SciELO - Scientific Electronic Library Online

 
 issue59New factor for voltage sags characterizationBifurcation Analysis: Comparative study over a single machine - infinite bus system author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Revista Facultad de Ingeniería Universidad de Antioquia

Print version ISSN 0120-6230On-line version ISSN 2422-2844

Abstract

MEDINA HURTADO, Santiago; MORENO CADAVID, Julián  and  GALLEGO VALENCIA, Juan Pablo. Pronóstico de la demanda de energía eléctrica horaria en Colombia mediante redes neuronales artificiales. Rev.fac.ing.univ. Antioquia [online]. 2011, n.59, pp.98-107. ISSN 0120-6230.

El pronóstico de la demanda de energía eléctrica de un país o un sector determinado es una tarea de suma importancia no solo desde el punto de vista operativo, sino también del comercial. En este artículo se propone un modelo de pronóstico para la demanda de energía eléctrica en Colombia a nivel horario de una semana completa, mediante una Red Neuronal Artificial. El modelo utiliza información histórica en forma de datos rezagados de la serie de tiempo de demanda, así como información de eventos calendario previamente identificados que producen cambios significativos en los patrones de la demanda de energía a lo largo del año, por otra parte, el modelo propuesto considera un rezago en la información disponible para realizar los pronósticos de alrededor de tres semanas. Tal modelo fue validado a partir de datos reales de consumo de carga para una región específica de Colombia. Los resultados obtenidos fueron contrastados con un modelo auto regresivo (AR) y un modelo auto regresivo con variables exógenas (ARX). Tales resultados fueron satisfactorios en términos de la disminución general del error de ajuste, así como del comportamiento durante períodos de tiempo atípicos los cuales son difíciles de pronosticar con modelos tradicionales.

Keywords : Pronóstico; demanda de energía eléctrica; redes neuronales artificiales.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License