Desarrollo de un sistema de predicción con redes neuronales artificiales para determinar la demanda de energía eléctrica en una central hidroeléctrica

Abstract

La predicción de eventos ha sido desde la antigüedad, un fenómeno capaz de generar curiosidad en los seres humanos, sin embargo, para lograr una proyección de un suceso futuro se requiere un detallado análisis de datos para lograr predecir eventos posteriores, con esta idea, el objetivo de la investigación fue desarrollar un sistema de predicción aplicando redes neuronales artificiales para determinar la demanda de energía eléctrica pronosticada en la CENTRAL HIDROELÉCTRICA ILLUCHI 2. Los datos utilizados para este estudio fueron recopilados por los operarios de ELEPCO S.A que están basados entre los años 2 010 hasta el año 2 019. Se plantearon las variables de entradas que fueron fecha y energía consumida para elaborar diferentes casos con diversas condiciones con el propósito de alcanzar un acertado modelo de red neuronal recurrente (Long Short Term Memory) posible. Una vez comprendidas las variables del modelo, los datos se dividieron en dos grupos: entrenamiento 80 % y validación 20 % respectivamente. Para los pertinentes entrenamientos se utilizó el algoritmo de RMSprop y las librerías que ofrece Python 3.8.6. A partir de los datos de la demanda de energía eléctrica del último periodo del mes de enero del año 2 019 a la semana siguiente del mes de febrero del mismo año, que corresponden a 8 días, se puede afirmar que el modelo planteado, presenta el mayor ajuste al comportamiento de la serie de datos con un error medio absoluto (MAE) del 0,0352 y error porcentual absoluto medio (MAPE) es de 3 % de esta forma validando y utilizando los resultados para predecir la demanda de energía eléctrica para el año 2 020 y 2 021. Para futuros estudios se recomienda realizar el mismo estudio aplicando otros programas computacionales utilizados para el análisis de datos.