En el presente trabajo de tesis brinda una solución a la predicción de la demanda eléctrica en corto

en el SNI usando modelos de redes neuronales. Con la aplicación de las Redes Neuronales
Artificiales, se resuelve el problema de la complejidad de los modelos de predicción tradicionales, a
partir de los factores que realmente afectan el consumo energético, los aspectos que se consideraran
en este estudio particularmente son: i) Datos históricos de demandas eléctricas diarias, ii) Datos del
clima; y, iii) Datos del tiempo como son la hora y la fecha. Con el algoritmo de solución
desarrollado se realiza el análisis en dos casos, el primer caso realizara la predicción en el SNI
incluyendo únicamente el comportamiento de la demanda y el segundo caso realiza la predicción de
la demanda eléctrica en el SNI tomando en cuenta el caso anterior y además se incluye la variable
del clima.

El objetivo de realizar un pronóstico de la demanda eléctrica es conocer que potenciales

acontecimientos podrían ocurrir en el futuro y de esta manera reducir al mínimo la incertidumbre.
El pronóstico óptimo guiará a la toma decisiones acertadas.

Por estas razones en este trabajo de tesis se tomara en cuenta para la estimación de demanda
eléctrica, los valores de carga de periodos pasados, las variables específicas que pueden ser
alteradas son: el día y la hora del día, el mes y si el día es festivo o corresponde a vacación y los
factores climáticos.

56

Pronostico de la demanda eléctrica de un alimentador de distribución con el algoritmo colonia de

hormigas,

Información de la demanda de un alimentador

De un sistema de distribución