Redes anfis

Solo disponible en BuenasTareas
  • Páginas : 17 (4225 palabras )
  • Descarga(s) : 0
  • Publicado : 8 de diciembre de 2010
Leer documento completo
Vista previa del texto
PRONÓSTICO DE LA DEMANDA DE ENERGÍA ELÉCTRICA UTILIZANDO REDES ANFIS.
Juan Carlos Pardo Sáenz Código: 200917737 jc.pardo150@uniandes.edu.co Juan Carlos Serrato Salazar Código: 200318065 jc.serrato138@uniandes.edu.co

Abstract – Por medio de la aplicación de las redes neuronales
pretendemos pronosticar la demanda energética a corto plazo de CODE SA S.A. ESP. Empresa de distribución en laregión de Bogotá y Cundinamarca. Se requiere la implementación de modelos basados en redes neuronales bajo factores de influencia tales como hora del día, día de la semana, mes, año, y variables explicativas no cuantificables como el clima, la economía y factores completamente aleatorios, de tal forma que logremos reducir porcentualmente el error medio de los pronósticos que actualmente son utilizados.Palabras Clave – Redes euronales, Pronostico de demanda energética, Variables explicativas, Factores de influencia.
I. INTRODUCCIÓN

restricciones eléctricas y operativas y en general para cualquier estudio del Sistema Interconectado Nacional. Varios han sido los métodos empleados para pronosticar la demanda de energía eléctrica. En general estos métodos pueden ser clasificados en tres grandesgrupos: Los primeros se basan en modelos estadísticos (regresiones, suavisamiento exponencial, series de tiempo y/o econométricos); los segundos son las redes neuronales, filtros Kalman y finalmente aquellos que dependen de factores económicos, climáticos, temporales, aleatorios que pueden ser representadas por redes neuro difusas. El actual desarrollo alcanzado en las redes neuro difusas permitengenerar un pronóstico con mayor precisión y velocidad. Como lo mencionamos, los modelos utilizados históricamente se basan en series de tiempo, filtros Kalman, suavisamiento exponencial los cuales suponen que la demanda energética tiene una relación lineal con sus variables explicativas, por lo cual los resultados obtenidos no son los mejores, error que se puede reducir por medio del aprendizajedesarrollado con las redes neuro difusas, por otra parte estas redes permiten utilizar entradas no cuantificables de manera exacta. Características que no se pueden lograr con otros métodos como redes neuronales o filtros Kalman.

Constante desarrollo de los mercados de energía eléctrica generan escenarios cada vez más competitivos, por lo que es de crucial importancia poseer sistemas dedistribución con planes de manejo bien estructurados. En un mercado abierto a la competencia se busca la minimización de los costos para ser competente y aumentar la utilidad. La exactitud en el pronóstico de energía a corto plazo puede ser la diferencia entre una empresa competente y una que no lo es en un mercado abierto en constante crecimiento. Ahora si tenemos en cuenta el proceso de desregulaciónen que se encuentra nuestro mercado de energía eléctrica, el ambiente de competencia ha incentivado la optimización en la distribución de los recursos limitados. Los mercados eléctricos cuentan con una caracterización muy particular, creando matices diferenciales a la mayoría de los productos, la energía eléctrica no es almacenable lo cual genera la necesidad de optimizar los pronósticos dedemanda, para justificar lo anterior, una sobre estimación de la demanda producirá energía sobrante que se desperdiciaría, el costo de esta energía extra caerá sobre el costo operacional de las empresas prestantes del servicio. Además del papel fundamental que juega en el mercado eléctrico, el pronóstico de demanda energética a corto plazo, se ha convertido en un insumo fundamental para las tareas deplaneamiento eléctrico operativo, para la determinación de las

El

II. LOS ANTECENDENTES DE LOS PRONOSTICOS DE LA DEMANDA DE ENERGÍA ELÉCTRICA Durante las últimas décadas se han implementado distintas aproximaciones con el fin de realizar proyecciones de demanda de energía eléctrica. En todas ellas se ha considerado la inclusión de otras variables, las cuales contribuyen significativamente a...
tracking img