Pronostico con Redes Neuronales
Páginas: 17 (4176 palabras)
Publicado: 18 de marzo de 2013
Aplicación de Redes Neuronales para el Pronóstico de Demanda a Corto Plazo
Publicado por sectorelectricidad
Implementación de Método – Previsión de Carga a Corto Plazo
A. Huerta V; J.C. Quispe H; E.M. Ramos C; E. Fernández Q; Y.P. Molina R.
Resumen—En este trabajo se presenta una aplicación de las redes neuronales artificiales en el pronóstico de la demanda a corto plazo, haciendo usode la herramienta computacional “Neural Network” del “Toolbox” de MATLAB; se analizaron varias configuraciones de red, y se escogió una red del tipo “Feedback” con el que se obtuvo los mejores resultados, la red posee 99 neuronas en la capa de entrada que representan datos que influyen en el comportamiento de la carga, 48 neuronas en la capa de salida que representa el pronóstico de la demandaeléctrica para cada media hora del día siguiente, 2 capas ocultas que interconectan las capas de entrada y salida. El método propuesto fue probado con los datos de la demanda eléctrica del área norte del sistema eléctrico peruano, alrededor de 3 años, obteniendo un error promedio de 2.99% mientras que la desviación estándar resultó en un 3,29% en el pronóstico de la demanda.
Índices—Aprendizajedela Red, Demanda de Carga Diaria, Entrenamiento dela Red, Feedback, Feedforward, Red Neuronal y Pronóstico.
1. Introducción
El objetivo de una empresa de energía eléctrica es suministrar electricidad a sus consumidores de una forma confiable y económica. Para mejorar el suministro de energía las empresas generadoras y distribuidoras se interconectan con el objetivo de alcanzar una gamade beneficios económicos y operacionales tales como dividir el costo de la carga del sistema entre las diversas unidades generadoras, evitar inversiones innecesarias en generadoras costosas, minimizar el efecto de la contingencia en cualquier sistema, mantener la frecuencia y la tensión del sistema dentro de los límites permisibles establecidos, entre otros [1].
Con el fin de realizar tareasen conjunto cada empresa posee un centro de control y operación responsable de realizar estas tareas comunicándose además con los demás centros de control para una operación integrada [2]. Algunas funciones que realizan los centros de control:
Almacenamiento de datos que pueden ser eventos como fallas, mantenimientos, salidas de demanda de clientes libres, etc. así como también almacenarinformación de la carga eléctrica consumida.
Monitoreo continuo para seguridad del sistema: estimador de estados, análisis de contingencias, flujo de carga óptimo, flujo de carga, análisis de estabilidad transitoria, pronóstico de la demanda.
Control del despacho de generación: Control automático de generación, despacho de carga y la compra de energía entre áreas.
Para una visión general de todasestas funciones es necesario conocer de antemano el comportamiento de la demanda eléctrica es así como nace la necesidad del pronóstico de la demanda.
En el contexto del planeamiento de la operación en corto plazo de sistemas de energía eléctrica, el pronóstico de la demanda es muy importante para la elaboración del programa de operación del día siguiente; un error en el pronóstico de lademanda puede tener consecuencias serias en términos de la eficiencia y seguridad del sistema [3].
En este artículo se propone un nuevo método, basado en las Redes Neuronales Artificiales (RNA), para el pronóstico de la demanda de carga eléctrica a corto plazo que permita mejorar la confiabilidad y seguridad, y de esta manera reducir los costos de operación del Sistema Eléctrico InterconectadoNacional (SEIN).
El pronóstico de la demanda eléctrica a corto plazo comprende desde algunas horas hasta algunas semanas lo cual ayuda a proyectar diferentes procesos realizados por los operadores del SEIN, tales como: el despacho económico, la programación de transferencia de energía y el control en tiempo real.
Errores significativos en el pronóstico de la demanda pueden resultar en una...
Publicado por sectorelectricidad
Implementación de Método – Previsión de Carga a Corto Plazo
A. Huerta V; J.C. Quispe H; E.M. Ramos C; E. Fernández Q; Y.P. Molina R.
Resumen—En este trabajo se presenta una aplicación de las redes neuronales artificiales en el pronóstico de la demanda a corto plazo, haciendo usode la herramienta computacional “Neural Network” del “Toolbox” de MATLAB; se analizaron varias configuraciones de red, y se escogió una red del tipo “Feedback” con el que se obtuvo los mejores resultados, la red posee 99 neuronas en la capa de entrada que representan datos que influyen en el comportamiento de la carga, 48 neuronas en la capa de salida que representa el pronóstico de la demandaeléctrica para cada media hora del día siguiente, 2 capas ocultas que interconectan las capas de entrada y salida. El método propuesto fue probado con los datos de la demanda eléctrica del área norte del sistema eléctrico peruano, alrededor de 3 años, obteniendo un error promedio de 2.99% mientras que la desviación estándar resultó en un 3,29% en el pronóstico de la demanda.
Índices—Aprendizajedela Red, Demanda de Carga Diaria, Entrenamiento dela Red, Feedback, Feedforward, Red Neuronal y Pronóstico.
1. Introducción
El objetivo de una empresa de energía eléctrica es suministrar electricidad a sus consumidores de una forma confiable y económica. Para mejorar el suministro de energía las empresas generadoras y distribuidoras se interconectan con el objetivo de alcanzar una gamade beneficios económicos y operacionales tales como dividir el costo de la carga del sistema entre las diversas unidades generadoras, evitar inversiones innecesarias en generadoras costosas, minimizar el efecto de la contingencia en cualquier sistema, mantener la frecuencia y la tensión del sistema dentro de los límites permisibles establecidos, entre otros [1].
Con el fin de realizar tareasen conjunto cada empresa posee un centro de control y operación responsable de realizar estas tareas comunicándose además con los demás centros de control para una operación integrada [2]. Algunas funciones que realizan los centros de control:
Almacenamiento de datos que pueden ser eventos como fallas, mantenimientos, salidas de demanda de clientes libres, etc. así como también almacenarinformación de la carga eléctrica consumida.
Monitoreo continuo para seguridad del sistema: estimador de estados, análisis de contingencias, flujo de carga óptimo, flujo de carga, análisis de estabilidad transitoria, pronóstico de la demanda.
Control del despacho de generación: Control automático de generación, despacho de carga y la compra de energía entre áreas.
Para una visión general de todasestas funciones es necesario conocer de antemano el comportamiento de la demanda eléctrica es así como nace la necesidad del pronóstico de la demanda.
En el contexto del planeamiento de la operación en corto plazo de sistemas de energía eléctrica, el pronóstico de la demanda es muy importante para la elaboración del programa de operación del día siguiente; un error en el pronóstico de lademanda puede tener consecuencias serias en términos de la eficiencia y seguridad del sistema [3].
En este artículo se propone un nuevo método, basado en las Redes Neuronales Artificiales (RNA), para el pronóstico de la demanda de carga eléctrica a corto plazo que permita mejorar la confiabilidad y seguridad, y de esta manera reducir los costos de operación del Sistema Eléctrico InterconectadoNacional (SEIN).
El pronóstico de la demanda eléctrica a corto plazo comprende desde algunas horas hasta algunas semanas lo cual ayuda a proyectar diferentes procesos realizados por los operadores del SEIN, tales como: el despacho económico, la programación de transferencia de energía y el control en tiempo real.
Errores significativos en el pronóstico de la demanda pueden resultar en una...
Leer documento completo
Regístrate para leer el documento completo.