 pt, Bold
cantidades significativas de potencia. Estas altas 1.1. 1.1. Exploracin de la importancia del Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
corrientes ocasionaban enormes cadas de problema. Space Before: 12 pt, Outline numbered + Level: 2 +
Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
voltajes y prdidas de potencia en las lneas de Aligned at: 0.25" + Indent at: 0.5"
Este trabajo fue elaborado con la necesidad
transmisin, restringiendo bastante el rea de
de seguir una lnea de investigacin sobre las Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
servicio de las estaciones de generacin. En la spacing: Multiple 1.15 li
predicciones de la curva de carga de
dcada de 1880 las centrales generadoras se
transformadores de potencia, debido a que una
localizaban a muy pocas cuadras entre s para
prediccin con un alto grado de precisin es
evitar este problema. El hecho de no poder
fundamental a la hora de la operacin y
transmitir potencias a sitios lejanos a bajos
programacin de mantenimientos preventivos de
voltajes signific que las estaciones generadoras
los transformadores dentro de un SEP, as como
fueran de baja capacidad, locales y, por tanto,
para prever posibles sobrecargas y con ello tomar
relativamente ineficientes [2].
las medidas necesarias para evitar los efectos de
La invencin del transformador y el
una inminente sobrecarga.
desarrollo simultneo de las fuentes de potencia
La importancia del problema recae en Formatted: Indent: First line: 0.2", Line spacing: Multiple
alterna eliminaron para siempre las restricciones 1.15 li
conseguir una confiable estimacin de la curva
referentes al rango y el nivel de los sistemas de
de carga de un transformador de potencia
potencia. Un transformador cambia, idealmente,
aplicando la regresin lineal mltiple a una serie
un nivel de voltaje alterno a otro nivel de voltaje
de datos histricos.
sin afectar la potencia suministrndose. Si un
transformador eleva el nivel de voltaje de un
1.2. 1.2. Objetivos. Formatted: Font: 10 pt, Bold
circuito, debe disminuir la corriente para
1.2.1. Objetivo General Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
mantener igual la potencia que sale de l [2]. Space Before: 12 pt, Outline numbered + Level: 2 +
Estimar la curva de carga de un
De esta manera, la potencia elctrica alterna Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
transformador de potencia mediante la tcnica de
puede ser generada en determinado sitio, se eleva Aligned at: 0.25" + Indent at: 0.5"
regresin lineal mltiple, utilizando un paquete
su voltaje para transmitirlas a largas distancias Formatted: Font: 10 pt
de software de una herramienta computacional.
con muy bajas prdidas y luego se reduce para Formatted: Font: 10 pt
dejarlo nuevamente en el nivel de utilizacin 1.2.2. Objetivos Especficos Formatted: Indent: First line: 0.2", Line spacing: Multiple
final. Puesto que las prdidas de transmisin en 1. Extraer los antecedentes histricos de la 1.15 li
las lneas de un sistema de potencia son curva de carga documentada en papel de un Formatted: List Paragraph, Indent: Left: 0.2", Hanging:
proporcionales al cuadrado de la corriente, 0.39", Outline numbered + Level: 3 + Numbering Style: 1, 2,
transformador de potencia.
3, + Start at: 1 + Alignment: Left + Aligned at: 0.25" +
elevando con transformadores el voltaje de - Indent at: 0.75"
transmisin en un factor de 10 con lo cual se 2. Identificar los factores que influyen en
reduce la corriente con el mismo factor, las la curva de carga del transformador de
prdidas de transmisin se reducen en un factor potencia.
de 100. Sin el transformador, simplemente, no -
sera posible utilizar la potencia elctrica en
3. Obtener un modelo de regresin lineal
muchas de las formas en que se utiliza hoy [2].
mltiple que proporcione una prediccin de
Es aqu la importancia de los transformadores Formatted: Indent: First line: 0.2", Line spacing: Multiple
la curva de carga de un transformador de
en un sistema de potencia, su correcto y eficiente 1.15 li
potencia.
funcionamiento es esencial a la hora de la
-
operacin de un sistema elctrico, tenindose
este dispositivo que adecuarse a la variabilidad
4. Validar los resultados obtenidos por el
modelo de prediccin por medio de un
de la carga, es decir, al aumento o disminucin
anlisis grfico, de las curvas de carga
de la demanda de potencia. En este trabajo se
predichas con las curvas de carga
busca obtener un modelo matemtico que nos
documentadas histricamente del
permita tener una prediccin de la curva de carga
transformador.
de un transformador de potencia a corto plazo, a
-
partir de datos histricos registrados por los entes
- Validar los resultados obtenidos por el
reguladores de la energa elctrica del pas.
modelo de prediccin mediante un anlisis Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
estadstico de la Magnitud Media del Error
Relativo (MMER). Formatted: Font: 10 pt

5. Formatted: Normal, Indent: Left: 0.2", No bullets or

numbering
1.3. 1.3. Discusin de literatura relevante.
La prediccin de la curva de carga de un
transformador es de vital importancia para
asegurar el correcto funcionamiento del sistema
elctrico ya que nos posibilita conocer el
comportamiento futuro de la curva de carga y
tomar las medidas necesarias en caso de que se
detecten posibles aumentos en la carga del
transformador. En la literatura se encuentran una
gran variedad de trabajos y artculos vinculados
con el estudio de la prediccin de curvas de
cargas.
El 02 de agosto del 2013, Adriana
Marcela Ariza Ramrez de la universidad
tecnolgica de Pereira, present como trabajo de
grado distintos mtodos utilizados para el
pronstico de demanda de energa elctrica
aplicadas en sistema de distribucin que con la
ayuda de herramientas como los siguientes
programas; Excel, Minitab15, XLSTAT, Matlab
V2012b, SPSS 20 present los mtodos de RNA,
Micro reas, Holt Winter y tambin por el
mtodo de la regresin lineal mltiple [3].
En el 2015, Isabel Britez Fernndez,
Luis Barrientos Mujica y Sebastin Arce Encina,
publicaron un artculo en el cual ajustaron un
modelo de Redes Neuronales Artificiales que
permitiera predecir el comportamiento de carga
del transformador [4].
El presente trabajo, tiene como objetivo
principal estimar la curva de carga de un
transformador de potencia para un periodo de
corto plazo, donde se ajustar el modelo de
regresin lineal mltiple para cada da de la
semana partir de datos histricos recogidos de un
transformador de potencia tomando como
variables la potencia real y la temperatura
ambiente para las 24hs del da. Atendiendo a
continuar la lnea investigativa de [11] y
esperando poder ampliar el alcance de las
aplicaciones tcnicas de las predicciones de la
demanda de potencia de los transformadores de
nuestro sistema elctrico por medio de este
mtodo estadstico.
1.4. 1.4. Hiptesis
Manejando los factores que influyen en la no
linealidad de la naturaleza de la curva de carga
de un transformador de potencia, como lo son la
hora del da, que da de la semana sea y la
temperatura ambiente, en forma de datos
histricos, se podr realizar un modelo que
estime la curva de carga de dicho transformador
con un error aceptable.
Por otro lado se asume que el efecto de la
temperatura ambiente sobre la potencia activa del
transformador es sumamente notorio, resultando
esto en dos tipos de curvas con un
comportamiento caracterstico en invierno y otro
en verano. A pesar de esta diferencia en el
comportamiento de la demanda entre cada
estacin, el modelo de prediccin obtendr
resultados vlidos para su implementacin
prctica en la estimacin de la curva de carga de
una semana tanto de invierno como tambin otra
de verano, con magnitudes de errores medios
relativos prcticamente dentro del mismo rango.
2. 2. Mtodo.
2.1. Diseo de la investigacin
2.1. 2.1.1. Enfoque
Este trabajo de investigacin tcnica se
caracterizo por basarse en la recoleccin de datos
histricos, utilizados por un modelo de regresin
lineal mltiple para estudiar y conocer la relacin
que existe entre la temperatura ambiente,
discretizada hora a hora durante un da, con cada
una de las respectivas horas de dicho da; de tal
manera a poder obtener un modelo de prediccin.
Debido a esta naturaleza del problema, esta
investigacin es del tipo cuantitativa.
2.2. 2.1.2. Alcance de la investigacin
Considerando el uso de las variables que
intervienen en el problema, tales como la
temperatura, la hora del da y la potencia y
utilizando una tcnica estadstica, la regresin
lineal multiple la cual hace uso de la relacin de
dos variables independientes, que vienen a
representar dos de los tantos factores que
influyen en la potencia de un transformador
(variable dependiente). Esta relacin entre las
variables viene limitada en sus resultados de
prediccin, es decir, los modelos de regresin
que pronostican la demanda de potencia real del
Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
Outline numbered + Level: 2 + Numbering Style: 1, 2, 3, +
Start at: 1 + Alignment: Left + Aligned at: 0.25" + Indent at:
0.5"
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Formatted: Indent: Left: 0", First line: 0.2", Space After: 8
pt, Line spacing: Multiple 1.15 li
Formatted: Line spacing: Multiple 1.15 li
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Formatted: Font: 11 pt
Formatted: List Paragraph, Left, Indent: Left: 0", Hanging:
0.2", Line spacing: 1.5 lines, Outline numbered + Level: 1 +
Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
Aligned at: 0.25" + Indent at: 0.5"
Commented [L5]: El trabajo de Adriana no se coloc en la
referencia.
Formatted: Font: 10 pt
Formatted: Font: 10 pt, Font color: Auto
Formatted: Font: 10 pt
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Commented [L6]: No corresponde a la referencia mencionada.
Formatted: Font: 10 pt
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
Outline numbered + Level: 2 + Numbering Style: 1, 2, 3, +
Start at: 1 + Alignment: Left + Aligned at: 0.25" + Indent at:
0.5"
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
Outline numbered + Level: 2 + Numbering Style: 1, 2, 3, +
Start at: 1 + Alignment: Left + Aligned at: 0.25" + Indent at:
0.5"
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
transformador fueron proyectados para un
alcance a corto plazo.
Es evidente la funcin que cumple este
trabajo a la hora de establecer relaciones entre
variables, necesitando un sentido de causalidad,
analizando la relacin entre causa y efecto entre
variables, al tener esta profundidad, la cual es
caracterstica de un alcance explicativo, lo
asumimos por tal.
2.3. 2.1.3. Mtodo aplicado para la solucin
del problema
En la investigacin, para resolver el problema
abordado, se utiliz un modelo matemtico de
[5], como base, partiendo del mismo hasta
obtener el modelo de regresin ms apropiado
para nuestras necesidades, a travs de una serie
de pruebas y modificaciones del modelo base. El
camino para calcular el valor de los coeficientes
de dicho polinomio es el de la regresin lineal
mltiple.
2.1.4. Descripcin del modelo y del
mtodo utilizado
2.4.
Modelo matemtico
Para la obtencin del modelo de regresin
lineal mltiple que nos permita realizar una
prediccin confiable de la curva de carga, se
tom como punto de partida un modelo base,
que est representado por un polinomio de cuarto
grado [5], con la adicin y eliminacin de
trminos al polinomio base se llevaron a cabo
una serie de pruebas de las distintas
modificaciones a dicho modelo, con lo que se
logr obtener un modelo de regresin que
satisfactoriamente cubra las expectativas que se
tienen sobre el propsito del trabajo, lo
anteriormente acotado se logr con la adaptacin
del modelo [5] a las caractersticas de nuestro
problema, y de esa manera poder contar con el
modelo de regresin que mejores resultados
arroj. Se opt por este camino debido a la no
linealidad caracterstica de la curva de carga de
un transformador de potencia.
Los coeficientes para el modelo matemtico
sern calculados a travs del mtodo de
regresin lineal mltiple, este proceso se realiz
a travs de una herramienta computacional.
La potencia del transformador en estudio est
directamente relacionada con la demanda de
energa del extremo receptor de la lnea de
transmisin que est alimentando, en otras
palabras la demanda de energa elctrica
determina las exigencias del transformador. Esta
demanda a su vez depende de diversos factores
de todo tipo de ndole, ya sean sociales, polticos
o geogrficos, y es por este motivo que se opt
por elegir cuidadosamente la variable que influye
en la demanda de energa para ser utilizada en
este trabajo. Esto se debe a las limitaciones que
se tienen en relacin a tiempo, presupuesto,
conocimiento y acceso a los datos requeridos
para llevar a cabo una investigacin tcnica.
Ser utilizado un modelo de regresin lineal
mltiple para la potencia del transformador en
funcin a la hora del da y la potencia del
dispositivo registrado a dicha hora, representada
por (H) y (T) respectivamente como se muestra
en la ecuacin (2.1). Esta es un modelo de
regresin de cuarto orden con dos variables
predictoras.
P = b0 + b1 H + b2 T + b3 HT + b4 H 2 + b5 T 2 +
b6 HT 2 + b7 H 2 T + b8 H 2 T 2 + b9 H 3 + b10 T 3 +
u (2.1)
Modelo de regresin lineal simple
Considere la siguiente Ec. (2.2):
=0+1
(2.2)
Donde los coeficientes de dicho modelo son
calculados por medio de la covarianza y mnimos
cuadrados.
- Covarianza
1 =
2
(2.3)
Donde es llamado covarianza, y su
expresin es:
( )( ) Formatted: Right, Line spacing: Multiple 1.15 li
= (2.4)
= 1 , 2 , , (2.5)
= 1 , 2 , , (2.6)
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Formatted: Line spacing: Multiple 1.15 li
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
Space Before: 12 pt, Outline numbered + Level: 2 +
Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
Aligned at: 0.25" + Indent at: 0.5"
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li, Tab stops: Not at 0"
Formatted: Font: (Default) Times New Roman, 10 pt, Bold,
Font color: Text 1
Formatted: List Paragraph, Justified, Indent: Left: 0",
Hanging: 0.3", Space Before: 12 pt, Outline numbered +
Level: 2 + Numbering Style: 1, 2, 3, + Start at: 1 +
Alignment: Left + Aligned at: 0.25" + Indent at: 0.5"
Formatted: Font: 10 pt, Font color: Text 1
Formatted ...
Formatted: Font: 10 pt
Formatted: No Spacing, Indent: Left: 0", Hanging: 0.2",
Line spacing: Multiple 1.15 li
Formatted: Indent: First line: 0", Line spacing: Multiple
1.15 li
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Formatted: Right, Line spacing: Multiple 1.15 li
Formatted ...
Formatted ...
Formatted: Line spacing: Multiple 1.15 li
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Formatted: Justified, Indent: First line: 0.2", Line spacing:
Multiple 1.15 li
Formatted: Line spacing: Multiple 1.15 li
Formatted: Right, Line spacing: Multiple 1.15 li
Formatted ...
Formatted: Indent: First line: 0.2", Space Before: 0 pt, Line
spacing: Multiple 1.15 li
Formatted ...
Formatted ...
Formatted: Line spacing: Multiple 1.15 li
Formatted ...
Formatted ...
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
 Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
e
Donde son los valores medios de e 1 1 1
2 2 2 Formatted ...
. y
= : = : = (2.140) Formatted ...
. . Formatted ...
[ ] [ ]
N es el = Nnmero de datos. Formatted ...
Y teniendo en cuenta la definicin de : Formatted ...
= 1
1 Formatted ...
(52.7)
2 Formatted ...
= : = Formatted
Donde e son los valores medios de x e y. ...
.
[ ] Formatted ...
Mtodo de Mnimos Cuadrados
Formatted ...
.( . ) ( )2
= 1 0 11,1 2 2,1 33,1 ,1
( )2 .( )2 Formatted ...
2 0 1 1,2 + 2 2,2 + 3 3,2 + + ,2
(2.86)
= : Formatted ...
. Formatted ...
Donde:
[3 0 11, 2 2, 3 3, , ] Formatted ...
= 1 , 2 , , (2.9) Formatted
= ...
= 1 , 2 , , (2.10) (2.151) Formatted ...
Formatted ...
Por lo tanto:
Formatted ...
Modelo de regresin lineal mltiple 1 1 1,1 . . ,1 Formatted ...
El modelo de regresin lineal mltiple es 2 1 1,2 . . ,2 Formatted ...
idntico al modelo de regresin lineal simple, = : . =
. Formatted ...
con la nica diferencia de que aparecen ms .
[ ] [1 1, . . , ] Formatted ...
variables independientes (explicativas) como se
(2.126) Formatted ...
observa en la ecuacin (72.11).
Formatted ...
= 0 + 11 + 2 2 + 3 3 + + + Formatted ...
Por lo tanto la varianza residual se puede
(72.11) Formatted ...
expresar de la siguiente manera:
Formatted ...
Formatted ...
Donde es el valor del error aleatorio, que 2 = = ( ) ( ) Formatted ...
viene a ser la diferencia entre el valor de medido (2.137)
Formatted ...
y el valor pronosticado de la variable
Es decir: Formatted ...
dependiente.
Formatted ...
() = ( ) =
2
(2.148)
Formatted ...
Por tanto, la varianza residual es una funcin Formatted ...
=
del vector de parmetros b y la condicin para Formatted
(82.12) ...
que tenga un mnimo ser:
Formatted ...
La ecuacin que se muestra en la ecuacin d (b)
=0 Formatted ...
(9) se conoce como Ecuacin de Regresin db
Formatted ...
Mltiple Estimada (2.159)
Formatted ...
ECUACIN REGRESIN MLTIPLE Para un caso ms prctico de derivar, se Formatted ...
ESTIMADA. efecta una simplificacin de la expresin de la
Formatted ...
varianza residual.
= 0 + 1 1,1 + 2 + + , Formatted ...
(92.13) 2 = = Formatted ...
+ Formatted
Utilizando notacin matricial: ...
(2.2016) Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
 Por lo tanto: Vatmetro: Es un dispositivo que permite Formatted: Font: 10 pt

2 realizar la medicin de la potencia que hay Formatted: Indent: First line: 0.2", Line spacing: Multiple

() ( ) = = en una corriente elctrica. La unidad de 1.15 li
+ medida de la potencia es el Vatio, conocido Formatted: Right, Line spacing: Multiple 1.15 li
(2.217) tambin como Watt. Formatted ...
d (b) () ()

= = 2 + 2 Termmetro: Es un instrumento que mide
db
(182.22) la temperatura ambiente.

Luego igualando a cero y haciendo el Formatted: Justified, Indent: First line: 0.2", Line spacing:
2.6. 2.3. Procedimiento. Multiple 1.15 li
despeje:
2.6.1. 2.3.1. Organizacin del trabajo
Formatted: Font: 10 pt, Font color: Text 1
=
En el siguiente organigrama se ven reflejada Formatted: Font: 10 pt
(192.23)
una serie de pasos que debemos realizar a la Formatted: Right, Line spacing: Multiple 1.15 li
Y si es una matriz no singular y por lo hora de ejecutar el trabajo.
Formatted ...
tanto tiene inversa, al multiplicar la igualdad Formatted: Indent: First line: 0.2", Line spacing: Multiple
anterior por ( )1 obtenemos: Tratamiento de datos 1.15 li
histricos.
1 1 Formatted: Justified, Indent: First line: 0.2", Line spacing:
( ) = ( ) Multiple 1.15 li
(20.24) Formatted
Eleccin del modelo de ...
( )1 = (2.215) regresin ms apto para la Formatted: Font: 10 pt
prediccin
Formatted: Line spacing: Multiple 1.15 li
Donde I es una matriz identidad.
Formatted: Font: 10 pt
= ( )1 Aplicacin del mtodo Formatted ...
utilizado.
(2.26) Formatted: Right, Line spacing: Multiple 1.15 li

La ecuacin (3.226) es la expresin del Formatted ...

estimador de parmetros B [6]. Determinar los coeficientes Formatted ...
del modelo de regresin Formatted: Indent: First line: 0.2", Line spacing: Multiple
2.5. 2.2. Instrumentos. 1.15 li
Formatted ...
El desarrollo de esta investigacin Obtencin de los puntos
estimados por el modelo Formatted: Right, Line spacing: Multiple 1.15 li
requiere el tratamiento y anlisis estadsticos de
Formatted: Indent: First line: 0.2", Line spacing: Multiple
los datos histricos del transformador de
1.15 li
potencia en estudio, que sern utilizados para la Realizacin de los grficos Formatted ...
obtencin de la ecuacin de regresin mltiple de demanda horaria.
Formatted: Font: 10 pt, Font color: Text 1
estimada. Los datos utilizados de los registros
histricos se presentan de esta manera. Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
Space Before: 12 pt, Outline numbered + Level: 2 +
Temperatura Ambiente: Este es uno de los Clculo del error Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
factores ms determinantes en el Aligned at: 0.25" + Indent at: 0.5"
comportamiento del consumo de energa. Formatted: Font: 10 pt
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
Horas del da: La curva de carga diaria spacing: Multiple 1.15 li
2.6.2. 2.3.2 Tratamiento de datos
varia a lo largo de las 24 horas del da, Formatted: Indent: Left: 0.2", Hanging: 0.1", Space After:
En el trabajo los datos histricos del 0 pt, Line spacing: Multiple 1.15 li
resultando en una variacin registrada de la
carga hora a hora. transformador son necesarios para poder obtener Formatted: Font: 10 pt, Font color: Text 1

informacin de la relacin existente entre las Formatted: Font: 10 pt, Bold

Potencia: Es la variable dependiente del
problema, y se registra un valor de ella a
cada hora en el histrico.
Las mediciones se obtienen por medio de
diversos equipos de medicin.
variables independientes (las 24 horas de cada Formatted: List Paragraph, Indent: Left: 0", Hanging:
da y la temperatura ambiente correspondiente a 0.39", Outline numbered + Level: 3 + Numbering Style: 1, 2,
cada hora) con la variable dependiente (potencia 3, + Start at: 1 + Alignment: Left + Aligned at: 0.25" +
Indent at: 0.75"
demandada por la carga que alimenta dicha lnea
Formatted: Font: 10 pt
a la cual est conectado el transformador), y as
poder obtener una ecuacin de regresin mltiple Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
estimada, con sus respectivos coeficientes capaz
de realizar una prediccin aceptable para la
generacin de puntos de la curva diaria de carga
del transformador.
Esta tcnica estadstica, como todas, exige el
cumplimiento de una serie de supuestos
estadsticos sobre los datos documentados que
fueron utilizados para este trabajo, sin cuyo
cumplimiento de los mencionados supuestos, los
resultados pueden verse seriamente alterados [7].
Para realizar un anlisis de regresin lineal
mltiple se hacen las siguientes consideraciones
sobre los datos:
Linealidad: Si la relacin entre las variables
no es una lnea (un hiperplano), el
resultado puede ser errneo: puede sealar
no relacin cuando la hay. La forma de
estudiarlo es mediante un grfico de
dispersin. Los valores de la variable
dependiente estn generados por el
siguiente modelo lineal:
Independencia: Los residuos (es decir, la
diferencia entre el valor esperado y el
pronosticado) deben ser independientes
entre s. Es decir, los residuos son una
variable aleatoria.
Normalidad: Los residuos de cada variable
independiente se distribuyen como una
curva normal con media 0, tienen una
distribucin normal.
Homocedasticidad: La varianza de los
residuos de las variables independientes (o
de la combinacin de ellos) es constante.
Todos los residuos tienen la misma
varianza.
No-colinealidad: No existencia de una
relacin lineal entre ninguna de las
variables independientes [6].
Si admitimos que los datos presentan estas
hiptesis entonces el teorema de Gauss-Markov
establece que el mtodo de estimacin de
mnimos cuadrados va a producir estimadores
ptimos, en el sentido que los parmetros
estimados van a estar centrados y van a ser de
mnima varianza [6].
Los datos fueron previamente seleccionados
teniendo en cuenta la mayor correlacin entre
determinadas semanas de distintas pocas del
ao, tal que en los mismos das posteriores al da
que se quiera predecir, es decir los tres ltimos
das Lunes en el caso de que se quiera predecir
un Lunes, se obtenga la correlacin necesaria en
valores numricos como para que el modelo de
regresin obtenga un resultado aceptable para las
aspiraciones del trabajo. Posterior al anlisis de
los datos muestrales se opt por pronosticar la Formatted: Indent: First line: 0.2", Line spacing: Multiple
semana de invierno, desde el Lunes 20/07/2015 1.15 li
hasta el domingo 26/07/2015, por otro lado para
la estacin de verano se pronostic la semana Formatted: Line spacing: Multiple 1.15 li
desde el lunes 09/032015 hasta el domingo
15/03/2017. Formatted: List Paragraph, Indent: Left: 0.2", Hanging:
0.1", Bulleted + Level: 1 + Aligned at: 0.25" + Indent at:
0.5"
Para ejecutar este proyecto, adems es Formatted: Font: 10 pt
necesario utilizar un sistema de pronstico del
clima, es decir, de la temperatura ambiente de la
ubicacin geogrfica donde se encuentra
operando el transformador, de los das que se
desean pronosticar, para de esa manera poder
estimar valores de la potencia del transformador
hora a hora. Este sistema de previsin del clima
es utilizado por el Centro de Previsin del
Tiempo y Estudios Climticos, conocido por sus
siglas en portugus (CPTEC) y se basan en la
aplicacin de una serie de modelos numricos de
previsin del clima.
La atmosfera, como sistema fsico, es regida
por un sistema de ecuaciones matemticas que
derivan de la segunda ley de Newton y del
desenvolvimiento del clculo diferencial. Sin
embargo, el sistema de ecuaciones que determina
el movimiento de la atmosfera es muy complejo
y no puede ser resuelto de forma exacta y
analtica exigiendo algunas aproximaciones. Es
por eso que los meteorlogos percibieron la gran
necesidad de realizar operaciones numricas ms
rpidas y de contar con un sistema de ecuaciones
ms simplificado y eficiente. El CPTEC utiliza el
Modelo de Circulacin General de la Atmosfera
(MCGA) desde enero de 1995. El modelo de
circulacin general atmosfrica (MCGA) en uso
en el CPTEC tiene su origen en aquel usado para Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
previsin de tiempo a medio plazo por los spacing: Multiple 1.15 li
National Centers for Environmental Prediction
(NCEP) en 1985 [8].
Las ecuaciones empleadas incluyen las
ecuaciones de la continuidad de masa para el aire
seco y vapor de agua, la primera ley de la
termodinmica y las ecuaciones del movimiento
(segunda ley de Newton). La ecuacin para el
componente vertical de la velocidad (paralela al
vector fuerza gravitacional) es simplificada para
una relacin diagnstica pues, en las escalas
espacial y temporal de inters, las fuerzas
verticales estn en un aproximado balance
hidrosttico. El conjunto completo de estas
ecuaciones se llama ecuaciones primitivas. El
modelo es global en extensin y conforme a un
sistema con geometra esfrica, donde la altitud
es suficientemente pequea para que la distancia
al centro de la Tierra sea aproximadamente
constante (igual a su radio medio), siempre que
la distancia por encima de la superficie de la
Tierra sea Incluida la variable independiente [9].
Las variables del MCGA son: el logaritmo de
la presin a la superficie, la vorticidad
(componente vertical del rotacional del viento),
la divergencia del viento horizontal, la
temperatura virtual y la humedad especfica.
Adems de estas, existen otras que se prevn en
las parametrizaciones incluidas en el modelo,
tales como: temperatura superficial, del interior
del suelo y del interior del dosel, humedad del
suelo, entre otras.
Las ecuaciones del modelo se escriben en la
forma espectral y las ecuaciones del movimiento
horizontal se transforman en las ecuaciones de la
vorticidad y la divergencia, lo que facilita tanto
el tratamiento espectral como la implantacin del
mtodo semi-implcito de integracin en el meteorolgicas tales como temperatura, punto de
tiempo. Tambin existe un esquema de arranque
utilizando los modos normales del modelo
linealizado sobre un estado bsico en reposo y
con temperatura en funcin slo de la vertical;
eEsta inicializacin incluye los trminos
referentes a los procesos diabticos.
Las ecuaciones del modelo se resuelven por
medios numricos. Como el sistema es altamente
no lineal, hay que discretizar las cuatro
dimensiones. El tiempo se divide en pasos con
espaciamientos regulares fijos y la diferenciacin
es hecha por un mtodo semi-implcito que
involucra las ecuaciones de la continuidad, la
divergencia y la termodinmica, mientras que las
ecuaciones de la vorticidad y la conservacin de
la humedad especfica se tratan explcitamente;
Es debido al hecho de que las primeras son las
responsables de la generacin de ondas de alta
frecuencia. Las variaciones espaciales en las dos
dimensiones horizontales son representadas por
coeficientes de proyeccin sobre una base de
funciones que forman un conjunto orto normal
completo, que son particularmente adecuados
para movimientos de fluidos con geometra
esfrica: los armnicos esfricos (serie de
Fourier en la direccin oeste-este y el oeste De
Funciones Asociadas de Legendre sur-norte).
Esta representacin permite el clculo analtico
de las derivadas en las direcciones horizontales.
Formatted: Indent: First line: 0.2", Line spacing: Multiple
Las derivadas verticales se calculan por
1.15 li
diferencias finitas con espaciamiento irregular
Formatted: Font: 10 pt
sobre la coordenada de presin normalizada
Formatted: Font: 10 pt, Font color: Text 1
(presin del nivel dividida por la presin a la
superficie en el punto considerado, llamada Formatted: List Paragraph, Justified, Indent: Left: 0",
Hanging: 0.39", Outline numbered + Level: 3 + Numbering
coordenada sigma). La coordenada sigma tiene la Style: 1, 2, 3, + Start at: 1 + Alignment: Left + Aligned at:
ventaja de permitir la introduccin muy 0.25" + Indent at: 0.75"
fcilmente de la topografa, pues sigma tiene Formatted: Font: 10 pt
valor constante igual a 1 acompaando la Formatted: Indent: First line: 0.2", Line spacing: Multiple
superficie de la Tierra. El espaciamiento vertical 1.15 li
es irregular ya que es necesaria una resolucin Formatted: Font: 10 pt
mayor cerca de la superficie, debido a los Formatted: Font: 10 pt
procesos de capa lmite y transferencia de flujos
Formatted: Font: 10 pt
de energa entre suelo y aire; Tambin es
Formatted: Font: 10 pt
necesaria una resolucin mayor en la regin de
interfaz entre troposfera y estratosfera debido a Formatted: Font: 10 pt
variaciones verticales rpidas principalmente en Formatted: Font: 10 pt
el campo de temperatura [9]. Formatted: Font: 10 pt
Los resultados de estas predicciones son Formatted: Font: 10 pt
presentadas al mercado como Meteogramas. El Formatted: Font: 10 pt
trmino Meteograma que se aplica al rea del
Formatted: Font: 10 pt
tiempo se puede definir como "Una
Formatted: Font: 10 pt
representacin grfica de tendencias en variables
Formatted: Font: 10 pt
roco, velocidad y direccin del viento, presin, Formatted: Font: 10 pt
etc.". Con una prediccin confiable de la Formatted: Font: 10 pt
temperatura ser posible una buena estimacin Formatted: Font: 10 pt
con el modelo de regresin. Formatted: Font: 10 pt
2.6.3. 2.3.3. Clculo de los coeficientes Formatted: Font: 10 pt
Formatted: Font: 10 pt
Para obtener la ecuacin de regresin
Formatted: Font: 10 pt
mltiple estimada que describe la relacin entre
Formatted: Font: 10 pt
las variables independientes y la variable
dependiente, y de esa manera usar dicha Formatted: Font: 10 pt
ecuacin para calcular el valor de la media de las Formatted: Right, Indent: First line: 0", Line spacing:
Multiple 1.15 li
y para valores dados de 1 , 2 , , ; se deben
conocer los valores de 0, 1 , 2, , , para ello Formatted: Font: 10 pt
fue necesario estimarlos a partir de datos Formatted: Font: 10 pt
muestrales. El mtodo de mnimos cuadrados Formatted: Font: 10 pt
como ya se dijo es el que se utiliz para obtener Formatted: Font: 10 pt
la ecuacin de regresin mltiple. El criterio de Formatted: Font: 10 pt
mnimos cuadrados es el siguiente:
Formatted: Font: 10 pt
2 Formatted: Font: 10 pt
( )
(2.237) Formatted: Font: 10 pt
Formatted: Font: 10 pt
 Como indica la expresin (2.273), el mtodo
de mnimos cuadrados emplea datos muestrales
para obtener los valores de 0 , 1 , 2 , , , que
hacen que la suma de los cuadrados de los
residuales (las diferencias entre los valores
observados de la variable dependiente ( ) y los
valores estimados de la variable dependiente
( )) sea un mnimo. En la regresin mltiple,
como ya se mencion, las frmulas para
calcular 0 , 1 , 2 , , 10, emplean lgebra de
matrices. Para tal efecto se dispusieron los
valores histricos de las variables independientes
(horas del da y sus respectivas temperaturas
ambiente) en forma de matrices.
= 0 + 1 H + 2 T + 3 HT + 4 H 2 + 5 T 2 + correlacin, pueden dar una idea equivocada
6HT 2 + 7H 2 T + 8 H 2 T 2 + 9 H 3 + 10 T 3
(2.248)
Debido a la complejidad que asumen los
clculos de la expresin (233.31), fue necesario
emplear un paquete de software para realizarlos.
Siguiendo una serie de procedimientos, se
obtiene el polinomio (2.248) estimado con sus
respectivos coeficientes, dichos procedimientos
describen el uso de la herramienta de regresin
de Excel para obtener la ecuacin de regresin
estimada para el problema.
2.6.4. 2.3.4. Obtencin de los puntos
estimados por el modelo
Una vez calculados los coeficientes
0, 1 , 2 , , 10, se procede a la generacin de
los puntos de las curvas diarias de potencia del
transformador para cada da de la semana por
medio de su respectivo modelo. Todos los
clculos son efectuados con el mismo paquete de
regresin de la herramienta computacional,
debido a la complejidad de los mismos. El
polinomio (2.248) fue el utilizado para la
generacin de puntos a partir de los resultados
arrojados por el modelo estimado.
2.6.5. 2.3.5. Validacin del modelo
Dependiendo del modelo utilizado,
obtendremos mejores o peores resultados. La
eleccin de uno u otro modelo de prediccin se
realizan segn las caractersticas del entorno de
estimacin (experiencia con los modelos) y su
posterior validacin, segn los valores que
proporcionan determinadas variables estadsticas. Formatted: Indent: First line: 0.2", Line spacing: Multiple
En definitiva, lo que queremos es realizar 1.15 li
predicciones lo ms acertadas posibles y para Formatted: Font: 10 pt
medir esa capacidad de prediccin se deben Formatted ...
utilizar variables predictivas principalmente, no
slo explicativas. Las variables explicativas Formatted ...
suelen evaluar la bondad de ajuste del modelo,
estas son el Formatted ...
2 ( ) Formatted ...
(coeficiente de determinacin mltiple) y el
Formatted ...
coeficiente de correlacin [10].
La capacidad de prediccin tambin puede
depender de los criterios manejados para medir
la bondad de ajuste, es por ello que el coeficiente
de determinacin mltiple y el coeficiente de
Formatted: Right, Line spacing: Multiple 1.15 li
sobre las capacidades predictivas del modelo de Formatted ...
estimacin en cuestin. Por tanto, tambin se
deben examinar medidas claramente predictivas
Formatted: Indent: First line: 0.2", Space After: 8 pt, Line
como la magnitud media del error relativo
spacing: Multiple 1.15 li
(MMRE). Esta cuestin es muy importante,
Formatted ...
puesto que la toma de decisiones depende de los
criterios utilizados.
Los criterios para determinar la bondad de las Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
predicciones se basan en el examen de los
valores del coeficiente de correlacin y,
principalmente, del coeficiente de determinacin
2 (tambin denominado coeficiente de Formatted ...
correlacin mltiple al cuadrado o coeficiente de Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
determinacin mltiple)., El 2 denota el spacing: Multiple 1.15 li, Don't adjust space between Latin
porcentaje de varianza justificado por las and Asian text, Don't adjust space between Asian text and
numbers
variables independientes. Se puede interpretar
Formatted ...
como el cuadrado del coeficiente de correlacin
Formatted ...
de Pearson entre las variables dependiente e
Formatted: Font: 10 pt
independiente, o tambin como el cuadrado del
coeficiente de correlacin entre los valores reales Formatted: Indent: First line: 0.2", Line spacing: Multiple
de una variable y sus estimaciones. Si todas las 1.15 li
Formatted
observaciones estn en la lnea de regresin, el ...
valor del 2 es 1, y si no hay relacin lineal entre Formatted ...
las variables dependiente e independiente, el
valor del 2 es 0. El coeficiente 2 es una Formatted ...
medida de la relacin lineal entre dos variables. Formatted ...
A medida que su valor es mayor, mejora el ajuste
de la recta a los datos, puesto que la variacin
explicada es mayor; as, el desajuste provocado
Formatted: Font: 10 pt, Font color: Text 1
por la sustitucin de los valores observados por
los predichos disminuye. Fijmonos en que son Formatted: List Paragraph, Indent: Left: 0", Hanging:
0.39", Space Before: 12 pt, Outline numbered + Level: 3 +
valores explicativos, no predictivos. Ni el R2 ni Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
el coeficiente de correlacin son las medidas ms Aligned at: 0.25" + Indent at: 0.75"
adecuadas para evaluar la prediccin de un Formatted: Font: 10 pt
modelo; en el mejor de los casos, se trata de Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
 Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
medidas del ajuste de la ecuacin a los datos, no 3 120,834262
Formatted ...
de la capacidad predictiva del modelo [10]. 4 -5,26014551
Formatted ...
5 -203,993965
Desde el punto de vista predictivo, las 6 -2,33034798 Formatted ...
variables ms convenientes son las 7 0,14597231 Formatted ...
Mmagnitudes Mmedia del Eerror Rrelativo 8 Formatted
0,00549331 ...
(MMRE).
9 -0,09623227 Formatted ...
10 2,66461518 Formatted ...
As, si el MMRE es pequeo, entonces
Formatted ...
tenemos un buen conjunto de predicciones. Se
considera que un modelo es aceptable si MMRE Coeficientes obtenidos el invierno Formatted ...
< 0,25 [10]. La tabla 3.1 contiene los coeficientes para un Formatted ...
da lunes en poca de verano. Formatted ...
Magnitud Media del Error Relativo, MMRE, Formatted
Tabla 3.2: Coeficiente para el da ...
se define como:
lunes 20/07/2015 Formatted ...
1 Coeficientes Valores Formatted ...
= | | (
1 0 -11686,2659 Formatted ...
(2.259) 1 -2390,8632 Formatted ...
Donde e es el valor real de la variable, es su 2 2351,21028
Formatted ...
valor estimado y n es el nmero de 3 229,762154
Formatted ...
observaciones. As si el MMRE es pequeo, 4 80,9352281
Formatted ...
entonces tenemos un buen conjunto de 5 -145,506751
Formatted ...
predicciones. 6 -5,53210356
Formatted ...
7 -7,52711423
3. 3. Resultados 8 0,1778115 Formatted ...
9 -0,04615376 Formatted Table ...
En este apartado se mencionan todos los
resultados relevantes obtenidos en la 10 2,87184679 Formatted ...
investigacin, llevndose a cabo el anlisis de los Formatted ...
valores de prediccin y las medidas de Formatted ...
3.2. 3.2. Puntos Generados con la ecuacin de
validacin estadstica. Formatted
regresin estimada ...

3.1. 3.1. Coeficientes del modelo Formatted ...

Una vez obtenidos los coeficientes del
Formatted ...
Por medio de un anlisis estadstico de los polinomio, es necesario sustituir dichos
Formatted ...
datos histricos, dichos coeficientes son coeficientes en la ecuacin (2.248) de modo a
calcular el valor predicho de la potencia activa en Formatted ...
calculados de forma que la suma de cuadrados
MW hora a hora y as lograr una prediccin de la Formatted ...
entre los valores histricos y pronosticados sea
mnima, es decir, que se va a minimizar la curva de carga diaria, para cada da de la semana Formatted ...
varianza residual de la muestra histrica del tanto de invierno como de verano. A Formatted ...
transformador. De esa manera obtendramos la continuacin se presentan las siguientes tablas Formatted ...
mejor prediccin del modelo de regresin lineal con los valores numricos de los datos medidos y
Formatted ...
mltiple. los valores predichos por el modelo de regresin,
Formatted ...
para las 24 horas de cada da de la semana de
Coeficientes obtenidos para el verano verano, en las tablas se denota que el modelo de Formatted ...
La tabla 3.1 contiene los coeficientes para un regresin lineal mltiple genera con claridad Formatted ...
da lunes en poca de verano. puntos que son prximos a los valores reales que Formatted ...
Tabla 3.1: Coeficientes para el da fueron medidos del transformador de potencia. Formatted ...
lunes 09/03/2015 Se exponen los puntos generados por el Formatted ...
Coeficientes Valores modelo de prediccin, frente a los histricos.
Formatted ...
0 -44005,7613
Tabla 3.3: Comparacin entre el valor real Formatted ...
1 -1579,63025
y la prediccin, del da lunes de verano. Formatted ...
2 5202,17485
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
 Formatted ...
Formatted ...
Formatted ...
Formatted Table ...
Formatted ...
Lunes 09/03/2015 12 170,17207 154,302268
Formatted ...
Valor Real Prediccin 13 161,7338 148,445186
Hs Formatted ...
(MW) (MW) 14 148,49037 142,512092
0 185,539719 193,295956 Formatted ...
15 149,54517 136,424509
Formatted ...
1 173,81987 177,329754 16 152,94391 143,817213
Formatted ...
2 164,795593 165,648363 17 160,32741 164,239681
Formatted ...
3 156,826111 162,162567 18 177,32118 178,803994
Formatted ...
4 150,380203 161,769115 19 198,06529 182,038325
Formatted ...
5 151,88913 162,59583 20 182,00911 182,73655
Formatted ...
6 165,850388 168,763209 21 170,17207 182,674884 Formatted ...
7 158,818481 161,962766 22 152,00633 152,098317 Formatted ...
8 174,405869 179,521083 23 132,66859 131,21049 Formatted ...
9 184,250534 189,35782
Formatted ...
10 194,32959 197,91164
3.3. 3.3. Curvas de carga obtenidas con los Formatted ...
11 205,22905 211,467987
puntos estimados. Formatted ...
12 205,932236 208,420148
Formatted ...
13 194,798386 210,254868 Seguidamente se exponen los resultados de
forma grfica de la curva que relaciona la Formatted ...
14 215,073715 214,912023
potencia consumida por la carga en funcin del Formatted ...
15 218,003677 220,200124 tiempo, para las 24 horas de las fechas Formatted ...
16 211,323364 206,836541 pertenecientes a la semana de verano, la curva de Formatted ...
17 195,384384 195,870361 color rojo pertenece a los valores arrojados por el Formatted ...
18 179,328201 177,656415 modelo de prediccin y la curva de color negro
Formatted ...
19 180,617386 191,721312 corresponde a los valores reales obtenidos de los
Formatted ...
registros histricos del transformador de
20 242,278397 205,657534 Formatted
potencia, como consecuencia se puede observar ...
21 240,974564 223,314206 Formatted
claramente que la curva arrojada por el modelo ...
22 227,965546 224,36659 acompaa satisfactoriamente a la curva real. Formatted ...
23 215,894104 194,3784 En el eje de ordenadas se muestra la potencia Formatted ...
en MW y en la abscisas se muestran las horas a Formatted ...
lo largo del da. A continuacin se exponen las
Formatted ...
Tabla 3.4: Comparacin entre el valor real curvas de carga de los siguientes das ordinarios
y la prediccin, del da lunes. Formatted ...
de la semana, dichos das son, lunes, martes,
Lunes 20/07/2015 mircoles, jueves y viernes debido al Formatted ...
Valor Real Prediccin comportamiento similar que presentan entre Formatted ...
Hs
(MW) (MW) ellos. Formatted ...
0 121,30035 106,713701 Formatted ...
Prediccin del da lunes 09/03/2015
1 112,15887 101,474175 Formatted ...
2 104,65817 100,972451 Formatted ...
3 100,32183 98,8097744 Formatted ...
4 99,73584 98,8648938 Formatted ...
5 100,79063 101,057991 Formatted ...
6 109,9321 104,230788 Formatted ...
7 133,37178 109,710164 Formatted ...
8 136,88773 128,236934 Formatted ...
9 146,84959 141,91227 Formatted ...
10 155,05348 150,62524 Formatted ...
Figura 3.1: Comparacin de la curva predicha
11 163,49178 148,198804 Formatted ...
con la curva real del da lunes de verano
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
Formatted ...
 En la figura 3.1, se puede apreciar la grfica
de la curva predicha y la curva real del da lunes
9 de marzo del 2015, a lo largo de dicho da se
presentan dos picos. Al inicio del da la demanda
decrece, desde las 00:00 hs hasta las 05:00 hs de
la maana, luego se observa un pequeo aumento
en el consumo de aproximadamente 10 MW
desde de las 05:00 hs hasta las 06:00 hs que
luego es acompaada por una disminucin de
consumo de potencia de igual proporcin entre
las 06:00 hs y 07:00 hs, durante el transcurso de
ese tiempo se puede comprobar que la curva que
predicha por el modelo acompaa a la curva real.
A partir de las 07:00 hs, la demanda comienza a
crecer alcanzando el primero de los dos picos
caracterstico de una curva de verano, entre las
14:00 hs y las 15:00 hs de la tarde, se puede
apreciar claramente que ambas curvas de carga
se desplazan en la misma direccin, con una
diferencia de 0.16 MW para las 14:00 hs y con
aproximadamente 2 MW para las 15:00 hs de la
tarde. Esto nos demuestra el buen desempeo de
este modelo de prediccin. Inmediatamente
despus decrece hasta alcanzar un mnimo entre
las 18:00 hs y 19:00 hs. Despus crece el
consumo de potencia, alcanzando el pico
mximo diario entorno a las 20 hs de la noche.
El modelo de prediccin obtuvo, un
coeficiente de correlacin mltiple de
0,82136597, con un coeficiente de determinacin
mltiple de 0,67464206, lo cual indica que tiene
una buena bondad de ajuste, adems se consigui
una excelente capacidad de prediccin, con una
magnitud media del error relativo de
0,03863851.
Prediccin del da lunes 20/07/2015
Figura 3.2: Comparacin de la curva predicha
con la curva real del da lunes de invierno
Al inicio del da la demanda decrece, desde
las 00:00 hs hasta las 05:00 hs de la maana,
luego se observa un aumento en el consumo
desde de las 05:00 hs hasta las 12:00 hs del
medio da, durante el transcurso de ese tiempo se Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
puede comprobar que la curva que predicha por spacing: Multiple 1.15 li
el modelo acompaa a la curva real.
A partir de las 12:00 hs, la demanda
comienza a decrecer hasta alcanzar un mnimo
entre las 14:00 hs y las 15:00 hs de la tarde, que
luego comienza a crecer ante pequeos aumentos
en el consumo hasta las 17:00 hs, se puede
apreciar claramente que ambas curvas de carga
se desplazan en la misma direccin. Despus de
las 17:00 hs la potencia comienza a crecer y esta
vez de forma brusca alcanzando el pico mximo
diario a las 19:00 hs de la noche. Tras superar
dicho punto, vuelve a bajar otra vez.
El modelo de prediccin obtuvo, un Formatted: Indent: First line: 0.2", Line spacing: Multiple
coeficiente de correlacin mltiple de 1.15 li
0,82136597, con un coeficiente de determinacin
mltiple de 0,67464206, lo cual indica que tiene
una buena bondad de ajuste, adems se consigui
una excelente capacidad de prediccin, con una
magnitud media del error relativo de 0,03863851
4. Discusin. Formatted: Font: 11 pt
4.1. Logros alcanzados Formatted: List Paragraph, Left, Indent: Left: 0", Hanging:
4. 0.2", Outline numbered + Level: 1 + Numbering Style: 1, 2, 3,
+ Start at: 1 + Alignment: Left + Aligned at: 0.25" +
En este trabajo fue presentada una lnea de Indent at: 0.5"
investigativa dentro del campo de estudio de la Formatted: Font: 11 pt, Font color: Auto, Spanish (Spain)
prediccin de carga para transformadores de Formatted: Font: 11 pt, Bold, Font color: Auto, Spanish
potencia, partiendo de los datos histricos (Spain)
disponibles de dicho dispositivo en estudio, los Formatted: Font: 10 pt
cuales fueron las potencias activas y las Formatted: Indent: First line: 0.2", Line spacing: Multiple
temperaturas ambiente de cada hora de todo un 1.15 li
ao y medio (16 meses), rango de tiempo dentro Formatted: Font: 10 pt
del cual se efectu un anlisis de los datos para Formatted: Indent: First line: 0.2", Line spacing: Multiple
posteriormente seleccionar las mejores 1.15 li
poblaciones que suministren la mayor
Formatted: No Spacing, Left, Indent: Left: 0", Hanging:
informacin explicativa y predictiva para utilizar 0.2", Line spacing: Multiple 1.15 li, Bulleted + Level: 1 +
un mtodo estadstico, el de la regresin lineal Aligned at: 0" + Indent at: 0.25", Adjust space between
Latin and Asian text, Adjust space between Asian text and
mltiple, con el cual se logr estimar la curva de
numbers
carga de un transformador de potencia
Formatted: Font: 10 pt
satisfactoriamente.
Formatted: Line spacing: Multiple 1.15 li
Con los resultados obtenidos en la Formatted: Font: 10 pt
investigacin se puede concluir que los Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
conceptos existentes que fueron estudiados, se
aplican perfectamente a casos de prediccin de
carga; resultando efectivo el mtodo utilizado, ya Formatted: Indent: Left: 0.2", Line spacing: Multiple 1.15 li
que las estimaciones realizadas pudieron ser
totalmente validadas con la teora.
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
Cumpliendo de esta manera con todos los
spacing: Multiple 1.15 li
objetivos especficos del trabajo, desde la
extraccin y seleccin de los datos histricos, la
realizacin del modelo, generacin de los puntos,
hasta la validacin de los resultados grficamente
y por medio de un anlisis de las variables
estadsticas.
Cabe destacar la limitacin del modelo de
prediccin, el cual solo produce una estimacin
de carga solamente para el transformador para el
cual se analiz dicho modelo, y no queda de ms
resaltar que para estimacin de la curva de carga
de un da, es necesaria tan sola una ecuacin de
regresin estimada con sus respectivos
coeficientes de regresin, circunstancia que nos
arroj mayor precisin, que una sola ecuacin de servicio o como tambin calcular cual es el
regresin estimada para la prediccin de la
semana completa.
Se pudo observar en los resultados, que la
estimacin de la curva de carga diaria para la
semana de verano presenta una mejor precisin
frente a las correspondientes estimaciones
calculadas por las ecuaciones de regresin
estimada para la semana de invierno
seleccionada para el estudio, sin embargo los
errores de ambas semanas presentan
prcticamente el mismo promedio semanal del
error de las respectivas estimaciones,
permitiendo de esa manera validar una de
nuestras hiptesis.
Por otro lado la otra hiptesis que se haba
presentado en el captulo 1, la cual haca
referencia que manejando los factores que
influyen en la curva de carga de un
transformador, se puede realizar un modelo de
regresin que sea capaz de estimar la curva de
carga de dicho dispositivo de potencia, esto fue
exitosamente validado con esta investigacin
tcnica, ya que se obtuvo una prediccin
satisfactoria para las aspiraciones que se tenan.
Con el desempeo obtenido por el modelo
elaborado se puede demostrar que la aplicacin
de la regresin lineal mltiple es altamente
efectiva para las predicciones de carga.
4.1. 5.2. Solucin del problema de
investigacin
En la investigacin realizada se manifest la
importancia del funcionamiento correcto del
transformador de potencia, que asegurara una
alta calidad del servicio. Para la planificacin y
operacin de los transformadores de potencia
dentro un sistema elctrico es fundamental tener
una estimacin de las demandas que sern
abastecidas por estos dispositivos.
Consecuentemente se asume que una
adecuada estimacin de la curva de carga de un Formatted: Indent: First line: 0.2", Line spacing: Multiple
transformador de potencia sera de vital 1.15 li
importancia a la hora de prever ocasionales
sobrecargas, de modo a tomar las medidas para
mejorar el funcionamiento de este dispositivo
ante dichas sobrecargas, ya sea programando los
servicios de mantenimiento de manera a no
comprometer la continuidad y calidad del
tiempo requerido para ampliar la capacidad de
potencia instalada para satisfacer el crecimiento
ocasional de la demanda. Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li, Don't adjust space between Latin
and Asian text, Don't adjust space between Asian text and
El problema abordado en esta investigacin, numbers
es la estimacin de la curva de carga de un
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
transformador de potencia aplicando la regresin spacing: Multiple 1.15 li
lineal mltiple a una serie de datos histricos. Formatted: Indent: First line: 0.2", Space After: 8 pt, Line
Con la solucin obtenida queda spacing: Multiple 1.15 li
satisfactoriamente resuelta esta falta de un
modelo de prediccin de carga. Queda
evidenciada la veracidad de los resultados y con
ello la posibilidad de una aplicacin prctica de
este mtodo.
Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Referencias bibliogrficas. Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
[1] Administracin Nacional de Electricidad- Formatted: Font: 11 pt
ANDE. [Online] Disponible: Formatted: Space Before: 12 pt, Line spacing: Multiple
http://www.ande.gov.py 1.15 li
Formatted: Font: 10 pt
[2] Stephen J. Chapman 3ra Edicin, Mquinas
Elctricas. Formatted: Line spacing: Multiple 1.15 li
Formatted: Font: 10 pt
[3] Julio Cesar Corrales Len. Pruebas para
Formatted: Font: 10 pt
instalacin, puesta en servicio, operacin y
Formatted: Font: 10 pt
mantenimiento de transformadores de potencia,
Formatted: Line spacing: Multiple 1.15 li
marzo 1999.
Formatted: Indent: First line: 0.2", Line spacing: Multiple
[4] Ester Gutirrez Moya. La demanda 1.15 li
residencial de energa elctrica en la comunidad
Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
autnoma de Andaluca. Tesis Doctoral, 2003.
Outline numbered + Level: 2 + Numbering Style: 1, 2, 3, +
Start at: 1 + Alignment: Left + Aligned at: 0.25" + Indent at:
[5] Diniz, A. L.; Esteves, P. P. I. ; Sagastizbal 0.5"
C. A., 2007. A Mathematical Model for the Formatted: Indent: First line: 0.2", Line spacing: Multiple
Efficiency Curves of Hydroelectric units. IEEE 1.15 li
PES General Meeting, Tampa, FL, 2007, 1-7.
[6] Rojo, Jos M., 2007. Regresin lineal
mltiple.
[7] Anderson Sweeney Williams 10 edition.
Estadstica para administracin y economa.

[8] CENTRO DE PREVISIN DEL TIEMPO Y

ESTUDIOS CLIMTICOS [Online] Disponible:
http://www.cptec.inpe.br. Formatted: Font: 10 pt
Formatted: Font: 10 pt
[9] Kinter, J.L. et al The COLA Atmosphere-
Biosphere General Circulation Model. Volume1:
Formulation. Center for Ocean-Land-
Atmosphere Studies. Report n.o 51. Calverton,
USA, 1997.

[10] Javier Dolado. Validez de las Predicciones

en la Estimacin de Costes. Enero de 1999.
[Online] Disponible:
http://www.sc.ehu.es/jiwdocoj/remis/docs/valide
z/validez.htm. Commented [L7]: Falta corregir las referencias.
Formatted: Font: 10 pt