Estimación óptima de la evolución temporal a largo plazo de la demanda de energía eléctrica en sistemas eléctricos insulares

• Autores: Antonio Pulido Alonso
• Directores de la Tesis: Begoña González Landín (dir. tes.) , Gabriel Winter Althaus (dir. tes.)
• Lectura: En la Universidad de Las Palmas de Gran Canaria ( España ) en 2016
• Idioma: español
• Tribunal Calificador de la Tesis: Miguel Joaquín Martínez Melgarejo (presid.) , Fabián Déniz Quintana (secret.) , Juan Carlos Ballesteros Aparicio (voc.) , Julio Antonio Brito Santana (voc.) , Anastasio Pedro Santos Yanguas (voc.)
• Enlaces
  • Tesis en acceso abierto en: acceda
• Resumen

  • En esta Tesis se realiza el estudio de la demanda eléctrica anual (DEE) en las islas Canarias y Gran Canaria, y la máxima potencia punta anual (PL) en Gran Canaria con el objetivo de obtener estimaciones a largo plazo. Se realiza una consulta bibliográfica referente al tema con especial atención a las variables explicativas empleadas, metodologías aplicadas y alcance temporal. Dado que se estudia la estimación de la DEE en unas islas, se analiza el sistema eléctrico existente en las mismas.

    Posteriormente se realiza un búsqueda de datos que podrían ser empleados en la estimación de la demanda, así como predicciones futuras de las mismas, tanto económicas, como meteorológicas, poblacionales, etc. Percibimos que las variables económicas a nivel insular son escazas lo que nos obliga a utilizar variables económicas a nivel de toda la Comunidad Autónoma de Canarias. Se cuenta con pocos años de información de demanda eléctrica dividida en sectores económicos, lo que nos obliga a renunciar a la posibilidad de realizar un análisis sectorial.

    Se ha seleccionado diversos de métodos de predicción y de distinta naturaleza, métodos de inteligencia artificial y paramétricos, y se aplica a la obtención de estimaciones de la DEE en Canarias, la DEE en la isla de Gran Canaria y la PL en Gran Canaria. Se propone en el mismo, cumpliendo un objetivo trazado de la presente tesis, una función no lineal, explicita, para modelar la demanda de energía eléctrica, ajustando la misma con métodos de computación evolutiva. Se ensaya la inclusión de variables atípicas en este tipo de estudio, analizando su efecto sobre las predicciones.

    Por último conclusiones finales y posibles trabajos futuros cierran la tesis.