Modelo de predicción de la demanda eléctrica en Tenerife

Baquero Puig, Gabriel (2017). Modelo de predicción de la demanda eléctrica en Tenerife. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Description

Title: Modelo de predicción de la demanda eléctrica en Tenerife
Author/s:
  • Baquero Puig, Gabriel
Contributor/s:
  • Juan Ruiz, Jesús
  • Caro Huertas, Eduardo
Item Type: Final Project
Degree: Grado en Ingeniería en Tecnologías Industriales
Date: 2017
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 (8MB) | Preview

Abstract

En este proyecto, el principal objetivo es el de realizar predicciones a un día vista lo más precisas posibles para el caso particular de la isla de Tenerife. La energía eléctrica es un bien que no se puede almacenar, por lo que resulta de gran interés conocer las cantidades que se van a consumir a lo largo del día. Cuanto menor error se cometa, menor uso de las centrales de reserva se tendrá que hacer por lo que el precio de la electricidad descenderá y las emisiones nocivas de dichas centrales se reducirán. Este hecho se debe a que el rápido arranque de este tipo de centrales hace que se incremente el precio eléctrico y que se produzcan grandes emisiones de gases contaminantes. La demanda eléctrica se puede considerar como un conjunto de series temporales que sufren una cierta estacionalidad y cuyo comportamiento se ve afectado principalmente por dos factores: la temperatura y la festividad de los días. En el caso particular de Tenerife las diferencias de temperatura afectan la demanda, pues el uso de aparatos de refrigeración aumenta el consumo aunque no de forma tan notable como en la Península, ya que la población es menor y el intervalo de temperaturas máximas y mínimas no es tan drástico. De forma abreviada, un modelo de regresión consiste en la estimación de unos parámetros que definen el comportamiento de una variable respuesta a partir de unos datos históricos para hacer posible la posterior predicción mediante el uso de regresores. En este Trabajo de Fin de Grado, para reducir el error cometido a la hora de predecir la demanda se ha recurrido a la aplicación de modelos de regresión reg ­ARIMA univariantes para poder estudiar el comportamiento de cada hora por separado. Para ello se ha procedido tanto a la modelización de la temperatura según el modelo de regresión con splines, como al de días especiales, contado con un histórico de 10 años para poder obtener la máxima información correspondiente a la demanda de cada día. Finalmente, se ha aplicado una corrección horaria para tener en cuenta el error cometido entre horas contiguas y no acumularlo a lo largo del tiempo. Se han implementado tres modelos distintos atendiendo a variaciones de los regresores de temperatura: • Modelo 1. Se toman como regresores únicamente los datos correspondientes a la temperatura máxima. • Modelo 2. Además de las temperaturas máximas se toman las mínimas como regresores del modelo. • Modelo 3. Se diferencian además los días laborables de los festivos haciendo un desdoblamiento de temperaturas máximas y mínimas, por lo que este modelo es el que cuenta con un mayor número de regresores. Estos tres modelos proporcionan predicciones precisas y muestran qué horas, días de la semana y meses son más complicados de predecir. Aun así, el modelo que acumula menor error es el Modelo 3, por lo que se elige este último como modelo óptimo de predicción de demanda eléctrica para Tenerife y se analiza de forma detallada para llegar a las conclusiones expuestas en el Capítulo 9.

More information

Item ID: 46130
DC Identifier: http://oa.upm.es/46130/
OAI Identifier: oai:oa.upm.es:46130
Deposited by: Biblioteca ETSI Industriales
Deposited on: 27 May 2017 06:26
Last Modified: 04 May 2018 08:52
  • 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