Comparación de modelos espacio de los estados multivariantes para la predicción de la demanda eléctrica

Ortigosa Jiménez, Aritz (2016). Comparación de modelos espacio de los estados multivariantes para la predicción de la demanda eléctrica. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Descripción

Título: Comparación de modelos espacio de los estados multivariantes para la predicción de la demanda eléctrica
Autor/es:
  • Ortigosa Jiménez, Aritz
Director/es:
  • Cara Cañas, Francisco Javier
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: 2016
Materias:
Escuela: E.T.S.I. Industriales (UPM)
Departamento: Ingeniería de Organización, Administración de Empresas y Estadística
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (891kB) | Vista Previa

Resumen

Gestionar de forma óptima la demanda eléctrica puede aportar múltiples beneficios tanto a las empresas como al usuario final, disminuyendo las incertidumbres existentes en la demanda real. Esto constituye la finalidad de este trabajo utilizando distintos modelos estadísticos. La demanda eléctrica es una medida de la tasa que promedia el consumo de las instalaciones eléctricas en un período de tiempo concreto. Hay que tener en cuenta que la electricidad no se puede almacenar en grandes dimensiones con costes competitivos, por lo que el suministro y producción de electricidad tiene que ser igual al consumo demandado. La demanda varía ampliamente en función de los hábitos de uso y actividad de los clientes, la estructura de la economía, la estacionalidad, los meses, los días de la semana, las horas del día, la temperatura y la meteorología. La producción tiene unos costes que varían según del tipo de instalación y combustible. La incertidumbre de la demanda eléctrica es la principal característica ya que incide de forma significativa en el precio final del suministro de electricidad. Todo esto define el perfil de la demanda de energía eléctrica y también los precios, que son más altos en los picos de demanda, hasta cinco veces más. Es imprescindible para poder reducir la incidencia de este factor en el coste final, que los gestores conozcan con precisión cuales son aquellos mecanismos que hacen que la demanda varíe. Por estos motivos es necesario minimizar la incertidumbre de la demanda, sincronizar el suministro con dicha demanda y lograr una mayor eficiencia del sistema eléctrico. Además se debe valorar la necesidad de nuevas instalaciones sin olvidar los costes fijos y variables del sistema eléctrico, para lo que es preciso analizar la curva de carga demandada y predecir de la mejor forma posible su comportamiento futuro. Para ello se utilizan los datos de la demanda eléctrica desde enero de 2004 hasta abril de 2014. La predicción que se realiza es a corto plazo. El objetivo de este proyecto es comprobar el funcionamiento del modelo Espacio de los estados en la demanda eléctrica española con los datos proporcionados por Red Eléctrica, construir distintos modelos añadiendo distinto tipo de ruido y obtener modelos multivariantes, es decir, que trabajen no sólo con datos por horas, sino que sean capaces de asimilar y procesar con matrices de 24 horas al día por el número de días. Por lo tanto, el número de modelos estudiados ha sido 3. Todos ellos parten del modelo de Espacio de los estados.

Más información

ID de Registro: 43164
Identificador DC: http://oa.upm.es/43164/
Identificador OAI: oai:oa.upm.es:43164
Depositado por: Biblioteca ETSI Industriales
Depositado el: 26 Sep 2016 12:24
Ultima Modificación: 26 Sep 2016 12:24
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM