Ir al contenido

Documat


Resumen de Técnicas neuronales y estadísticas para la predicción de la demanda eléctrica

Vidal Alonso Secades Árbol académico, Manuel Martín-Merino Acera Árbol académico, Ramón Ardanuy Albajar Árbol académico, Alfonso José López Rivero Árbol académico, Alberto Pedrero-Esteban Árbol académico, Marcelo Vallejo García Árbol académico, Jesús Ángel Román Gallego Árbol académico

  • La energía eléctrica se ha convertido en un bien indispensable y de gran interés estratégico para la economía de los países avanzados. Por esta razón las compañías eléctricas deben adecuar la producción a la demanda para garantizar a sus clientes la calidad de servicio contratada a un precio competitivo. Para conseguir este objetivo es necesario predecir la demanda de energía con antelación suficiente para poder planificar la producción. Una predicción inferior al consumo hará que el proveedor deba comprar en energía en el mercado nacional intradiario o que deba generar la energía faltante por medios más caros de los que se hubieran utilizado con una predicción correcta. Esto supondrá pérdidas económicas tanto para la empresa como para sus clientes. Además, si el resto de compañías han subestimado la demanda se pueden incluso producir cortes en el suministro con pérdidas económicas importantes. Por otro lado, sobreestimar la demanda implica que es necesario vender la energía sobrante en el mercado intradiario a un precio inferior al deseado perdiendo dinero. Por tanto, es muy importante predecir la demanda de energía futura con el menor error posible. Sin embargo, el consumo de energía depende de muchos factores como la estación del año, la temperatura, el día de la semana, etc. Esto hace que su predicción sea un problema complejo que requiere el uso de técnicas sofisticadas.

    En este proyecto, hemos abordado dos problemas específicos que interesan a las eléctricas: predicción de la demanda máxima de energía y predicción del consumo por franjas horarias.


Fundación Dialnet

Mi Documat