Modelo estimador del pronóstico de demanda eléctrica a partir de datos históricos obtenidos de medidores inteligentes

Abstract

El siguiente trabajo desarrolla un modelo de pronóstico de demanda de energía a partir del empleo de datos aportados por medidores inteligentes. El algoritmo híbrido de optimización propuesto para el análisis fue implementando al integrar herramientas como series de Fourier, regresión simbólica y algoritmo multiobjetivo. Los resultados obtenidos son planteados sobre una base histórica de tres años. El estudio de pronóstico presentado se obtuvo a partir de un modelo estimador que acopla variables climáticas como presión, nubosidad, humedad, temperatura, dirección y velocidad del viento. Como también aspectos como el tipo de construcción, tipo de medidor, entre otros que contribuyen en un pronóstico a fin con el comportamiento base de demanda de energía de los usuarios analizados. Inicialmente se desarrolla el planteamiento del modelo de algoritmo híbrido empleado con el cual se realizarán los pronósticos de demanda de energía, realizando una descripción del funcionamiento de este. Posteriormente se realiza la implementación del algoritmo planteado en varios escenarios de tiempo, implementación que se desarrolla al disponer de datos históricos base de demanda de energía con los cuales se efectúan las pruebas del algoritmo, consecutivamente se evaluarán los resultados obtenidos sobre los datos de prueba de entrenamiento elegidos y prueba del código. (Texto tomado de la fuente)

The following work develops an energy demand forecasting model based on the use of data provided by smart meters. The hybrid optimization algorithm proposed for the analysis was implemented by integrating tools such as Fourier series, symbolic regression and multiobjective algorithm. The results obtained are presented on a three-year historical basis. The forecast study presented was obtained from an estimator model that couples climatic variables such as pressure, cloud cover, humidity, temperature, direction, and wind speed. As well as aspects such as the type of construction, type of meter, among others that contribute to a forecast in order with the base behavior of the energy demand of the analyzed users. Initially, the approach to the hybrid algorithm model used is developed with which the energy demand forecasts will be made, making a description of its operation. Subsequently, the implementation of the algorithm proposed in various time scenarios is carried out, an implementation that is developed by having historical data base of energy demand with which the algorithm tests are carried out, the results obtained on the test data of chosen training and code testing.