El pronóstico de la demanda eléctrica es un problema de gran importancia para el sector eléctrico, a partir de los resultados que se obtienen en un pronóstico los organismos reguladores toman decisiones adecuadas. Un buen pronóstico trae grandes beneficios tanto técnicos como financieros, por lo que en la actualidad se busca constantemente desarrollar modelos de predicción con el mínimo porcentaje de error, los resultados que se presentan en este trabajo corresponde al desarrollo de una red neuronal artificial para el pronóstico de la demanda eléctrica a corto plazo, utilizando las herramientas de Matlab.
La base de datos que se utilizó corresponde a las mediciones registradas por el sistema SCADA en un alimentador primario de la ciudad de Loja-Ecuador. Se emplea una red neuronal con el mínimo de capas y neuronas, sin perder la precisión del pronóstico. Para entrenar la red neuronal se realizó una adecuada selección y clasificación de las variables de entrada.
The prognostication of electricity demand is a major problem for the electricity business, the regulators agencies can make appropriate decisions based on the results obtained in a demand prognostic. A good prediction produces great technical and financial benefits, It for this reason that nowadays is necessary to develop predictive models with minimal error rate.
The results presented have been obtained by using an artificial neural network for forecasting electricity demand in the short term developed using Matlab, the database used corresponds to those recorded by the SCADA system measurements on a feeder primary of of LojaEcuador city.
An artificial neural network was implemented with the minimum of layers and neurons, without losing forecast accuracy, to train the neural network an adequate selection and classification of input variables was performed.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados