Análisis y mejora del modelo de predicción de demanda eléctrica

Monsalve López, María Bárbara (2016). Análisis y mejora del modelo de predicción de demanda eléctrica. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Description

Title: Análisis y mejora del modelo de predicción de demanda eléctrica
Author/s:
  • Monsalve López, María Bárbara
Contributor/s:
  • Caro Huertas, Eduardo
Item Type: Final Project
Degree: Grado en Ingeniería en Tecnologías Industriales
Date: September 2016
Subjects:
Faculty: E.T.S.I. Industriales (UPM)
Department: Ingeniería de Organización, Administración de Empresas y Estadística
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (921kB) | Preview

Abstract

El objetivo principal de este Trabajo Fin de Grado es analizar y mejorar las predicciones obtenidas al predecir la demanda eléctrica. Para llevar a cabo este estudio, se ha empleado un modelo basado en series temporales que permite realizar predicciones horarias de demanda eléctrica a corto plazo, y que ha sido desarrollado por la Departamento de Estadística de la Universidad Politécnica de Madrid. Para el correcto funcionamiento del sistema eléctrico español, es fundamental que la demanda esté cubierta en todo momento, y como la energía eléctrica no se puede almacenar, la energía demandada en cada instante, debe ser igual a la energía que se produce. Generar energía eléctrica en exceso o defecto, supondría importantes pérdidas económicas para un país, además de ser una muestra clara de que los recursos no se están gestionando de manera adecuada. Por estos motivos, es fundamental poder predecir la demanda que se va a producir a corto plazo de manera adecuada. El modelo utilizado en este trabajo tiene en cuenta las variables que más influencia tienen a la hora de predecir la demanda eléctrica a corto plazo, que son la temperatura y los días festivos o especiales. Estos dos factores provocan una incertidumbre significativa en el consumo futuro de electricidad. Para poder contemplar esas dos variables, el programa hace uso de un registro histórico de demanda de energía eléctrica horaria para el sistema eléctrico peninsular desde el día 1 de Enero de 1990, hasta el 31 de Diciembre de 2014, así como de las temperaturas que se produjeron en diez localidades españolas (Barcelona, Bilbao, Cáceres, Madrid, Málaga, Murcia, Oviedo, Sevilla, Valencia y Zaragoza). Empleando estos datos, e información de los días festivos o especiales desde el punto de vista de la demanda de energía, el programa es capaz de estimar una serie de regresores y así crear un modelo equivalente, que permite realizar predicciones de demanda. Durante este Trabajo Fin de Grado, se ha estudiado cual es el número de años de histórico óptimo necesario para conseguir las mejores predicciones de demanda empleando dicho modelo predictivo. Dependiendo de cuantos años se empleen, los regresores que modelan la temperatura, y los días especiales, estarán mejor o peor estimados, y por tanto, la predicción realizada posteriormente, será mejor o peor. En principio, cuantos más años de histórico se empleen, mejor será la estimación de los días festivos o especiales, ya que dará lugar a que cada día festivo caiga en todos los días de la semana. En cambio, al estimar los regresores que modelan la temperatura, es mejor emplear un número de años de histórico menor, ya que el número de aparatos de aire acondicionado y calefacción empleados hoy en día por la población, es más parecido al empleado hace 3 años, que 15, y además, el perfil de temperaturas de hace 15 años, es menos parecido al actual. Esta reflexión, no llevará a intentar desarrollar un modelo híbrido o a dos velocidades, en el que se emplee un número de años de histórico diferente para estimar los regresores de temperatura, y los regresores de los días especiales. Se analizarán los resultados obtenidos y se compararán con los obtenidos con el modelo original, para evaluar si de este modo se obtienen mejor predicciones o no.

More information

Item ID: 43817
DC Identifier: http://oa.upm.es/43817/
OAI Identifier: oai:oa.upm.es:43817
Deposited by: Biblioteca ETSI Industriales
Deposited on: 02 Nov 2016 15:11
Last Modified: 12 Mar 2018 11:54
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM