Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Los pronósticos de demanda son de vital importancia pues permiten obtener un buen
planeamiento de la operación de los sistemas eléctricos; además, influyen en la toma de
decisiones operativas y estratégicas respecto a que cantidad y a qué precio será conveniente las
transacciones con otras empresas del sector.
Estos pronósticos al poseer diferentes tiempos de evaluación ayudan a determinar si en algún
momento se llegase a obtener déficits en los diferentes campos de dicho sistema, teniendo
como consecuencia la implementación de nuevas centrales, líneas de transmisión, entre otros
aspectos, con el fin de indicar que existe un exceso en relación con la capacidad de generación
y en un futuro satisfacer la demanda energética.
La realización de un pronóstico subestimado podría provocar un déficit del sistema frente un
alza de la demanda, y por consiguiente comprometer la confiabilidad y seguridad de sistema.
Por el contrario si se realizara un pronóstico sobrestimado, los costos de oportunidad pueden
ser elevados al tener comprometida improductivamente cuantiosos fondos económicos por
largos períodos de tiempo.
Métodos de pronóstico
Métodos estadísticos
Métodos basados en inteligencia artificial
Métodos de intuición humana
Métodos estadísticos
Son aquellos basados en análisis de series de tiempo y en los cuales se asume que la
demanda es una combinación lineal de variables independientes.
a. Regresión lineal
Donde:
𝑦(𝑡): 𝑑𝑒𝑚𝑎𝑛𝑑𝑎
𝑥𝑖 (𝑡): 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑎 (𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎, 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑑í𝑎, 𝑒𝑡𝑐. )
𝑎(𝑡): 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 (𝑚𝑒𝑑𝑖𝑎 𝑐𝑒𝑟𝑜 𝑦 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒)
𝑎0 , 𝑎1 , … , 𝑎𝑛 : 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛
b. Suavizamiento exponencial
Donde:
𝑦(𝑡): 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑎𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑡
𝑢(𝑡): 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑎𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑡
𝐵: 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟 𝑑𝑒 𝑟𝑒𝑡𝑎𝑟𝑑𝑜 → 𝑦(𝑡 − 𝑚) = 𝐵𝑚 ∗ 𝑦(𝑡)
𝑝: 𝑜𝑟𝑑𝑒𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑅𝐴
𝑎(𝑡): 𝑒𝑟𝑟𝑜𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜
𝑞: 𝑜𝑟𝑑𝑒𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑀𝐴
𝑑: 𝑜𝑟𝑑𝑒𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑐𝑖ó𝑛
𝑆: 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑒𝑠𝑡𝑎𝑐𝑖𝑜𝑛𝑎𝑙
a. Sistemas expertos
Este sistema toma como referencia el conocimiento declarativo (hechos sobre objetos,
situaciones) y el conocimiento de control (información sobre el seguimiento de una
acción), la cual es usada para predecir usando un razonamiento (inferencias),
explorando e conocimiento de los especialistas para el desarrollo de las reglas de
inferencia.
ESCUELA POLITÉCNICA NACIONAL
DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA
b. Lógica difusa
Consiste en acotar un grupo de variables de entrada en una salida usando instrucciones
lógicas. Las reglas son obtenidas de los datos históricos usando un algoritmo de
aprendizaje.
Peceptron multicapa
Red de elementos lineales adaptativos (Madaline)
Redes Feedforward
Redes Feedforward con retardos temporales (TLFN)
Redes recurrentes (Jordan)
Conclusiones
Se logró conocer de mejor manera los diferentes métodos que existen para determinar
el crecimiento de la demanda energética, así como sus ventajas, desventajas y nivel de
precisión que tiene cada uno con respecto a otro.
En cuanto a los métodos estadísticos se refiere, el manejo de estos resulta ser el más
complicado ya que implica la utilización de diferentes operadores que en teoría su
cálculo implica tiempo y de no existir el equipo necesario, no serían eficientes al
momento de analizar un incremento de demanda.
Bibliografía
[1]. Herrera O. Lorena del Pilar, “Pronóstico de la Demanda Utilizando Inteligencia artificial”,
Tesis, Escuela Politécnica Nacional, 2007. [Online]. Disponible en:
http://bibdigital.epn.edu.ec/bitstream/15000/464/1/CD-0836.pdf
ESCUELA POLITÉCNICA NACIONAL
DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA