Análisis de variables temporales para la predicción del consumo eléctrico

Autores
Lizondo, Diego Fernando; Jimenez, Victor Adrian; Villacís Postigo, Fernando; Will, Adrian L. E.; Rodriguez, Sebastian Alberto
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El problema de la predicción de consumo eléctrico a corto plazo o Short Term Load Forecasting (STLF), es un tema de capital importancia para las empresas de energía en la actualidad, ya que permite un manejo más eficiente, permitiendo un mejor aprovechamiento de los equipos y recursos. La predicción de la demanda es un problema complejo, ya que está relacionada a factores económicos, climáticos, temporales, y su comportamiento varía de una sociedad a otra. Cada uno de estos factores aporta determinadas variables que pueden ser representadas de diferentes maneras, en particular las temporales. Se plantea en este trabajo la hipótesis que el método utilizado para presentar las variables temporales a un sistema de predicción de consumo eléctrico afecta los resultados. Para verificar la hipótesis planteada, consideramos diferentes métodos de representación de estas variables, aplicados al problema de predicción de valores diarios de consumo eléctrico en la provincia de Tucumán, Argentina. La división de la variable temporal en variables día, día de la semana, mes y año en forma individual para cada periodo involucrado en el problema, resultó ser el método más conveniente, obteniendo una mejora de hasta el 10,56% respecto de otros métodos considerados.
Fil: Lizondo, Diego Fernando. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Jimenez, Victor Adrian. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Villacís Postigo, Fernando. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Will, Adrian L. E.. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología; Argentina
Fil: Rodriguez, Sebastian Alberto. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Materia
Consumo Eléctrico
Short Term Load Forecasting
Selección de Variables
Regresión Lineal
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/109249
Acceder
id CONICETDig_854bfba23873039d2027ccc12a242734
oai_identifier_str oai:ri.conicet.gov.ar:11336/109249
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Análisis de variables temporales para la predicción del consumo eléctricoLizondo, Diego FernandoJimenez, Victor AdrianVillacís Postigo, FernandoWill, Adrian L. E.Rodriguez, Sebastian AlbertoConsumo EléctricoShort Term Load ForecastingSelección de VariablesRegresión Linealhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1El problema de la predicción de consumo eléctrico a corto plazo o Short Term Load Forecasting (STLF), es un tema de capital importancia para las empresas de energía en la actualidad, ya que permite un manejo más eficiente, permitiendo un mejor aprovechamiento de los equipos y recursos. La predicción de la demanda es un problema complejo, ya que está relacionada a factores económicos, climáticos, temporales, y su comportamiento varía de una sociedad a otra. Cada uno de estos factores aporta determinadas variables que pueden ser representadas de diferentes maneras, en particular las temporales. Se plantea en este trabajo la hipótesis que el método utilizado para presentar las variables temporales a un sistema de predicción de consumo eléctrico afecta los resultados. Para verificar la hipótesis planteada, consideramos diferentes métodos de representación de estas variables, aplicados al problema de predicción de valores diarios de consumo eléctrico en la provincia de Tucumán, Argentina. La división de la variable temporal en variables día, día de la semana, mes y año en forma individual para cada periodo involucrado en el problema, resultó ser el método más conveniente, obteniendo una mejora de hasta el 10,56% respecto de otros métodos considerados.Fil: Lizondo, Diego Fernando. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; ArgentinaFil: Jimenez, Victor Adrian. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; ArgentinaFil: Villacís Postigo, Fernando. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; ArgentinaFil: Will, Adrian L. E.. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología; ArgentinaFil: Rodriguez, Sebastian Alberto. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; ArgentinaCorporacion CENACE, Ecuador2015-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/109249Lizondo, Diego Fernando; Jimenez, Victor Adrian; Villacís Postigo, Fernando; Will, Adrian L. E.; Rodriguez, Sebastian Alberto; Análisis de variables temporales para la predicción del consumo eléctrico; Corporacion CENACE, Ecuador; Revista Tecnica Energia CENACE; 11; 1-2015; 5-121390-5074CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://www.cenace.org.ec/index.php?option=com_phocadownload&view=category&id=9:phocatrevtecenergia&download=736:edicion-no.11_2015&Itemid=50info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:47:42Zoai:ri.conicet.gov.ar:11336/109249instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:47:43.081CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Análisis de variables temporales para la predicción del consumo eléctrico
title Análisis de variables temporales para la predicción del consumo eléctrico
spellingShingle Análisis de variables temporales para la predicción del consumo eléctrico
Lizondo, Diego Fernando
Consumo Eléctrico
Short Term Load Forecasting
Selección de Variables
Regresión Lineal
title_short Análisis de variables temporales para la predicción del consumo eléctrico
title_full Análisis de variables temporales para la predicción del consumo eléctrico
title_fullStr Análisis de variables temporales para la predicción del consumo eléctrico
title_full_unstemmed Análisis de variables temporales para la predicción del consumo eléctrico
title_sort Análisis de variables temporales para la predicción del consumo eléctrico
dc.creator.none.fl_str_mv Lizondo, Diego Fernando
Jimenez, Victor Adrian
Villacís Postigo, Fernando
Will, Adrian L. E.
Rodriguez, Sebastian Alberto
author Lizondo, Diego Fernando
author_facet Lizondo, Diego Fernando
Jimenez, Victor Adrian
Villacís Postigo, Fernando
Will, Adrian L. E.
Rodriguez, Sebastian Alberto
author_role author
author2 Jimenez, Victor Adrian
Villacís Postigo, Fernando
Will, Adrian L. E.
Rodriguez, Sebastian Alberto
author2_role author
author
author
author
dc.subject.none.fl_str_mv Consumo Eléctrico
Short Term Load Forecasting
Selección de Variables
Regresión Lineal
topic Consumo Eléctrico
Short Term Load Forecasting
Selección de Variables
Regresión Lineal
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv El problema de la predicción de consumo eléctrico a corto plazo o Short Term Load Forecasting (STLF), es un tema de capital importancia para las empresas de energía en la actualidad, ya que permite un manejo más eficiente, permitiendo un mejor aprovechamiento de los equipos y recursos. La predicción de la demanda es un problema complejo, ya que está relacionada a factores económicos, climáticos, temporales, y su comportamiento varía de una sociedad a otra. Cada uno de estos factores aporta determinadas variables que pueden ser representadas de diferentes maneras, en particular las temporales. Se plantea en este trabajo la hipótesis que el método utilizado para presentar las variables temporales a un sistema de predicción de consumo eléctrico afecta los resultados. Para verificar la hipótesis planteada, consideramos diferentes métodos de representación de estas variables, aplicados al problema de predicción de valores diarios de consumo eléctrico en la provincia de Tucumán, Argentina. La división de la variable temporal en variables día, día de la semana, mes y año en forma individual para cada periodo involucrado en el problema, resultó ser el método más conveniente, obteniendo una mejora de hasta el 10,56% respecto de otros métodos considerados.
Fil: Lizondo, Diego Fernando. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Jimenez, Victor Adrian. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Villacís Postigo, Fernando. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Will, Adrian L. E.. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología; Argentina
Fil: Rodriguez, Sebastian Alberto. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
description El problema de la predicción de consumo eléctrico a corto plazo o Short Term Load Forecasting (STLF), es un tema de capital importancia para las empresas de energía en la actualidad, ya que permite un manejo más eficiente, permitiendo un mejor aprovechamiento de los equipos y recursos. La predicción de la demanda es un problema complejo, ya que está relacionada a factores económicos, climáticos, temporales, y su comportamiento varía de una sociedad a otra. Cada uno de estos factores aporta determinadas variables que pueden ser representadas de diferentes maneras, en particular las temporales. Se plantea en este trabajo la hipótesis que el método utilizado para presentar las variables temporales a un sistema de predicción de consumo eléctrico afecta los resultados. Para verificar la hipótesis planteada, consideramos diferentes métodos de representación de estas variables, aplicados al problema de predicción de valores diarios de consumo eléctrico en la provincia de Tucumán, Argentina. La división de la variable temporal en variables día, día de la semana, mes y año en forma individual para cada periodo involucrado en el problema, resultó ser el método más conveniente, obteniendo una mejora de hasta el 10,56% respecto de otros métodos considerados.
publishDate 2015
dc.date.none.fl_str_mv 2015-01
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/109249
Lizondo, Diego Fernando; Jimenez, Victor Adrian; Villacís Postigo, Fernando; Will, Adrian L. E.; Rodriguez, Sebastian Alberto; Análisis de variables temporales para la predicción del consumo eléctrico; Corporacion CENACE, Ecuador; Revista Tecnica Energia CENACE; 11; 1-2015; 5-12
1390-5074
CONICET Digital
CONICET
url http://hdl.handle.net/11336/109249
identifier_str_mv Lizondo, Diego Fernando; Jimenez, Victor Adrian; Villacís Postigo, Fernando; Will, Adrian L. E.; Rodriguez, Sebastian Alberto; Análisis de variables temporales para la predicción del consumo eléctrico; Corporacion CENACE, Ecuador; Revista Tecnica Energia CENACE; 11; 1-2015; 5-12
1390-5074
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.cenace.org.ec/index.php?option=com_phocadownload&view=category&id=9:phocatrevtecenergia&download=736:edicion-no.11_2015&Itemid=50
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Corporacion CENACE, Ecuador
publisher.none.fl_str_mv Corporacion CENACE, Ecuador
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844614521300189184
score 13.070432

Publicaciones similares