Predicción de la demanda de energía eléctrica a corto plazo utilizando redes neuronales artificiales.

Abstract

La implementación de la redes neuronales artificiales se realizó debido al problema que existe en la predicción de la demanda eléctrica a corto plazo el cual afecta el desempeño del flujo de carga, análisis de seguridad, coordinación hidrotérmica, plan de mantenimiento preventivo de los generadores y despacho económico, por lo que se ha optado en el desarrollo de una herramienta computacional, basado en redes neuronales artificiales mediante el programa computacional MATLAB, utilizando datos reales del alimentador PRI12 Santa Rosa de Pichul – San Gerardo, esto permitió realizar un análisis del comportamiento de la demanda eléctrica horaria con el objetivo de obtener una predicción optima. El programa está conformado por la interfaz gráfica (GUIDE) con tres módulos tales como datos históricos, entrenamiento de la red neuronal y predicción de la demanda eléctrica, para este proyecto de investigación la RNA está compuesta por una capa de entrada, una capa oculta (función de activación tangente hiperbólico) y una capa de salida (función de activación lineal), utilizando el algoritmo de entrenamiento levenberg-marquardt mediante 288 retrasos, 10 neuronas, 80 % de datos de entrenamiento, 10 % datos de validación y 10 % de datos de prueba, así obteniendo resultados adecuados de rendimiento del 1.01 x 10^-7, de igual forma presenta el mayor ajuste al comportamiento de la serie de datos con un error porcentual del 1,60 %, finalmente en base de las curvas estadísticas de los valores reales y pronosticados se obtiene un error del 0,99%, obteniendo una predicción a corto plazo satisfactoria.