Actas de la Conferencia de simulacin de Invierno 2014

A. Tolk, S. Y. Diallo, I. O. Ryzhov, L. Yilmaz, S. Buckley, y J. A. Miller, eds.

MODELADO a escala del pas PERFILES demanda de electricidad

Marco Pruckner
David Eckhof
Reinhard alemn
Redes de Computadores y Sistemas de Comunicacin
Universidad de Erlangen-Nuremberg
Martensstr. 3
91058 Erlangen, Alemania

ABSTRACTO
En todo el mundo, y en particular en Alemania, se observa una tendencia
hacia un suministro de energa elctrica ms sostenible, incluyendo la
eficiencia energtica y la proteccin del clima. Los modelos de simulacin
pueden apoyar estas transiciones de energa, proporcionando ideas
beneficiosas para el desarrollo de diferentes estrategias mix de generacin
de energa elctrica en sistemas de energa elctrica en el futuro. Un
parmetro de entrada importante para estas simulaciones a gran escala es
la demanda de electricidad, normalmente obtiene utilizando conjuntos de
datos empricos. Sin embargo, es deseable implementar modelos de
demanda de electricidad dinmicas para poder investigar el
comportamiento del sistema de energa bajo cambiantes o especficas
condiciones. En este artculo presentamos un modelo de este tipo.
Identificamos los parmetros ms importantes, tales como la estacionalidad,
el tipo de da, y la temperatura media diaria para modelar con precisin la
demanda de electricidad a gran escala para Alemania. Nos validar e
implementar nuestro modelo en el contexto de un marco de simulacin
hbrida y mostrar su exactitud y aplicabilidad.

1. INTRODUCCIN
De acuerdo con la Poltica de Energa Highlights (Agencia Internacional de la
Energa 2013), el gobierno alemn se dirige a Alemania para convertirse en
uno de los ms energa economas eficientes y ecolgicamente racionales

en todo el mundo. Esta transicin energtica no slo incluye la eliminacin

gradual de la energa nuclear, una reduccin drstica de las emisiones de
gases de efecto invernadero, y un aumento significativo de la electricidad
generada por fuentes de energa renovables (FER), sino tambin una
disminucin del 20% del consumo de energa en general para el ao 2020.
Estos objetivos requieren un gran esfuerzo en trminos de planificacin y
preparacin, a menudo basndose en la precisin de las predicciones. Por
ejemplo, para planificar la construccin de nuevas centrales elctricas de
gas o la ampliacin de las instalaciones fotovoltaicas, es necesario entender
las consecuencias exactas de la eliminacin de la energa nuclear en, por
ejemplo, los perfiles de alimentacin en electricidad al da. Con el fin de
obtener dichas proyecciones e investigar diferentes opciones para futuras
estrategias de mezcla de electricidad para el estado federal de Baviera
alemana, un proyecto de investigacin se ha iniciado, en el que se
desarroll un hbrido (Dinmica de Sistemas y de eventos discretos
Simulacin) marco de simulacin de gran escala sistemas de generacin de
energa elctrica (Prckner y alemanes (2013), Pruckner y alemn de 2014).
El marco est sujeto a un continuo desarrollo.
Un parmetro de entrada importante de una simulacin de este tipo es el
perfil de la demanda, es decir, un conjunto de datos que representa
la demanda de electricidad agregada en el sistema. En nuestro caso, hemos
utilizado perfiles de demanda previstos por el
Red Europea de Gestores de Redes de Transporte de Electricidad (ENTSO-E
2013), incluyendo la exacta
la demanda de electricidad de Alemania en una resolucin de cada hora
durante los ltimos tres aos. Con el fin de simular diferentes
escenarios (por ejemplo, aumento de la demanda, inviernos suaves, etc.),
es, sin embargo, es deseable no siempre utilizar el exacto
mismo perfil de la demanda en una simulacin. Por lo tanto, en base a datos
empricos como los perfiles de demanda registradas
y las temperaturas medias diarias, desarrollamos un modelo de demanda de
energa elctrica que es capaz de generar realista

978-1-4799-7486-3 / 14 / $ 31.00 2014 IEEE 1084

Pruckner, Eckhof y alemn

perfiles de demanda para ser utilizados en un entorno de simulacin. La

contribucin de este trabajo se puede resumir de la siguiente manera:
Se identifican las caractersticas y requisitos para modelar con precisin
los perfiles de demanda a escala del pas
Se presenta un modelo de demanda de energa emprica para ser utilizado
en la simulacin
Se demuestra la funcionalidad de nuestro enfoque utilizando el AnyLogic
herramienta comercial.
El resto del trabajo se organiza de la siguiente manera. En la seccin 2 se
discute el trabajo relacionado. Seccion 3
presenta nuestro enfoque conceptual. La seccin 4 describe la
implementacin de nuestro modelo en AnyLogic. En
Seccin 5 se presenta la validacin de los modelos de simulacin y
resultados. La seccin 6 concluye el documento.

2. TRABAJO RELACIONADO
Hay varias publicaciones en el campo de la modelizacin y simulacin de
perfiles de carga elctrica en el
nivel de los hogares. Paatero y Lund (2006) presentaron un modelo
simplificado de abajo hacia arriba para generar realista
los datos de consumo elctrico domstico sobre una base horaria desde
unos pocos hasta miles de hogares. los
carga se construye a partir de los componentes elementales de carga (por
ejemplo, lavavajillas, lavadora, televisin).
El modelado del consumo de electricidad de la casa tambin fue
considerado por Sorasalmi (2012). El objetivo de su trabajo es la
implementacin de una herramienta capaz de producir escenarios futuros
de consumo de electricidad y el perfil de carga cambios. Para el modelo a
largo plazo se utiliza un enfoque de la dinmica de sistemas, mientras que
el modelo de corto plazo se implementa utilizando un enfoque de abajo
hacia arriba.
Zeyringer et al. (2012) propusieron una metodologa que combina los datos
estadsticos sobre la distribucin
de los consumidores de electricidad con los perfiles de carga
estandarizados. Este enfoque permite la investigacin de la integracin de
la tecnologa de energa renovable en las microrredes.
Las tres publicaciones tienen por objeto modelar perfiles de demanda de
electricidad en el nivel de los hogares. Es posible obtener los perfiles de

carga elctrica para una pequea regin de la agregacin de estos perfiles

de demanda, sin embargo, el sector de la industria no se ha tenido
suficientemente en cuenta, lo que limita su aplicabilidad para la simulacin
a gran escala. Mostramos un mtodo para modelar perfiles de demanda de
electricidad a escala del pas, utilizando a Alemania como una prueba de
concepto ejemplo.
Wagner (2012) investig el modelado de la carga residual y su aplicacin a
los precios de la electricidad. Con el fin de adaptarse a la carga residual definido como la diferencia entre la demanda de electricidad y la cantidad
suministrada por RES - la demanda de electricidad juega un papel
importante. El uso de modelos estocsticos que fue capaz de modelar los
perfiles de carga residual.
Connolly et al. (2010) estudiaron 37 herramientas que pueden utilizarse
para analizar la integracin de la electricidad generada por RES. Muchas de
estas herramientas tambin utilizan los datos publicados de la ENTSO-E, sin
embargo, muchas herramientas no utilizan superposicin estocstico, es
decir, la demanda de electricidad es la misma para todos los aos. Por
ejemplo, un menor consumo de electricidad en los meses de invierno debido
a las condiciones de clima templado y su impacto en el sistema de energa
elctrica no se puede considerar en detalle.
En este artculo se presenta un enfoque de modelado hbrido validado para
la simulacin de perfiles de demanda de electricidad, que se basan en los
datos publicados de ENTSO-E. Con base en los hallazgos de Gladysz y
Kuchta (2008), identificamos los diferentes factores que influyen en la
demanda de electricidad. Nuestras investigaciones muestran que la
temporada, el tipo de da (de lunes a viernes, sbado, domingo, da festivo),
y la temperatura media diaria tienen una influencia significativa en el
consumo de energa elctrica diaria. El uso de la correlacin entre la
temperatura media diaria y el consumo de energa elctrica todos los das,
somos capaces de generar perfiles de demanda de electricidad continua
para cualquier perodo de tiempo dado. Por otra parte, se modela la
temperatura media diaria como un proceso estocstico que nos permite
generar perfiles de demanda realistas y variables.
3. METODOLOGA
En esta seccin describimos nuestro enfoque conceptual en tres pasos. En la
primera subseccin se describe la
El anlisis estadstico realizado sobre los perfiles de carga ENTSO-E de
Alemania para determinar los parmetros de entrada, que

1085

Pruckner, Eckhof y alemn

deben tenerse en cuenta para nuestro modelo de demanda de electricidad.

En una segunda etapa, se analiz la correlacin entre las temperaturas
medias diarias y los niveles de consumo de electricidad; Por ltimo, se
explica el desarrollo de un proceso estocstico para la simulacin de las
temperaturas del aire promedios diarios.
3.1 Anlisis de Datos de Perfiles de carga ENTSO-E
Segn Gladysz y Kuchta (2008), los niveles de consumo de electricidad
estn influenciados principalmente por dos factores, a saber, condiciones
atmosfricas tales como la temperatura del aire y por el da de la semana.
Se puede observar que los niveles de consumo de electricidad en das de
invierno son ms altos que en los das de verano (vase tambin la figura 1
(a)), debido a las temperaturas ms bajas de aire y, entre otros, las
demandas de calor ms grande.
Por otra parte, el nivel de consumo de electricidad est influenciado por
ciclos de funcionamiento semanales, lo que significa que los sbados y
domingos los niveles de consumo de electricidad son mucho ms bajos que
en los das laborables (vase tambin la figura 1 (b)). Con el fin de
encontrar una clasificacin representativo para diferentes das de la semana
y las estaciones, se analizaron los perfiles de carga ENTSO-E de Alemania.
En total, los datos de demanda de electricidad en una resolucin de horas
est disponible desde hace casi tres aos a partir de 01/01/2011 a
31/10/2013.
Para el anlisis estadstico se aaden cada informacin nica observacin
acerca de la estacin (invierno,
primavera, verano, otoo), de lunes a viernes, de vacaciones (post-holidays,
el da despus de las vacaciones, vsperas de festivos), y el
la temperatura media diaria. Para encontrar los parmetros con el mayor
impacto en los niveles de consumo de electricidad,
se realiz un anlisis de valor de p para cada una de ellas (la hiptesis nula
es que el parmetro dado cuenta
ninguna influencia). Hemos encontrado que la naturaleza de los perfiles de
demanda de electricidad se caracteriza principalmente por la
ciclos anuales, semana y da-noche. Tambin se encontraron las condiciones
climticas, las vacaciones y los tiempos de trabajo diarias
a tener un impacto significativo en los perfiles de demanda de electricidad.
Para fines de validacin nos ajustamos a un modelo lineal

teniendo todos los atributos significativos en cuenta y recibi un valor de R

cuadrado ajustado de 0,89.
En una primera etapa se observ que la temporada y da de la semana
afecta a la tendencia diaria tpica en los perfiles de la demanda de
electricidad. Figura 1 (a) muestra la curva de carga elctrica tpica para un
representante mircoles de cada temporada. No slo eran las amplitudes
diferentes para diferentes estaciones del ao, sino que tambin tienen las
curvas caractersticas diferentes: en el otoo y el invierno dos picos de
carga se pueden observar en las horas 12 y 18 (18:00), mientras que slo
hay un pico de carga a las 12 de la primavera y el verano. A pesar de que
los perfiles de demanda de electricidad para el verano y la primavera
parecen similares, son diferentes en el nivel de consumo de electricidad al
da. Los valores de demanda por hora de los das de trabajo en la primavera
son 5 GW en promedio ms altos que en un da de verano.

Invierno
Primavera

0 2 4 6 8 10 12 14

Hora del da

verano
Otoo

16 18 20 22 0

Da de la semana Sbado Lunes

Domingo Viernes

2 4 6 8 10 12 14 16 18 20 22

Hora del da

(A) Da de trabajo para las diferentes estaciones del ao (b) de diferentes

das de la semana para el invierno
Figura 1: Caracterizacin de los perfiles de demanda de electricidad en base
a los datos publicados a partir de ENTSO-E
El segundo factor importante es la diferencia entre los diferentes das dentro
de una determinada estacin. Figura 1 (b)
representa las curvas de demanda de energa elctrica para los distintos
das de la semana en invierno. El consumo diario de electricidad
los sbados y domingos es mucho menor que en los das laborables. Pero
incluso en los das laborables diferencias son observables:

1086

Pruckner, Eckhof y alemn

0 2 4 6 8 10 12 14 16 18 20 22

Hora del da
Figura 2: Diagrama de caja de la demanda diaria de energa elctrica para
los das de trabajo en invierno

Los lunes son influenciados por la demanda de electricidad muy bajo en

domingos por la noche, haciendo que la electricidad
la demanda sea baja por la maana temprano. Causado por el fin de
semana prximo viernes, la electricidad
la demanda disminuye en horas de la noche anterior que los lunes, martes,
mircoles o jueves.
Ambos aspectos estacionales y entre semana tienen que ser considerados
para la clasificacin, por lo tanto, la electricidad
perfiles de demanda se agrupan en consecuencia. Dado que casi no hay
diferencias y los ciclos da-noche
son bastante similares para los martes, mircoles y jueves que los agrupan,
lo que resulta en un total de

veinte grupos. Se encontr que los das festivos se pueden agrupar con
domingos, vsperas de festivos
pueden agruparse con los viernes. Esto es consistente con los hallazgos de
Gladysz y Kuchta (2008).
A cada grupo se le asigna los datos de la demanda diaria de energa
elctrica correspondientes a los aos 2011, 2012 y 2013. Hemos
normalizado estos valores para tener en cuenta las diferentes condiciones
climticas y el crecimiento econmico. Posteriormente, todos los grupos se
analiz en detalle. Por ejemplo, la Figura 2 muestra el diagrama de caja para
uno de los veinte grupos, a saber, un da de la semana en invierno. Vemos
una variacin en la demanda de electricidad de cada hora del da, los
valores atpicos son difcilmente observable. A medida que el rango de cada
caja es muy similar, almacenamos la mediana de cada hora dentro de cada
grupo (lo que resulta en 24 20 valores).

3.2 Correlacin entre el consumo de electricidad y de la temperatura

Despus de que habamos encontrado una clasificacin de los das de la
demanda de electricidad, se analiz la correlacin entre la temperatura
media diaria y el consumo de electricidad. Segn Valor, Meneu, y Caselles
(2001) y Nischkauer (2005), la demanda de electricidad est vinculada a la
temperatura del aire. Nuestro anlisis p-valor confirm esto, tambin
muestran una correlacin entre la temperatura media diaria y el consumo
de electricidad publicada por ENTSO-E.
La Figura 3 (a) muestra esto para das de trabajo en invierno. Las
mediciones indican una tendencia lineal: cuanto mayor sea la temperatura,
menor es el consumo de electricidad. El coeficiente de correlacin se
encuentra en -0,55.
La situacin para los das de trabajo en el verano de 2013 se representa en
la figura 3 (b), donde el frente se puede observar, es decir, las mediciones
indican una tendencia lineal positiva: temperaturas ms altas llevan a
niveles ms altos de consumo de electricidad. El coeficiente de correlacin
se encuentra en 0.44.
Por otra parte, se determin la correlacin entre las temperaturas medias
diarias y los niveles de consumo de electricidad tambin para otras
estaciones del ao y los das de semana, dando resultados bastante
similares. Tenga en cuenta que este ajuste lineal no se usa para determinar
el nivel de consumo de electricidad al da dependiendo de las temperaturas,
pero para confirmar una correlacin general entre los dos.
La figura 3 (a) y la Figura 3 (b) muestran tambin que por duracin
determinada temperatura media diaria diferentes niveles de consumo diario
son posibles. Por una pequea gama de temperaturas medias diarias ( 8
K) el consumo de electricidad es casi gaussiana-distribuido (vase la figura
4) y por lo tanto puede ser modelado en consecuencia como una funcin de
la gama de temperaturas.

1087

Pruckner, Eckhof y alemn

Mediciones Mediciones
Ajuste lineal por ajuste lineal

-15

-10 -5 0 5 10

La temperatura media diaria (en C)

(A) Winter

15

10 15 20 25

La temperatura media diaria (en C)

(B) Verano

30

Figura 3: Correlacin entre la temperatura media diaria y el consumo de

energa elctrica para los das laborables

Mediciones
ajuste de Gauss

Diaria de la temperatura media

Componente de temporada

1200 1300 1400 1500 1600

El consumo diario (en GWh)

Figura 4: Histograma de con- diaria de energa elctrica
Sumption niveles para todos los das de trabajo en la temtura rango entre 2 y 10 C C

0 365 730 1095 1460 1825

Das
Figura 5: la temperatura del aire media diaria y el componente estacional
durante cinco aos, grabado de una estacin meteorolgica en Baviera,
Alemania

Esta correlacin nos permite modelar la demanda diaria de energa elctrica

como una funcin de solamente la media diaria
la temperatura y el tipo correspondiente de los das (por ejemplo, los das
de semana, vacaciones, etc.). El cmputo resultante
modelo de bajo costo es capaz de generar perfiles de demanda de
electricidad para cualquier intervalo de tiempo basndose slo en muy
algunos parmetros.
3.3 Proceso estocstico para la simulacin de las temperaturas diarias
medias
Con el fin de simular las temperaturas medias diarias se implement un
proceso estocstico. En la literatura de anlisis de series temporales
muchos enfoques diferentes para el modelado de las temperaturas medias
diarias se pueden encontrar. Diferentes procesos estocsticos fueron
investigados por Ritter (2009). Para el anlisis de series de tiempo de
nuestras temperaturas medias diarias observadas seguimos las obras de
Alaton, Djehiche, y Stillberger (2001) y Roustant, Laurent, Baha, y Carraro
(2003).
Utilizamos cinco Ao Diario significar temperaturas del aire conjunto de
datos registrados por una estacin meteorolgica en Baviera,
Alemania. Los datos de series de tiempo y el componente estacional se
muestran en la Figura 5. De acuerdo con Roustant
et al. (2003) un modelo ARMA (autorregresivos de media mvil) puede ser
utilizado para capturar la mayor parte de la
caractersticas de las temperaturas medias diarias (por ejemplo, la
estacionalidad, la reversin rpida de la media, correlaciones a partir de la
das antes).

1088

Pruckner, Eckhof y alemn

Por tanto, la temperatura media diaria Tt para el da de t puede ser
modelado por

Tt = Yt + t Zt.
Para el Yt estacionalidad, t desviacin estndar, y el proceso
autorregresivo Zt los siguientes modelos
son usados:
Con base en los hallazgos de Alaton et al. (2001) se utiliza un modelo
lineal y estimar parmetros A, B, C
y para la funcin de
Yt = A + sin Bt + C (? T + )
para la tendencia lineal y estacionalidad Yt.
El proceso determinista, peridica para la desviacin estndar de Tt es
descrito por t. estimamos
parmetros a, b, y c para la funcin de

(
t = a + b cos

2t
365

) ()
2t
+ CSIN
365

El proceso estocstico es un Zt (3) proceso de AR. Estimamos parmetros

0, 1 y 2 tales como
Zt = 0 + 1Zt-1 + 2Zt-2 + t,
donde t es un ruido blanco-Proceso con t ~ N (0, 1).
Nuestra forma paramtrica permite un clculo fcil de estimadores de
mxima verosimilitud basada en los cinco aos de datos. Los valores de los
diferentes parmetros del modelo se muestran en la Tabla 1.
Tabla 1: Resumen de los parmetros estimados del modelo para el proceso
de la temperatura media diaria Tt
A B C a b c 0 1 2
8,861 0,868 10-5 10,192 -1,843 3,73 0,49 0,3289 0,9533 -0,2399 0,051

4 APLICACIN
En esta seccin se describe la implementacin de nuestro modelo de
demanda de electricidad en AnyLogic 6 y retos adicionales con el fin de
evitar la discontinuidad entre das. Un paso completo por la descripcin
paso del algoritmo se puede encontrar en el algoritmo 1.
4.1 Aplicacin en AnyLogic 6
Nuestro marco de simulacin utiliza un enfoque de simulacin hbrida que
combina la simulacin de eventos discretos y Dinmica de Sistemas en un
marco (Pruckner y alemn de 2013). Por ejemplo, las decisiones de control
se pueden modelar por eventos discretos, mientras que los flujos de energa
se pueden modelar por el paradigma dinmica del sistema. La situacin
para el modelo de la demanda elctrica en prctica es bastante similar: las
temperaturas medias diarias se pueden modelar por un evento discreto,
mientras que la demanda de electricidad se puede modelar como un flujo
de potencia y por lo tanto es un proceso continuo con respecto al tiempo.
La clasificacin de los das (usando la mediana de cada hora) se implementa
como funciones de tabla. Las funciones de tabla (como se muestra en la
Figura 6) son elementos de la caja de herramientas de la dinmica de
sistemas y ofrecen la posibilidad de llevar perfiles de demanda de
electricidad por hora de un modo continuo por medio de interpolacin. Esta
es una caracterstica muy til para de gran escala simulaciones de sistemas
de energa.
AnyLogic ofrece la posibilidad de obtener el mes y da de la semana actual
en cada paso de simulacin.
Basado en el mes en curso, podemos elegir la temporada: suponemos que
el invierno corresponde a diciembre,
Enero y febrero; primavera para marzo, abril y mayo; verano de junio, julio y
agosto; y caer

1089

Pruckner, Eckhof y alemn

SELECT hora medianas exigencias de HT, 1,. . . , Ht, 24 para el da t segn la

temporada, da de la semana, da de fiesta; CMPUTO la temperatura media
diaria Tt;
Seleccionar los parmetros de Gauss mT, t basado en Tt;
ELEGIR escalado parmetro pt de distribucin de Gauss;
ht se multiplican, 1,. . . , Ht, con 24 pt para recibir ht, 1,. . . , Ht, 24;
MODIFICAR ht, 1,. . . , Ht, 3 para conectar sin problemas a exigir nivel de HT1,23-HT y 1,24;
Algoritmo 1: Clculo del perfil de la demanda de electricidad para el da t
Septiembre, octubre y noviembre. Basado en el da de la semana actual, a
continuacin, seleccione la funcin de tabla correspondiente, es decir, el
tipo de da.
El clculo de las temperaturas medias diarias se puede modelar como un
evento discreto, eso significa que cada 24 horas un cclicos activadores de
eventos y calcula la temperatura media diaria para el da siguiente. Sobre la
base de esta temperatura, podemos seleccionar los parmetros - media y la
desviacin estndar - para un parmetro de Gauss-distribuido basado en las
observaciones de la seccin 3.2. Este parmetro se utiliza como un
parmetro de escala (a travs de la multiplicacin) para la mediana por hora
de la funcin de tabla correspondiente. La demanda de energa elctrica en
el medio horas se interpola y por lo tanto lleva a un flujo continuo usando
una variable dinmica.
Por la ejecucin cclica del evento temperatura media diaria, somos capaces
de obtener perfiles de demanda de electricidad durante varios aos.
inviernos o veranos ms suaves son entonces un posible resultado del
proceso de generacin de temperatura de auto-regresivo. Adems, el
cambio de los parmetros en la Tabla 1 permite la simulacin de las
temperaturas medias atpicos junto con la demanda de electricidad
correspondiente.
4.2 La discontinuidad
Debido a la parmetro de escala de Gauss, que es generalmente diferente
para das consecutivos, no se garantiza que la ltima hora de una sola da
se puede conectar sin problemas a la primera hora del da consecutivo, que
puede conducir a grandes saltos entre dos valores consecutivos. Con el fin
de evitar esto, modificamos ligeramente la demanda elctrica de las
primeras horas del da para adaptarse mejor a nivel de la demanda de las
ltimas horas del da anterior. Mediante la interpolacin lineal, se podra
reducir considerablemente el problema descrito.
5 VALIDACIN Y RESULTADOS DEL MODELO
En esta seccin vamos a validar nuestro modelo de simulacin analizando
primero el proceso de series de tiempo para el diario
temperaturas y consecutivamente las resultantes perfiles de demanda de
electricidad mediante la comparacin con datos reales.

Una evaluacin cuantitativa de nuestro modelo de demanda de electricidad

es una tarea difcil: en primer lugar, un parmetro de entrada importante
para el nivel de consumo es la temperatura que se basa en utilizar un
proceso estocstico. Esto hace que sea imposible comparar un ao simulado
con una real. Por lo tanto, validar el modelo de temperatura individual y el
uso de series de temperatura registrado para comparar los perfiles de
demanda de electricidad simulados y reales. En segundo lugar, perfiles de
demanda de electricidad real son objeto de las fluctuaciones causadas por,
por ejemplo, los factores econmicos, eventos sociales, las vacaciones
escolares, y las condiciones climticas extremas, como inundaciones o
tormentas. Por otra parte, los niveles de temperatura dentro de Alemania
varan, por lo que es imposible correlaciona perfectamente una temperatura
distinta a un nivel de consumo de energa elctrica, ya que nuestros datos
registrados carece de la mayor parte de esta informacin. Para eliminar
estos

Figura 6: Vista general de los diferentes tipos de das ordenados segn la

estacin y da de la semana

1090

Pruckner, Eckhof y alemn

efectos que requerira varias dcadas de perfiles de carga de electricidad

real, sin embargo, estos no estn disponibles, e incluso si lo fueran sera
difcil combinarlos debido a los efectos a largo plazo, como el crecimiento
econmico o el calentamiento global. Por ltimo, no pretendemos reproducir
exactamente perfiles de demanda de electricidad sino para generar los

realistas. Por lo tanto, el uso de pruebas de bondad de ajuste sera contrario

al propsito de nuestro modelo, es decir, para crear diferentes perfiles que
buscan sin embargo realista de la demanda de electricidad no
deterministas.
Esto deja la posibilidad de una evaluacin cualitativa, tal como la
comparacin visual de los datos reales y simulados. Con el fin de asegurar
que nuestro modelo de hecho produce perfiles de demanda de electricidad
realistas, investigamos las caractersticas especficas tales como la
correlacin lineal de las temperaturas y los niveles de consumo y tambin
diariamente, semanalmente, y los ciclos estacionales.
5.1 Validacin del Proceso Temperatura media diaria
Para la validacin de nuestro proceso estocstico para la simulacin de las
temperaturas medias diarias, se realiz
diferentes pruebas de bondad de ajuste. Por lo tanto, hemos generado una
serie temporal temperatura durante 20 aos, que los medios
se investig ms de 7000 observaciones. Para nuestros propsitos,
parmetros tales como el valor mnimo,
valor mximo, y el valor medio son muy importantes. Se muestra una
comparacin de los valores simulados y reales
en la Tabla 2. Como se puede ver, nuestro proceso estocstico simulado
para temperaturas medias diarias se ajusta muy bien.
Tabla 2: Parmetros para la validacin del proceso estocstico para las
temperaturas medias diarias
Mnimo 1 Quartil Mediana Media tercera Quartil mximo
Los valores reales (en C) -14,20 2,40 9,40 8,94 15,30 27,0
Los valores simulados (en C) -14.476 2.018 8.922 8.636 15.458 28.064
Adems, las distribuciones de los datos simulados y reales son bastante
similares (que se muestra en las figuras 7 (a)
y 7 (b)). En ambos histogramas la ms alta probabilidad de que se alcance
temperaturas medias diarias entre 10
y 15 C y las distribuciones se ven casi idnticos.

-15 -10 -5 0 5 10 15 20 25 30 -15 -10 -5 0 5 10 15 20 25 30

Temperatura media diaria (en C) Temperatura media diaria (en C)

(A) la distribucin real (b) la distribucin simulada
Figura 7: Distribucin de las temperaturas medias diarias reales y simulados

5.2 Validacin de los perfiles de la demanda de electricidad

Para la validacin de los perfiles de demanda de electricidad, simulamos la
demanda de electricidad durante 20 aos en
AnyLogic y considerar el consumo anual de electricidad, es decir, la integral
de todos los valores simulados para
todos los aos. El consumo anual de electricidad se puede comparar con los
datos reales del conjunto de datos ENTSO-E.
De acuerdo con los perfiles oficiales de carga ENTSO-E el consumo de
electricidad en Alemania se situ en 484 TWh en
2011 y 468 TWh en 2012. El valor medio de todas las corridas de simulacin
ponen a 477 TWh, mientras que el mnimo

1091

Pruckner, Eckhof y alemn

valor fue de 472 TWh y el valor mximo fue de 481 TWh. Esto demuestra
que nuestro modelo es capaz de generar niveles realistas de consumo anual
de electricidad.
La correlacin entre el consumo de electricidad y la temperatura media
diaria para los das laborables de invierno es
se muestra en la Figura 8 (a). Observamos comparando el lineal se ajusta a
que, en promedio, nuestro modelo de simulacin ligeramente
subestima el conjunto de datos ENTSO-E. Sin embargo, esta subestimacin
es solamente marginal y tambin constante
Por lo tanto, y podra ser fijado fcilmente utilizando un coeficiente escalar.
La Figura 8 (b) representa la misma correlacin para
das de trabajo de verano. Aqu, nuestro modelo se ajusta a los datos
ENTSO-E muy as como la similitud de los ajustes lineales
muestra.

Las mediciones reales ajuste lineal reales

Sim. Las mediciones lineales Fit SIM.

Las mediciones reales ajuste lineal reales

Sim. Las mediciones lineales Fit SIM.

-15 -10 -5 0 5 10 15 5 10 15 20 25 30

Temperatura media diaria (en C) Temperatura media diaria (en C)

(A) Invierno (b) Verano

Figura 8: Validacin de la correlacin entre las temperaturas medias diarias

y el consumo diario de electricidad

5.3 resultados
El objetivo principal de este trabajo es proporcionar perfiles de demanda de
electricidad realistas como insumo para la simulacin.
Para fines de validacin se compararon un ao de datos reales (vase la
figura 9 (a)) con uno de los resultados de nuestra
modelo de simulacin (vase la figura 9 (b)). Como se puede ver que
nuestras cuentas modelo no slo para el tpico estacional
tendencias (mayor demanda en invierno, una menor demanda en verano),
sino tambin para la demanda de electricidad en atpica
tanto en verano como las vacaciones de invierno. Se observa que la
demanda media de electricidad del modelo de simulacin
y los datos reales son muy similares, lo que indica la exactitud de nuestro
modelo a una escala mayor.

La demanda de electricidad real Sim. La demanda de electricidad

Real media mvil de Sim. Media mvil

Ene Mar Mayo jui Sep Nov Ene Ene Mar Mayo jui Sep Nov Ene
(A) Los valores reales (b) los valores simulados

Figura 9: la demanda de electricidad real y simulada por un ao

1092

Pruckner, Eckhof y alemn

Para una comparacin ms detallada, analizamos la demanda de energa

elctrica real y simulado por una semana en invierno como se muestra en la
Figura 10 (a) y la Figura 10 (b), respectivamente. En este caso, para fines de
validacin, se utiliz para registrar la temperatura real como una entrada
para nuestro modelo de simulacin. Los resultados muestran que nuestro
modelo es capaz de capturar tpica ciclos semanales da-noche y: Podemos
observar los picos de demanda de electricidad especficos al medio da y en
horas de la noche, as como una menor demanda en las maanas de lunes y
viernes por la noche. Por otra parte representa el modelo de simulacin de
las caractersticas de la demanda de electricidad de los sbados y
domingos. Esto muestra que tambin en una escala ms pequea nuestro
modelo produce perfiles de demanda realistas y por lo tanto se puede usar
como una entrada para la simulacin de sistemas de energa.

La demanda de electricidad real Sim. La demanda de electricidad

Lun Mar Mie Jue Vie Sab Dom Lun Mier Jue Vie Sab Dom
(A) Los valores reales (b) los valores simulados
Figura 10: la demanda de electricidad real y simulada por una semana en
invierno

6. CONCLUSIN
En este trabajo presentamos un nuevo enfoque para modelar la demanda
de electricidad para ser usado en energa a gran escala
simulacin. Utilizando el anlisis estadstico de los datos publicados
oficialmente notamos una fuerte correlacin entre la
el tipo de da, la estacin y las temperaturas medias diarias con el nivel real
de la demanda de electricidad. En nos totales
identificadas veinte grupos de clasificacin de los das para tener en cuenta
las caractersticas especficas de los das de trabajo,
fines de semana, das de fiesta, y as sucesivamente. Adems se observ
que el impacto de la temperatura media diaria
muestra un comportamiento gaussiana distribuida y por lo tanto puede ser
modelado en consecuencia. Para no depender de grabado
datos de temperatura que despliega y se valid un proceso autorregresivo
para generar una serie de tiempo realista
de todos los das las temperaturas medias.
Para fines de validacin y como prueba de concepto implementamos
nuestro modelo en el marco de simulacin
AnyLogic 6, mostrando su aplicabilidad en el contexto de la simulacin
hbrido que combina la dinmica de sistemas
y la simulacin de eventos discretos. Nuestro modelo es capaz de producir
de forma realista perfiles de demanda tanto en los pequeos
y en gran escala y por lo tanto puede sustituir a los datos empricos como
entrada para la simulacin de energa a gran escala

sistemas.
El enfoque desarrollado tambin se puede utilizar para cualquier otra regin
en todo el mundo, tanto tiempo como parmetros de entrada, tales como
las temperaturas medias diarias o perfiles de carga de electricidad estn
disponibles. En el caso de todos los estados miembros de la Unin Europea
los perfiles de carga de electricidad estn disponibles en el sitio web ENTSOE.
El trabajo futuro incluye la escala de perfiles de demanda en todo el pas a
una escala ms pequea, por ejemplo, un estado federal de Alemania.

1093

Pruckner, Eckhof y alemn

EXPRESIONES DE GRATITUD
Este trabajo ha sido llevado a cabo dentro del proyecto "Anlisis del Sistema
de Baviera Energa" que est coordinado
por el Dr. Klaus Hassmann (el portavoz de la Tecnologa Energtica Cluster,
Bayern Innovativ, www.bayerninnovativ.de). El proyecto es apoyado por la Agencia de Energa de Baviera,
Allguer berlandwerk, Areva,
renerco, E.ON, infra-Frth, Kraftanlagen Mnchen, OMV, Ostwind, Siemens,
SWU, TENNET, Thga, y Verbund. Los autores desean agradecer a la Dra
Hassmann y los socios de varias discusiones y la prestacin de los datos.

Referencias

Alaton, P., B. Djehiche, y D. Stillberger. 2001. En Modelizacin y tarifas

derivados climticos. Trabajando
Papel, Departamento de Matemticas, KTH de Estocolmo.
Connolly, D., H. Lund, B. V. Mathiesen, y M. Leahy. 2010. "Una revisin de
herramientas informticas para Analizar