bachelorThesis
Métodos utilizados para el pronóstico de demanda de energía eléctrica en sistemas de distribución
Autor
Ariza Ramírez, Adriana Marcela
Institución
Resumen
Este trabajo de grado tiene como objeto la presentación de los métodos utilizados para el pronóstico de demanda de energía eléctrica en sistemas de distribución. En primera instancia se realiza la descripción de cada uno de los métodos, luego se presenta la metodología o procedimiento para su aplicación y posteriormente se hace la implementación de los mismos; para ello se hace uso de los siguientes programas:
Excel, XLSTAT, Minitab 15, MATLAB V2012b, SPSS 20. Se hace el modelamiento de la demanda utilizando datos históricos según los métodos expuestos en el texto y los disponibles en cada software. En el caso de MATLAB V2012b se realiza un código que aplica el método de distribución de probabilidad y redes neuronales artificiales. A partir de los resultados obtenidos se procede a determinar el modelo que mejor se ajusta al comportamiento de la demanda y con el cual es conveniente realizar el pronóstico, para la muestra de datos el modelo que presento mejor ajuste fue el generado por Redes Neuronales Artificiales con un coeficiente de correlación de 0,9985. Cabe mencionar que los resultados obtenidos son para fines académicos puesto que la base de datos disponible cuenta con 40 registros que corresponde a 3 años y 4 meses, y en la práctica se debe contar, por lo menos, con registros de 10 años para el pronóstico de demanda de energía eléctrica. The main objective of this graduation project is to show the methods used for load forecasting in electrical power distribution systems. Firstly, it makes a description about each method, and then it presents the methodology or procedure for its application and implementation. For the implementation of these methods were applied the following softwares: Excel, XLSTAT, Minitab 15, MATLAB V2012b, SPSS 20. The load is modeled using historical date according to the methods exposed in this paper and available ones in each software. In case of MAT LAB V2012b, it makes a code that applies the probability distribution method and neural networks. From the results was gotten, it is going to decide about the best load model and which is appropriate to make the forecast, in this case the best model was gotten by neural networks with a correlation coefficient of 0,9985 according database. Since way, these results are for academic purposes because the database has 40 records corresponding to 3 years and 4 months, and in practice the database have too many records around 10 years for the load forecasting.