PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO

Víctor Gil-Vera

Resumen


Objetivo: Implementar modelos con series de tiempo para el pronóstico de la demanda mensual de electricidad (Gwh).

Materiales y Métodos: Para el desarrollo y validación de los modelos se tomaron como base los valores de la demanda de energía eléctrica en el Sistema Interconectado Nacional (SIN) de Colombia en el período 2008-2014. Se emplearon series de tiempo aditivas con tendencias lineal, cuadrática y cúbica en el software estadístico R.

Resultados: De los tres modelos desarrollados el modelo cuadrático es el que mejor ajuste presenta (R² ajustado =0.95), AIC = 954,54, BIC = 991,00).

Conclusiones: Con este trabajo se concluye que las series de tiempo aplicadas al pronóstico de la demanda de electricidad permiten predecir con un alto grado de exactitud demandas futuras de energía eléctrica (GWh), información que puede generar ventajas a productores, distribuidores y grandes consumidores a la hora de establecer estrategias, optimizar su operación y realizar contratos bilaterales.


Palabras clave


Costeo, mercados de energía, teoría de pronóstico, series de tiempo, demanda de electricidad

Texto completo:

PDF

Referencias


Arango, S., 2007. Simulation of alternative regulations in the Colombian electricity market. Socio-Economic Planning Sciences, 41(4), pp.305–319. Available at: http://www.sciencedirect.com/science/article/pii/S0038012106000255.

Botero, S.B. et al., 2008. Análisis de series de tiempo para la predicción de los precios de la energía en la bolsa de colombia. Cuadernos de Economía, 48, pp.174–207.

Brillinger, D.R., 2015. Time Series: General. International Encyclopedia of the Social & Behavioral Sciences, 2, pp.341–346. Available at: http://www.sciencedirect.com.ezproxy.unal.edu.co/science/article/pii/B9780080970868420842.

Contreras, C. & López, M., 2014. Ceramide sensing in the hippocampus: The lipostatic theory and Ockham’s razor. Molecular Metabolism, 3(2), pp.90–91. Available at: http://www.sciencedirect.com/science/article/pii/S2212877813001440.

Diebold, F., 2001. Elements of forecasting 2nd ed. South & W. C. Publishing., eds., Australia.

Dyner, I., Franco, C.J. & Arango, S., 2012. El mercado mayorista de electricidad colombiano 1st ed. C. F. de Minas, ed., Medellín: Universidad Nacional de Colombia.

Giraldo, N., 2011. Modelado y Pronóstico de la Tendencia. , pp.17–29.

Kelly, K.T., 2008. OCKHAM’S RAZOR, TRUTH, AND INFORMATION. In P. Adriaans & J. van Benthem, eds. Philosophy of Information. Handbook of the Philosophy of Science. Amsterdam: North-Holland, pp. 321–359. Available at: http://www.sciencedirect.com/science/article/pii/B9780444517265500145.

Nagaraja, C.H., 2014. Chapter 1 - Introduction to R. In M. B. Rao & C. R. Rao, eds. Computational Statistics with R. Handbook of Statistics. Elsevier, pp. 1–48. Available at: http://www.sciencedirect.com/science/article/pii/B9780444634313000012.

R Cran Project, 2015. The Comprehensive R Archive Network. , p.1. Available at: https://cran.r-project.org/.

Rendón, J.G., Hinestroza, A.G. & Moreno, L.S., 2011. DETERMINANTES DEL PRECIO DE LA ENERGÍA ELÉCTRICA EN EL MERCADO NO REGULADO EN COLOMBIA. Revista Ciencias Estratégicas., 19(26), pp.225–246.

Sandoval, A.M., 2004. Monografía del sector de electricidad y gas colombiano: Condiciones actuales y retos futuros. , pp.27–45. Available at: https://colaboracion.dnp.gov.co/CDT/Estudios Econmicos/272.pdf.

UPME, 2004. Una visión del mercado eléctrico colombiano. , pp.1–110.

Velásquez, J.. & Souza, R., 2007. or qué es tan difícil obtener buenos pronósticos de los precios de la electricidad en mercados competitivos ? , 20(34), pp.259–282.




DOI: https://doi.org/10.24050/reia.v13i26.749

Métricas de artículo

Vistas de resumen
406




Cargando métricas ...

Enlaces refback

  • No hay ningún enlace refback.




Copyright (c) 2017 Revista EIA

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.




 

 

 

 

 

UNIVERSIDAD EIA

Sede de Las Palmas: Km 2 + 200 Vía al Aeropuerto José María Córdova Envigado, Colombia. Código Postal: 055428
Tel: (574) 354 90 90. Fax: (574) 386 11 60

Sede de Zúñiga: Calle 25 Sur 42-73 Envigado, Colombia. Código Postal: 055420
Tel: (574) 354 90 90. Fax: (574) 331 34 78
NIT: 890.983.722-6

Sistema OJS - Metabiblioteca |