Pronóstico de la demanda de energía en Colombia a corto plazo basado en un modelo híbrido adaptativo.

Abstract

La precisión del pronóstico de la demanda horaria de energía eléctrica es fundamental para realizar una planificación adecuada de los recursos de generación, ya que las desviaciones altas en el pronóstico generan sobrecostos en la operación del sistema. En este trabajo se propone una metodología novedosa de pronóstico basada en el agrupamiento de series de tiempo y los modelos ARIMA; específicamente, el modelo realiza el agrupamiento por tipos de día; seguidamente, agrega las series pertenecientes a un mismo grupo; luego, descompone las series agregadas usando descomposición aditiva; después, se pronostican las series con modelos ARIMA donde se utilizan como variables exógenas las componentes espectrales de Fourier para considerar la estacionalidad y finalmente, se combinan los pronósticos. El modelo propuesto fue utilizado para pronosticar la demanda horaria desde el 13 de enero de 2020 hasta el 15 de marzo de 2020. Los pronósticos del modelo propuesto fueron comparados con los pronósticos del modelo del Centro Nacional de Despacho (Colombia), encontrándose mejoras de hasta un 50% en la precisión con el modelo propuesto. (Texto tomado de la fuente)

The forecasting accuracy of the hourly electricity demand is essential for planning the resources of generation, since high deviations in the forecast generate cost overruns in the system’s operation. In this research, a novel forecasting methodology based in clustering time series and ARIMA models is proposed; specifically, the model performs the clustering by types of day, then adds the time series belonging to the same cluster; it later decomposes the aggregate series using additive decomposition, then time series are forecasted with ARIMA models where the Fourier spectral components are used as exogenous variables to consider seasonality and finally, the results of the forecast are combined. The proposed model was used to forecast hourly demand from January 13, 2020 to March 15, 2020. The results of the proposed model were compared with the model of the National Dispatch Center (Colombia), getting improvements of up to 50% of accuracy with the proposed model.