Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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
programas; Excel, Minitab15, XLSTAT, Matlab Formatted: Indent: First line: 0.2", Line spacing: Multiple
V2012b, SPSS 20 present los mtodos de RNA, 1.15 li
Micro reas, Holt Winter y tambin por el 2. 2. Mtodo. Formatted: Font: 11 pt
mtodo de la regresin lineal mltiple [3]. 2.1. Diseo de la investigacin Formatted: List Paragraph, Left, Indent: Left: 0", Hanging:
2.1. 2.1.1. Enfoque 0.2", Line spacing: 1.5 lines, Outline numbered + Level: 1 +
En el 2015, Isabel Britez Fernndez, Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
Aligned at: 0.25" + Indent at: 0.5"
Luis Barrientos Mujica y Sebastin Arce Encina, Este trabajo de investigacin tcnica se
caracterizo por basarse en la recoleccin de datos Commented [L5]: El trabajo de Adriana no se coloc en la
publicaron un artculo en el cual ajustaron un
referencia.
modelo de Redes Neuronales Artificiales que histricos, utilizados por un modelo de regresin
Formatted: Font: 10 pt
permitiera predecir el comportamiento de carga lineal mltiple para estudiar y conocer la relacin
del transformador [4]. que existe entre la temperatura ambiente, Formatted: Font: 10 pt, Font color: Auto
El presente trabajo, tiene como objetivo discretizada hora a hora durante un da, con cada Formatted: Font: 10 pt
principal estimar la curva de carga de un una de las respectivas horas de dicho da; de tal Formatted: Indent: First line: 0.2", Line spacing: Multiple
transformador de potencia para un periodo de manera a poder obtener un modelo de prediccin. 1.15 li
corto plazo, donde se ajustar el modelo de Debido a esta naturaleza del problema, esta Commented [L6]: No corresponde a la referencia mencionada.
regresin lineal mltiple para cada da de la investigacin es del tipo cuantitativa. Formatted: Font: 10 pt
semana partir de datos histricos recogidos de un Formatted: Indent: First line: 0.2", Line spacing: Multiple
2.2. 2.1.2. Alcance de la investigacin
transformador de potencia tomando como 1.15 li
variables la potencia real y la temperatura Considerando el uso de las variables que Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
ambiente para las 24hs del da. Atendiendo a Outline numbered + Level: 2 + Numbering Style: 1, 2, 3, +
intervienen en el problema, tales como la
Start at: 1 + Alignment: Left + Aligned at: 0.25" + Indent at:
continuar la lnea investigativa de [11] y temperatura, la hora del da y la potencia y 0.5"
esperando poder ampliar el alcance de las utilizando una tcnica estadstica, la regresin Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
aplicaciones tcnicas de las predicciones de la lineal multiple la cual hace uso de la relacin de spacing: Multiple 1.15 li
demanda de potencia de los transformadores de dos variables independientes, que vienen a
nuestro sistema elctrico por medio de este representar dos de los tantos factores que
mtodo estadstico. influyen en la potencia de un transformador
(variable dependiente). Esta relacin entre las Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
1.4. 1.4. Hiptesis Outline numbered + Level: 2 + Numbering Style: 1, 2, 3, +
variables viene limitada en sus resultados de
Start at: 1 + Alignment: Left + Aligned at: 0.25" + Indent at:
Manejando los factores que influyen en la no prediccin, es decir, los modelos de regresin 0.5"
linealidad de la naturaleza de la curva de carga que pronostican la demanda de potencia real del Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
transformador fueron proyectados para un regresin lineal mltiple, este proceso se realiz
alcance a corto plazo. a travs de una herramienta computacional.
Es evidente la funcin que cumple este La potencia del transformador en estudio est Formatted: Indent: First line: 0.2", Line spacing: Multiple
trabajo a la hora de establecer relaciones entre directamente relacionada con la demanda de 1.15 li
variables, necesitando un sentido de causalidad, energa del extremo receptor de la lnea de
analizando la relacin entre causa y efecto entre transmisin que est alimentando, en otras Formatted: Line spacing: Multiple 1.15 li
variables, al tener esta profundidad, la cual es palabras la demanda de energa elctrica Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
spacing: Multiple 1.15 li
caracterstica de un alcance explicativo, lo determina las exigencias del transformador. Esta
asumimos por tal. demanda a su vez depende de diversos factores Formatted: List Paragraph, Indent: Left: 0", Hanging: 0.3",
Space Before: 12 pt, Outline numbered + Level: 2 +
de todo tipo de ndole, ya sean sociales, polticos Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
o geogrficos, y es por este motivo que se opt Aligned at: 0.25" + Indent at: 0.5"
por elegir cuidadosamente la variable que influye Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
en la demanda de energa para ser utilizada en spacing: Multiple 1.15 li
2.3. 2.1.3. Mtodo aplicado para la solucin este trabajo. Esto se debe a las limitaciones que Formatted: Indent: First line: 0.2", Line spacing: Multiple
del problema se tienen en relacin a tiempo, presupuesto, 1.15 li, Tab stops: Not at 0"
conocimiento y acceso a los datos requeridos Formatted: Font: (Default) Times New Roman, 10 pt, Bold,
En la investigacin, para resolver el problema Font color: Text 1
para llevar a cabo una investigacin tcnica.
abordado, se utiliz un modelo matemtico de Formatted: List Paragraph, Justified, Indent: Left: 0",
Ser utilizado un modelo de regresin lineal
[5], como base, partiendo del mismo hasta Hanging: 0.3", Space Before: 12 pt, Outline numbered +
mltiple para la potencia del transformador en Level: 2 + Numbering Style: 1, 2, 3, + Start at: 1 +
obtener el modelo de regresin ms apropiado Alignment: Left + Aligned at: 0.25" + Indent at: 0.5"
funcin a la hora del da y la potencia del
para nuestras necesidades, a travs de una serie
dispositivo registrado a dicha hora, representada Formatted: Font: 10 pt, Font color: Text 1
de pruebas y modificaciones del modelo base. El
por (H) y (T) respectivamente como se muestra Formatted ...
camino para calcular el valor de los coeficientes
en la ecuacin (2.1). Esta es un modelo de Formatted: Font: 10 pt
de dicho polinomio es el de la regresin lineal
regresin de cuarto orden con dos variables
mltiple. Formatted: No Spacing, Indent: Left: 0", Hanging: 0.2",
predictoras. Line spacing: Multiple 1.15 li
2.1.4. Descripcin del modelo y del P = b0 + b1 H + b2 T + b3 HT + b4 H 2 + b5 T 2 + Formatted: Indent: First line: 0", Line spacing: Multiple
mtodo utilizado 1.15 li
b6 HT 2 + b7 H 2 T + b8 H 2 T 2 + b9 H 3 + b10 T 3 +
2.4. Formatted: Indent: First line: 0.2", Line spacing: Multiple
u (2.1) 1.15 li
Modelo matemtico Modelo de regresin lineal simple Formatted: Indent: First line: 0.2", Line spacing: Multiple
1.15 li
Considere la siguiente Ec. (2.2):
Para la obtencin del modelo de regresin Formatted: Right, Line spacing: Multiple 1.15 li
lineal mltiple que nos permita realizar una =0+1 Formatted ...
prediccin confiable de la curva de carga, se (2.2) Formatted ...
tom como punto de partida un modelo base,
Formatted: Line spacing: Multiple 1.15 li
que est representado por un polinomio de cuarto Donde los coeficientes de dicho modelo son Formatted: Indent: First line: 0.2", Line spacing: Multiple
grado [5], con la adicin y eliminacin de calculados por medio de la covarianza y mnimos 1.15 li
trminos al polinomio base se llevaron a cabo cuadrados. Formatted: Justified, Indent: First line: 0.2", Line spacing:
una serie de pruebas de las distintas Multiple 1.15 li
modificaciones a dicho modelo, con lo que se Formatted: Line spacing: Multiple 1.15 li
logr obtener un modelo de regresin que - Covarianza Formatted: Right, Line spacing: Multiple 1.15 li
satisfactoriamente cubra las expectativas que se
1 = Formatted ...
tienen sobre el propsito del trabajo, lo 2
anteriormente acotado se logr con la adaptacin (2.3) Formatted: Indent: First line: 0.2", Space Before: 0 pt, Line
spacing: Multiple 1.15 li
del modelo [5] a las caractersticas de nuestro Donde es llamado covarianza, y su
Formatted ...
problema, y de esa manera poder contar con el expresin es:
modelo de regresin que mejores resultados ( )( ) Formatted: Right, Line spacing: Multiple 1.15 li
= (2.4)
arroj. Se opt por este camino debido a la no Formatted ...
= 1 , 2 , , (2.5)
linealidad caracterstica de la curva de carga de Formatted: Line spacing: Multiple 1.15 li
= 1 , 2 , , (2.6)
un transformador de potencia. Formatted ...
Formatted ...
Los coeficientes para el modelo matemtico
Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
sern calculados a travs del mtodo de 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
del suelo y del interior del dosel, humedad del variaciones verticales rpidas principalmente en Formatted: Font: 10 pt
suelo, entre otras. el campo de temperatura [9]. Formatted: Font: 10 pt
Las ecuaciones del modelo se escriben en la Los resultados de estas predicciones son Formatted: Font: 10 pt
forma espectral y las ecuaciones del movimiento presentadas al mercado como Meteogramas. El Formatted: Font: 10 pt
horizontal se transforman en las ecuaciones de la trmino Meteograma que se aplica al rea del
Formatted: Font: 10 pt
vorticidad y la divergencia, lo que facilita tanto tiempo se puede definir como "Una
Formatted: Font: 10 pt
el tratamiento espectral como la implantacin del representacin grfica de tendencias en variables
mtodo semi-implcito de integracin en el meteorolgicas tales como temperatura, punto de Formatted: Font: 10 pt
tiempo. Tambin existe un esquema de arranque roco, velocidad y direccin del viento, presin, Formatted: Font: 10 pt
utilizando los modos normales del modelo etc.". Con una prediccin confiable de la Formatted: Font: 10 pt
linealizado sobre un estado bsico en reposo y temperatura ser posible una buena estimacin Formatted: Font: 10 pt
con temperatura en funcin slo de la vertical; con el modelo de regresin. Formatted: Font: 10 pt
eEsta inicializacin incluye los trminos
2.6.3. 2.3.3. Clculo de los coeficientes Formatted: Font: 10 pt
referentes a los procesos diabticos.
Formatted: Font: 10 pt
Las ecuaciones del modelo se resuelven por Para obtener la ecuacin de regresin
medios numricos. Como el sistema es altamente Formatted: Font: 10 pt
mltiple estimada que describe la relacin entre
no lineal, hay que discretizar las cuatro Formatted: Font: 10 pt
las variables independientes y la variable
dimensiones. El tiempo se divide en pasos con dependiente, y de esa manera usar dicha Formatted: Font: 10 pt
espaciamientos regulares fijos y la diferenciacin ecuacin para calcular el valor de la media de las Formatted: Right, Indent: First line: 0", Line spacing:
es hecha por un mtodo semi-implcito que Multiple 1.15 li
y para valores dados de 1 , 2 , , ; se deben
involucra las ecuaciones de la continuidad, la conocer los valores de 0, 1 , 2, , , para ello Formatted: Font: 10 pt
divergencia y la termodinmica, mientras que las fue necesario estimarlos a partir de datos Formatted: Font: 10 pt
ecuaciones de la vorticidad y la conservacin de muestrales. El mtodo de mnimos cuadrados Formatted: Font: 10 pt
la humedad especfica se tratan explcitamente; como ya se dijo es el que se utiliz para obtener Formatted: Font: 10 pt
Es debido al hecho de que las primeras son las la ecuacin de regresin mltiple. El criterio de Formatted: Font: 10 pt
responsables de la generacin de ondas de alta mnimos cuadrados es el siguiente:
frecuencia. Las variaciones espaciales en las dos Formatted: Font: 10 pt
2 Formatted: Font: 10 pt
dimensiones horizontales son representadas por ( )
coeficientes de proyeccin sobre una base de (2.237) Formatted: Font: 10 pt
funciones que forman un conjunto orto normal Formatted: Font: 10 pt
Como indica la expresin (2.273), el mtodo proporcionan determinadas variables estadsticas. Formatted: Indent: First line: 0.2", Line spacing: Multiple
de mnimos cuadrados emplea datos muestrales En definitiva, lo que queremos es realizar 1.15 li
para obtener los valores de 0 , 1 , 2 , , , que predicciones lo ms acertadas posibles y para Formatted: Font: 10 pt
hacen que la suma de los cuadrados de los medir esa capacidad de prediccin se deben Formatted ...
residuales (las diferencias entre los valores utilizar variables predictivas principalmente, no
observados de la variable dependiente ( ) y los slo explicativas. Las variables explicativas Formatted ...
valores estimados de la variable dependiente suelen evaluar la bondad de ajuste del modelo,
( )) sea un mnimo. En la regresin mltiple, estas son el Formatted ...
como ya se mencion, las frmulas para 2 ( ) Formatted ...
calcular 0 , 1 , 2 , , 10, emplean lgebra de (coeficiente de determinacin mltiple) y el
Formatted ...
matrices. Para tal efecto se dispusieron los coeficiente de correlacin [10].
valores histricos de las variables independientes La capacidad de prediccin tambin puede
(horas del da y sus respectivas temperaturas depender de los criterios manejados para medir
ambiente) en forma de matrices. la bondad de ajuste, es por ello que el coeficiente
de determinacin mltiple y el coeficiente de
= 0 + 1 H + 2 T + 3 HT + 4 H 2 + 5 T 2 + correlacin, pueden dar una idea equivocada Formatted: Right, Line spacing: Multiple 1.15 li
6HT 2 + 7H 2 T + 8 H 2 T 2 + 9 H 3 + 10 T 3 sobre las capacidades predictivas del modelo de Formatted ...
(2.248) estimacin en cuestin. Por tanto, tambin se
deben examinar medidas claramente predictivas
Debido a la complejidad que asumen los Formatted: Indent: First line: 0.2", Space After: 8 pt, Line
como la magnitud media del error relativo
clculos de la expresin (233.31), fue necesario spacing: Multiple 1.15 li
(MMRE). Esta cuestin es muy importante,
emplear un paquete de software para realizarlos. Formatted ...
puesto que la toma de decisiones depende de los
Siguiendo una serie de procedimientos, se
criterios utilizados.
obtiene el polinomio (2.248) estimado con sus
Los criterios para determinar la bondad de las Formatted: Indent: First line: 0.2", Line spacing: Multiple
respectivos coeficientes, dichos procedimientos 1.15 li
predicciones se basan en el examen de los
describen el uso de la herramienta de regresin
valores del coeficiente de correlacin y,
de Excel para obtener la ecuacin de regresin
principalmente, del coeficiente de determinacin
estimada para el problema.
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
2.6.4. 2.3.4. Obtencin de los puntos
numbers
estimados por el modelo variables independientes. Se puede interpretar
Formatted ...
como el cuadrado del coeficiente de correlacin
Una vez calculados los coeficientes Formatted ...
de Pearson entre las variables dependiente e
0, 1 , 2 , , 10, se procede a la generacin de Formatted: Font: 10 pt
independiente, o tambin como el cuadrado del
los puntos de las curvas diarias de potencia del coeficiente de correlacin entre los valores reales Formatted: Indent: First line: 0.2", Line spacing: Multiple
transformador para cada da de la semana por de una variable y sus estimaciones. Si todas las 1.15 li
medio de su respectivo modelo. Todos los Formatted
observaciones estn en la lnea de regresin, el ...
clculos son efectuados con el mismo paquete de
valor del 2 es 1, y si no hay relacin lineal entre Formatted ...
regresin de la herramienta computacional,
las variables dependiente e independiente, el
debido a la complejidad de los mismos. El
valor del 2 es 0. El coeficiente 2 es una Formatted ...
polinomio (2.248) fue el utilizado para la
medida de la relacin lineal entre dos variables. Formatted ...
generacin de puntos a partir de los resultados
A medida que su valor es mayor, mejora el ajuste
arrojados por el modelo estimado.
de la recta a los datos, puesto que la variacin
explicada es mayor; as, el desajuste provocado
2.6.5. 2.3.5. Validacin del modelo 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:
Dependiendo del modelo utilizado, 0.39", Space Before: 12 pt, Outline numbered + Level: 3 +
obtendremos mejores o peores resultados. La valores explicativos, no predictivos. Ni el R2 ni Numbering Style: 1, 2, 3, + Start at: 1 + Alignment: Left +
eleccin de uno u otro modelo de prediccin se el coeficiente de correlacin son las medidas ms Aligned at: 0.25" + Indent at: 0.75"
realizan segn las caractersticas del entorno de adecuadas para evaluar la prediccin de un Formatted: Font: 10 pt
estimacin (experiencia con los modelos) y su modelo; en el mejor de los casos, se trata de Formatted: Indent: First line: 0.2", Space After: 0 pt, Line
posterior validacin, segn los valores que 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 ...