Análisis de Variables Temporales para la Predicción del Consumo Eléctrico

• Autores: D. Lizondo, V. Jiménez:, Fernando Villacis, A. Will, S. Rodríguez
• Localización: Revista Técnica "energía", ISSN-e 2602-8492, ISSN 1390-5074, Vol. 11, Nº. 1, 2015 (Ejemplar dedicado a: Revista Técnica "energía", Edición No. 11), págs. 5-12
• Idioma: español
• Enlaces
  • Texto completo
• Resumen
  • español

    El problema de la predicción de consumo eléctrico a corto plazo o Short Term Load Forecasting (STLF), es un tema de capital importancia para las empresas de energía en la actualidad, ya que permite un manejo más eficiente, permitiendo un mejor aprovechamiento de los equipos y recursos. La predicción de la demanda es un problema complejo, ya que está relacionada a factores económicos, climáticos, temporales, y su comportamiento varía de una sociedad a otra. Cada uno de estos factores aporta determinadas variables que pueden ser representadas de diferentes maneras, en particular las temporales. Se plantea en este trabajo la hipótesis que el método utilizado para presentar las variables temporales a un sistema de predicción de consumo eléctrico afecta los resultados. Para verificar la hipótesis planteada, consideramos diferentes métodos de representación de estas variables, aplicados al problema de predicción de valores diarios de consumo eléctrico en la provincia de Tucumán, Argentina. La división de la variable temporal en variables día, día de la semana, mes y año en forma individual para cada periodo involucrado en el problema, resultó ser el método más conveniente, obteniendo una mejora de hasta el 10,56% respecto de otros métodos considerados.

  • English

    Short Term Load Forecasting (STLF) currently is a major importance issue for Energy Companies. STFL allows a more efficient manage and use of resources and equipment. The electric demand prediction is a complex issue, since it depends or is related to economic factors, climate and time to mention a few. Furthermore, its behaviour changes from one society to another. Each factor provides a particular variable that could be presented in different forms, particularly the time variables. In this paper we present the hypothesis that the way an input variable is introduced to an energy prediction system affects the result. To validate this hypothesis, different methods to represent time variables were considered and applied to the prediction problem of daily electric consumption in Tucumán, a province of Argentina. The separation of the time variables into single variables representing the day, day of the week, month and year for each period involved into the problem, was the most convenient method. The improvement of this method was about the 10 % in comparison to the others.