Pronóstico de Demanda de Electricidad con Redes Neuronales Artificiales para Salta, Argentina

Franco Zanek
{"title":"Pronóstico de Demanda de Electricidad con Redes Neuronales Artificiales para Salta, Argentina","authors":"Franco Zanek","doi":"10.56124/encriptar.v6i12.001","DOIUrl":null,"url":null,"abstract":"Los pronósticos de demanda de electricidad son extremadamente importantes para los proveedores de energía y otros participantes en la generación, transmisión, distribución y mercados de energía eléctrica. Estos pronósticos son esenciales para la operación y planificación del sistema eléctrico, ya que permiten a los proveedores optimizar sus operaciones y tomar decisiones informadas sobre inversiones futuras en infraestructura de generación y transmisión. Además, estos pronósticos también permiten a los proveedores anticipar posibles desequilibrios entre la oferta y la demanda de energía, lo que les ayuda a evitar apagones y mantener la estabilidad del sistema eléctrico. En este artículo se presentan modelos basados en redes neuronales artificiales (ANN) para permitir una predicción asertiva de la demanda eléctrica horaria, a lo largo de un año. Dada la alta estacionalidad de la demanda eléctrica en general, se propone en la metodología el desarrollo de un modelo por cada mes del año. Este estudio se lleva a cabo a partir de los datos recabados de diferentes fuentes, para la región de Salta Capital, en la provincia de Salta, Argentina. A partir de los resultados obtenidos podemos decir que la metodología planteada mejora en un 3% el error cuadrático medio respecto a trabajos anteriores. Estos resultados son de particular importancia para los proveedores de energía y otros participantes en los mercados eléctricos, ya que les brindan una herramienta más precisa y confiable para la toma de decisiones en la operación y planificación del sistema eléctrico.","PeriodicalId":116327,"journal":{"name":"Revista Científica de Informática ENCRIPTAR","volume":"77 20","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Científica de Informática ENCRIPTAR","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.56124/encriptar.v6i12.001","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Los pronósticos de demanda de electricidad son extremadamente importantes para los proveedores de energía y otros participantes en la generación, transmisión, distribución y mercados de energía eléctrica. Estos pronósticos son esenciales para la operación y planificación del sistema eléctrico, ya que permiten a los proveedores optimizar sus operaciones y tomar decisiones informadas sobre inversiones futuras en infraestructura de generación y transmisión. Además, estos pronósticos también permiten a los proveedores anticipar posibles desequilibrios entre la oferta y la demanda de energía, lo que les ayuda a evitar apagones y mantener la estabilidad del sistema eléctrico. En este artículo se presentan modelos basados en redes neuronales artificiales (ANN) para permitir una predicción asertiva de la demanda eléctrica horaria, a lo largo de un año. Dada la alta estacionalidad de la demanda eléctrica en general, se propone en la metodología el desarrollo de un modelo por cada mes del año. Este estudio se lleva a cabo a partir de los datos recabados de diferentes fuentes, para la región de Salta Capital, en la provincia de Salta, Argentina. A partir de los resultados obtenidos podemos decir que la metodología planteada mejora en un 3% el error cuadrático medio respecto a trabajos anteriores. Estos resultados son de particular importancia para los proveedores de energía y otros participantes en los mercados eléctricos, ya que les brindan una herramienta más precisa y confiable para la toma de decisiones en la operación y planificación del sistema eléctrico.
用人工神经网络预测阿根廷萨尔塔的电力需求
电力需求预测对能源供应商以及发电、输电、配电和市场的其他参与者极为重要。这些预测对电力系统的运营和规划至关重要,因为它们使供应商能够优化其运营,并就发电和输电基础设施的未来投资做出明智的决策。此外,这些预测还能让供应商预测能源供需之间可能出现的不平衡,从而帮助他们避免停电并保持电力系统的稳定。本文介绍了基于人工神经网络(ANN)的模型,以实现对全年每小时电力需求的准确预测。鉴于电力需求一般具有较强的季节性,该方法建议为一年中的每个月份开发一个模型。这项研究是在从不同来源收集到的阿根廷萨尔塔省萨尔塔首府地区的数据基础上进行的。从获得的结果来看,我们可以说,与之前的研究相比,所提出的方法将均方误差提高了 3%。这些结果对于能源供应商和电力市场的其他参与者尤为重要,因为它们为电力系统的运行和规划提供了更准确、更可靠的决策工具。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信