Evaluación del impacto de la modificación del procedimiento de pronóstico de demanda de energía de corto plazo para el Sistema Interconectado Nacional colombiano.

dc.contributor.advisorVelásquez Henao, Juan Davidspa
dc.contributor.authorGrajales Espinal, Cristian Davidspa
dc.contributor.corporatenameUniversidad Nacional de Colombia - Sede Medellínspa
dc.date.accessioned2020-08-12T19:49:43Zspa
dc.date.available2020-08-12T19:49:43Zspa
dc.date.issued2020-02-01spa
dc.description.abstractTitle: Evaluation of the modification impact on the short term energy demand forecasting procedure for the Colombian National Interconnected System. One of the most important technical aspects of integrating renewable energy into the national interconnected system (SIN) is the variability of the load to be supplied by the operator. As there is a greater penetration of renewable energies, both in distributed generation and small-scale self-generation, there is greater uncertainty in the residual load that the system operator must meet. Therefore, knowing with low error levels the intra-hourly or hourly demand will be a highly important task for the electrical system operator. This operational condition was not a problem when (Comisión de Regulación de Energía y Gas, 1995) was formulated in 1995, where the load depended directly on the resources dispatched centrally and had no active participation in the system. However, the current situation derived from (Ministerio de Minas y Energía, 2014), has been promoting a set of regulations in the electricity sector that make the participation of load in the system and in the electricity market more dynamic, this It brings with it a number of concerns, one of which is related to the management of the procedures that are currently carried out to guarantee the reliable and safe operation of the electrical system. For the particular case of energy load, it is important to evaluate whether the described procedure (Consejo Nacional de Operación, 2017) and the regulation related to load forecast can be improved through a procedure that increases the frequency of updates load forecasts and their impact on planning in short-term scenarios and day ahead market.spa
dc.description.abstractUno de los aspectos técnicos más importantes de la integración de las energías renovables al sistema interconectado nacional (SIN) es la variabilidad de la demanda a abastecer por parte del operador. A medida que exista una mayor penetración de energías renovables, tanto en generación distribuida como autogeneración a pequeña escala, existe mayor incertidumbre en la demanda residual que debe atender el operador del sistema. Por lo tanto, conocer con bajos niveles de error la demanda intra-horaria u horaria será una tarea de alta importancia para el operador del sistema eléctrico. Esta condición operativa no era un problema cuando se formuló el código de red en 1995 (Comisión de Regulación de Energía y Gas, 1995), donde la demanda de energía dependía directamente de los recursos despachados centralmente y no tenía participación activa en el sistema. Sin embargo, la situación actual derivada de (Ministerio de Minas y Energía, 2014), ha venido impulsando en el sector eléctrico un conjunto de normas que hacen más dinámica la participación de la demanda en el sistema y en el mercado de energía eléctrica, esto trae consigo un sin número de inquietudes, una de ellas está relacionada con el manejo de los procedimientos que se realizan actualmente para garantizar la operación confiable y segura del sistema eléctrico. Para el caso particular de la demanda de energía, es importante evaluar si el procedimiento descrito (Consejo Nacional de Operación, 2017) y la regulación relacionada con el pronóstico de demanda puede ser mejorado a través de un procedimiento que aumente la frecuencia de las actualizaciones de los pronósticos de demanda de energía y su impacto sobre la planeación en escenarios de corto plazo y del despacho económico.spa
dc.description.degreelevelMaestríaspa
dc.format.extent50spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/78002
dc.language.isospaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Medellínspa
dc.publisher.programMedellín - Minas - Maestría en Ingeniería - Sistemas Energéticosspa
dc.relation.referencesAlasali, F., Haben, S., Becerra, V., & Holderbaum, W. (2018). Day-ahead industrial load forecasting for electric RTG cranes. Journal of Modern Power Systems and Clean Energy, 6(2), 223–234. https://doi.org/10.1007/s40565-018-0394-4spa
dc.relation.referencesCAISO. (2020). Market processes and products. Retrieved from http://www.caiso.com/market/Pages/MarketProcesses.aspxspa
dc.relation.referencesComisión de Regulación de Energía y Gas. Resolución CREG 025 de 1995. , (1995).spa
dc.relation.referencesComisión de Regulación de Energía y Gas. Resolución CREG 198 de 1997. , (1997).spa
dc.relation.referencesComisión de Regulación de Energía y Gas. (2003). Resolución CREG 004 de 2003.spa
dc.relation.referencesComisión de Regulación de Energía y Gas. Resolución CREG 051 del 2009. , (2009).spa
dc.relation.referencesComisión de Regulación de Energía y Gas. Resolución CREG 038 de 2014. , Comision de Regulacion de Energia y Gas § (2014).spa
dc.relation.referencesCongreso de Colombia. Ley 142 de 1994. , (2014).spa
dc.relation.referencesCongreso de Colombia. Ley 143 de 1994. , (2014).spa
dc.relation.referencesConsejo Nacional de Operación. Acuerdo 1020 Por el cual se aprueban los procedimientos para la gestión integral de la demanda. , (2017).spa
dc.relation.referencesDeb, C., Zhang, F., Yang, J., Lee, S. E., & Shah, K. W. (2017). A review on time series forecasting techniques for building energy consumption. Renewable and Sustainable Energy Reviews, 74(January), 902–924. https://doi.org/10.1016/j.rser.2017.02.085spa
dc.relation.referencesFan, S., & Hyndman, R. J. (2012). Short-term load forecasting based on a semi-parametric additive model. IEEE Transactions on Power Systems, 27(1), 134–141. https://doi.org/10.1109/TPWRS.2011.2162082spa
dc.relation.referencesGaillard, P., Goude, Y., & Nedellec, R. (2016). Additive models and robust aggregation for GEFCom2014 probabilistic electric load and electricity price forecasting. International Journal of Forecasting, 32(3), 1038–1050. https://doi.org/10.1016/j.ijforecast.2015.12.001spa
dc.relation.referencesHe, Y., Liu, R., & Han, A. (2017). Short-Term Power Load Probability Density Forecasting Method Based on Real Time Price and Support Vector Quantile Regression. Zhongguo Dianji Gongcheng Xuebao/Proceedings of the Chinese Society of Electrical Engineering, 37(3), 768–775. https://doi.org/10.13334/j.0258-8013.pcsee.152332spa
dc.relation.referencesHong, T. (2010). Short Term Electric Load Forecasting.spa
dc.relation.referencesHong, T., & Fan, S. (2016). Probabilistic electric load forecasting: A tutorial review. International Journal of Forecasting, 32(3), 914–938. https://doi.org/10.1016/j.ijforecast.2015.11.011spa
dc.relation.referencesKaur, A., Pedro, H. T. C., & Coimbra, C. F. M. (2013). Impact of onsite solar generation on system load demand forecast. Energy Conversion and Management, 75, 701–709. https://doi.org/10.1016/j.enconman.2013.08.026spa
dc.relation.referencesLuo, J., Hong, T., & Yue, M. (2018). Real-time anomaly detection for very short-term load forecasting. Journal of Modern Power Systems and Clean Energy, 6(2), 235–243. https://doi.org/10.1007/s40565-017-0351-7spa
dc.relation.referencesMinisterio de Minas y Energía. Ley 1715 de 2014. , (2014).spa
dc.relation.referencesMorita, K., Shiromaru, H., Manabe, Y., Kato, T., Funabashi, T., & Suzuoki, Y. (2017). A study on estimation of aggregated electricity demand for one-hour-ahead forecast. Applied Thermal Engineering, 114, 1443–1448. https://doi.org/10.1016/j.applthermaleng.2016.09.162spa
dc.relation.referencesNowotarski, J., & Weron, R. (2018). Recent advances in electricity price forecasting: A review of probabilistic forecasting. Renewable and Sustainable Energy Reviews, 81(March 2017), 1548–1568. https://doi.org/10.1016/j.rser.2017.05.234spa
dc.relation.referencesPanapongpakorn, T., & Banjerdpongchai, D. (2019). Short-Term Load Forecast for Energy Management Systems Using Time Series Analysis and Neural Network Method with Average True Range. 2019 1st International Symposium on Instrumentation, Control, Artificial Intelligence, and Robotics, ICA-SYMP 2019, 2(2), 86–89. https://doi.org/10.1109/ICA-SYMP.2019.8646068spa
dc.relation.referencesPJM. (2020). Seven-Day Load Forecast. Retrieved from https://dataminer2.pjm.com/feed/load_frcstd_7_day/definitionspa
dc.relation.referencesRueda, V. M., Velásquez Henao, J. D., & Franco Cardona, C. J. (2011). Avances recientes en la predicción de la demanda de electricidad usando modelos no lineales. DYNA (Colombia), 78(167), 36–43.spa
dc.relation.referencesSaber, A. Y., & Alam, A. K. M. R. (2018). Short term load forecasting using multiple linear regression for big data. 2017 IEEE Symposium Series on Computational Intelligence, SSCI 2017 - Proceedings, 2018-January, 1–6. https://doi.org/10.1109/SSCI.2017.8285261spa
dc.relation.referencesvan der Meer, D. W., Widén, J., & Munkhammar, J. (2018). Review on probabilistic forecasting of photovoltaic power production and electricity consumption. Renewable and Sustainable Energy Reviews, 81(December 2016), 1484–1512. https://doi.org/10.1016/j.rser.2017.05.212spa
dc.relation.referencesXM S.A E.S.P. (2017). Despacho Económico en Colombia. Retrieved from https://www.youtube.com/watch?v=uK-hnlU2ReAspa
dc.relation.referencesXM S.A E.S.P. (2020). Glosario XM. Retrieved from https://www.xm.com.co/corporativo/Paginas/Herramientas/glosario.aspxspa
dc.rightsDerechos reservados - Universidad Nacional de Colombiaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-NoComercial 4.0 Internacionalspa
dc.rights.spaAcceso abiertospa
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/spa
dc.subject.ddc000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadoresspa
dc.subject.proposalNational Interconnected System (SIN)eng
dc.subject.proposalSistema Interconectado Nacionalspa
dc.subject.proposalLoad forecasteng
dc.subject.proposalPronósticos de demandaspa
dc.subject.proposalNational Operation Council (CNO)eng
dc.subject.proposalComisión de Regulación de Energía y Gasspa
dc.subject.proposalGeneración Distribuidaspa
dc.subject.proposalEnergy and Gas Regulation Commission (CREG)eng
dc.subject.proposalDay Ahead Marketeng
dc.subject.proposalDemanda de energíaspa
dc.subject.proposalSistema eléctrico Colombanospa
dc.subject.proposalMercados de energíaspa
dc.titleEvaluación del impacto de la modificación del procedimiento de pronóstico de demanda de energía de corto plazo para el Sistema Interconectado Nacional colombiano.spa
dc.title.alternativeEvaluation of the modification impact on the short term energy demand forecasting procedure for the Colombian National Interconnected System.spa
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
1087999450.2020.pdf
Tamaño:
2.18 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestría en Ingeniería - Sistemas Energéticos

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
3.8 KB
Formato:
Item-specific license agreed upon to submission
Descripción: