Pronosticos

LAJED No 15

ISSN 2074 - 4706

Mayo 2011

45 - 77

Análisis y pronóstico de la demanda de potencia eléctrica en Bolivia: una aplicación de redes neuronales
Power Electric Demand in Bolivia Analysis and projection: A Neuronal Network Application

Gimmy Nardó Sanjinés Tudela*

Resumen
El objetivo del presente trabajo de investigación es analizar la demanda de energía eléctrica enBolivia con base en el pronóstico de series de tiempo. La predicción de datos futuros desde la perspectiva económica es importante porque se utiliza para optimizar la asignación de la energía en el tiempo, bajo la premisa de que cualquier mejora en la disminución del error de pronóstico representa una mejora en el excedente del consumidor. El pronóstico, por su complejidad, es realizado básicamentemediante cuatro fases; modelos armónicos, modelos Arima x Sarima, modelos Arma-Garch y finalmente modelos con base en redes neuronales artificiales. Los resultados muestran que el mínimo error se logra utilizando redes neuronales artificiales, y finalmente se concluye que el beneficio económico por la implementación de los modelos de redes neuronales artificiales en la predicción de la demanda depotencia eléctrica se presenta por la reducción de los costos incrementales generados por el error de pronóstico.

*

Investigador del Instituto de Investigaciones Socio Económicas (IISEC-UCB). La Paz–Bolivia. g_sanjinez_t@ucb.edu.bo

45

Análisis y pronóstico de la demanda de potencia eléctrica en Bolivia

Abstract
The objective of this research is to analyze the demand forelectricity in Bolivia, based on time series forecasting. The prediction of future data from the economic perspective is important because it is used to optimize the power allocation over time under the premise that any improvement in forecast error reduction is an improvement in consumer surplus. The prognosis for its complexity is done primarily through four phase’s harmonic models, models Arima xSarima, Arma-Garch models and finally models based on Artificial Neural Networks. The results show that the minimum error is achieved using artificial neural networks and finally concluded that the economic benefit from the implementation of artificial neural network models in predicting the electrical power demand is presented by the reduction of incremental costs generated by the forecast error.Palabras clave: Demanda eléctrica, asignación energética, inteligencia artificial, redes neuronales artificiales, modelado en espacio de frecuencias, pronóstico, Modelos Arima x Sarima, Modelos Arma-Garch, estimación de número de armónicas, transformada de Fourier. Keywords: Electrical demand, Allocation Energetics, Artificial intelligence, Artificial Neuronal Networks, Modeled in Space ofFrequencies, Forecast, Models Arima x Sarima, Arma - Garch Models, Estimation of Number of Harmonicas, Transformed of Fourier. Clasificación / Classification JEL: C45, Q41

1. Introducción
La energía eléctrica es un recurso esencial que forma parte de las actividades del ser humano, por esto es de especial interés, tanto para las autoridades que regulan el sector eléctrico como para las empresasinvolucradas en este sector, que el manejo del recurso sea eficiente. Dada la importancia del sector, los elementos que se deben manejar son la planeación, la asignación y la minimización de costos. Esto es necesario para lograr un uso racional del recurso buscando la sustentabilidad (García, 2010). La planeación, como pilar fundamental, involucra generalmente el pronóstico del nivel de demanda comobase para la oferta del sistema y la creación de políticas y normas, logrando de esta manera el óptimo desempeño del sistema; de manera indirecta se busca que los usuarios finales del recurso posean conciencia y educación para su uso.
46

Gimmy Nardó Sanjinés Tudela

El Comité Nacional de Despacho de Carga (CNDC) es la institución encargada de la planificación y la operación del Sistema...