Predicción de demanda para la flexibilidad energética
Cargando...
Autores
Director
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El crecimiento sostenido de la demanda energética y la penetración de fuentes renovables intermitentes plantean nuevos desafíos para la estabilidad de los sistemas eléctricos. Este trabajo aborda la predicción de demanda orientada a la flexibilidad energética, utilizando datos horarios provenientes de infraestructuras de medición avanzada (AMI) durante un periodo de cuatro años.
El estudio comienza con la selección de métricas estadísticas de variabilidad y dispersión, como la entropía de Shannon y el coeficiente de variación (CV), que se complementaron con visualizaciones tridimensionales e indicadores de similitud para explorar patrones de consumo. Posteriormente, se realizó un proceso de depuración y organización de los registros horarios, consolidando series continuas y agrupando usuarios en trayectorias representativas.
Sobre estas trayectorias se aplicó una descomposición matricial no negativa (NMF), que permitió extraer perfiles latentes de consumo energético. La estabilidad de dichos perfiles se verificó mediante la similitud del coseno, lo que justificó su análisis temático y su uso como base para la segmentación. A partir de estas representaciones se implementaron algoritmos de agrupamiento, con el fin de diferenciar funciones energéticas y caracterizar su comportamiento operativo.
El análisis incluyó la construcción de curvas promedio de consumo por hora y día de la semana, así como la simulación de escenarios de redistribución de carga bajo tarifas representativas. De manera complementaria, se evaluó el efecto de la flexibilidad sobre indicadores de confiabilidad del sistema eléctrico, integrando criterios técnicos y económicos en la caracterización.
Finalmente, se desarrollaron modelos de predicción de demanda basados en series de tiempo. Se implementaron modelos ARIMA y ARX sobre trayectorias energéticas previamente consolidadas, aplicando procedimientos de búsqueda de parámetros, normalización y validación mediante esquemas de pronóstico continuo. La metodología incluyó la aplicación práctica de los modelos a usuarios individuales, con el fin de evaluar su capacidad de personalización y escalabilidad institucional. (Texto tomado de la fuente)
Abstract
The sustained growth in energy demand and the penetration of intermittent renewable energy sources pose new challenges to the stability of electrical systems. This study addresses demand forecasting oriented toward energy flexibility, using hourly data from advanced metering infrastructure (AMI) over a four-year period.
The study begins with the selection of statistical metrics of variability and dispersion, such as Shannon entropy and the coefficient of variation (CV), which were complemented with three-dimensional visualizations and similarity indicators to explore consumption patterns. Subsequently, a data cleaning and organization process was conducted on the hourly records, consolidating continuous time series and grouping users into representative consumption trajectories.
Non-negative matrix factorization (NMF) was applied to these trajectories to extract latent energy consumption profiles. The stability of these profiles was verified using cosine similarity, which justified their thematic analysis and their use as a basis for segmentation. Based on these representations, clustering algorithms were implemented to differentiate energy functions and characterize their operational behavior.
The analysis included the construction of average consumption curves by hour and day of the week, as well as the simulation of load redistribution scenarios under representative tariff structures. Additionally, the effect of flexibility on electrical system reliability indicators was evaluated, integrating technical and economic criteria into the characterization.
Finally, demand forecasting models based on time series were developed. ARIMA and ARX models were implemented on previously consolidated energy trajectories, applying parameter search procedures, normalization, and validation through rolling forecast schemes. The methodology also included the practical application of the models to individual users, in order to assess their capacity for personalization and institutional scalability.
Palabras clave propuestas
Predicción de demanda energética; Flexibilidad energética; Infraestructura de medición avanzada (AMI); Entropía de Shannon; Coeficiente de variación (CV); Factorización Matricial No Negativa (NMF); Modelos ARIMA y ARX; Energy demand forecasting; Energy flexibility; Advanced Metering Infrastructure (AMI); Shannon entropy; Coefficient of variation (CV); Non-Negative Matrix Factorization (NMF); ARIMA and ARX models
Descripción
ilustraciones a color, diagramas, mapas