Comparación de dos modelos de series temporales multivariantes para la predicción de la demanda eléctrica

Ruiz Teixidor, María (2018). Comparación de dos modelos de series temporales multivariantes para la predicción de la demanda eléctrica. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM), Madrid.

Descripción

Título: Comparación de dos modelos de series temporales multivariantes para la predicción de la demanda eléctrica
Autor/es:
  • Ruiz Teixidor, María
Director/es:
  • Cara Cañas, Francisco Javier
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: Febrero 2018
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 (1MB) | Vista Previa

Resumen

El principal problema de la generación de energía eléctrica es la incapacidad de almacenar toda la energía producida. Por esta razón, es necesario que la energía generada en cada instante sea consumida prácticamente al momento. Es decir, debe existir un equilibrio constante entre producción y consumo en tiempo real. Por tanto, para poder establecer una condición óptima de equilibrio, es necesario realizar predicciones precisas de la energía eléctrica que se va a consumir. Red Eléctrica de España (REE) es el operador del sistema eléctrico en el mercado eléctrico español. Es decir, es el responsable de garantizar la gestión técnica del sistema: un correcto funcionamiento del suministro eléctrico, con seguridad y continuidad en cada instante. Para ello, Red Eléctrica Española y las empresas comercializadoras de energía realizan sus respectivas predicciones para llegar a cubrir la demanda. En concreto, REE calcula tres tipos de predicciones con diferentes horizontes a la hora de casar la demanda de energía con la oferta:  Previsión mensual con horizonte anual móvil  Previsión con horizonte semanal móvil  Previsión diaria Considerando la importancia de la exactitud de las previsiones en el sector energético, este trabajo compara dos modelos de predicción para la demanda de energía eléctrica en España, centrándose en el primer tipo de previsión: mensual con horizonte anual móvil. Los modelos estadísticos que se comparan son los siguientes: el modelo Autorregresivo Multivariante Estacionario y el modelo Espacio de los Estados. Para realizar la comparación de dichos modelos, se hace uso del programa R Studio, a través del cual se definen las ecuaciones de los modelos, las funciones necesarias para analizarlos y se representan las predicciones y resultados. Este estudio se ha realizado basándose en datos históricos de la demanda horaria de energía eléctrica en España en un periodo que comprende desde 2008 hasta 2015. Éstos han sido adquiridos a través de la página web del ENTSOE “European Network of Transmission System Operators for Electricity”: https://www.entsoe.eu/db-query/consumption/mhlv-a-specific-country-for-a-specific-month. Los datos de los que se dispone, parte de ellos se utilizan para predecir el modelo y parte de ellos para realizar la predicción. Por un lado, se seleccionan los datos desde enero de 2008 hasta octubre de 2015 para elaborar la estimación del modelo. Por otro lado, se realiza la predicción de la demanda eléctrica de España para cada hora del mes de noviembre de 2015 y se compara con los datos históricos de los que se dispone. Se elige el mes de noviembre para hacer los cálculos porque en el mes de diciembre los datos de la demanda eléctrica son más irregulares debido a las particularidades en el calendario laboral. La comparación entre modelos se basa en el error porcentual medio absoluto (MAPE), aplicado en este análisis es el error medio por cada hora del día, considerando el método más riguroso aquel que presente un valor de MAPE menor. También se evalúa la evolución del MAPE relativo, es decir, el valor del error por cada hora de cada día de noviembre, así como la media horaria del MAPE. Finalmente, después de evaluar el MAPE de las expresiones mencionadas se llega a la conclusión de que el mejor modelo para realizar la predicción es el modelo Autorregresivo Multivariante Estacionario.

Más información

ID de Registro: 50274
Identificador DC: http://oa.upm.es/50274/
Identificador OAI: oai:oa.upm.es:50274
Depositado por: Biblioteca ETSI Industriales
Depositado el: 20 Abr 2018 15:11
Ultima Modificación: 20 Abr 2018 15:11
  • InvestigaM
  • GEO_UP4
  • 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
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM