Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 – MERCADOS ELÉCTRICOS
MODELO DE DEMANDA HORARIA DE
ENERGÍA ELÉCTRICA MERCADO
MAYORISTA DE ELECTRICIDAD
Este trabajo tiene como propósito establecer la diferencia entre los diferentes modelos de
estimación de la demanda eléctrica en el país en un intervalo del año 2017. Este trabajo
cubre tres modelos para ser estudiados. El primero que consta de un rango de estimación
de 0 a 22 horas, el segundo conserva los mismos parámetros de estimación pero se
tomara en cuenta la demanda eléctrica de la hora anterior (Demanda-1) y por último se
tomarán en cuenta los parámetros del segundo modelo con la diferencia que para este
la temperatura sera una variable que se añadira al análisis.
MODELOS A ESTIMAR Con base a Regresión Lineal Múltiple se busca estimar
los siguientes modelos de demanda horaria de energía
eléctrica en el MME.
Los valores de demanda de energía eléctrica a utilizar para la estimación de los tres
modelos deben ser los correspondientes al período del 1 de enero al 16 de diciembre de
2017
Muestra para estimación
R2 R2 ajustado
MODELO RSME MAPE A partir de la medida de ajuste MAPE de los
modelos estimados, se puede afirmar que el
1 0.8663 0.8658 0.0749 0.8635 mejor de todos es el tercero y representa un
98.88% de la variabilidad de la demanda.
Para este modelo, los coeficientes β más significativos dentro de la ecuación de pronóstico
fueron:
βmax: con un valor de 0.355, asociado a la variable de la hora 14.
βmin: con un valor de 0.020, asociado a la variable de la hora 6.
De estos valores podemos decir que tiene mayor efecto sobre la demanda que sea la hora
14 a que sea la hora 6.
Analisis para M1
0.4
X
h14
h19
h11
J
h13
h15
V
h10
h12
h18
L
h20
h09
h16
0.3
Coeficientes estandarizados
h17
h08
h21
S
0.2
h07
h22
0.1
h06
0
h05
h00
-0.1
h04
h01
h02
h03
-0.2
Variable
Analisis para M2
Para este modelo, los coeficientes β más significativos dentro de la ecuación de pronóstico
fueron:
βmax: con un valor de 0.945, asociado a la variable de la sensibilidad de la demanda de
una hora respecto a la anterior.
βmin: con un valor de 0.005, asociado a la variable del día sábado.
De estos valores podemos decir que tiene mayor efecto sobre la demanda, la sensibilidad
de una hora respecto a la anterior a que sea día sábado.
Coeficientes estandarizados
0.2
0.4
0.6
0.8
-0.2
0
1
Lna(D-1)
h00
h01
h02
h03
Analisis para M2
h04
h05
h06
h07
Variable
h08
h09
h10
h11
Ln(D) / Coeficientes estandarizados(Interv. de conf. 95%)
h12
h13
h14
h15
h16
h17
h18
h19
h20
h21
h22
Analisis para M3
Para este modelo, los coeficientes β más significativos dentro de la ecuación de pronostico
fueron:
βmax: con un valor de 0.936, asociado a la variable de la sensibilidad de la demanda de
una hora respecto a la anterior.
βmin: con un valor de 0.006, asociado a la variable del día sábado.
De estos valores podemos decir que tiene mayor efecto sobre la demanda, la sensibilidad
de la demanda de una hora respecto a la anterior a que sea día sábado.
También, el coeficiente asociado a la sensibilidad de la temperatura es positivo, lo cual era
esperado ya que a mayor temperatura se considera un aumento en la demanda
Coeficientes estandarizados
0.2
0.4
0.6
0.8
-0.2
0
1
Lna(D-1)
Lna(T)
h00
h01
h02
Analisis para M3
h03
h04
h05
h06
h07
Variable
h08
h09
h10
h11
Ln(D) / Coeficientes estandarizados(Interv. de conf. 95%)
h12
h13
h14
h15
h16
h17
h18
h19
h20
h21
h22
Pronóstico
MODELO 1
1200.000
1000.000
800.000
600.000
400.000
200.000
0.000
15-Dec-17 17-Dec-17 19-Dec-17 21-Dec-17 23-Dec-17 25-Dec-17 27-Dec-17 29-Dec-17 31-Dec-17 2-Jan-18
Pronóstico Real
Pronóstico M1
MODELO 2
1200.000
1000.000
800.000
600.000
400.000
200.000
0.000
15-Dec-17 17-Dec-17 19-Dec-17 21-Dec-17 23-Dec-17 25-Dec-17 27-Dec-17 29-Dec-17 31-Dec-17 2-Jan-18
Pronóstico Real
Pronóstico M2
MODELO 3
1200.000
1000.000
800.000
600.000
400.000
200.000
0.000
15-Dec-17 17-Dec-17 19-Dec-17 21-Dec-17 23-Dec-17 25-Dec-17 27-Dec-17 29-Dec-17 31-Dec-17 2-Jan-18
Pronóstico Real
Pronóstico M3
Precisión comparable al modelo dos, sin embargo presenta leves mejoras al añdir la
variable explicativa de la temperatura. El modelo tres acierta con un error mínimo, en los
días feriado tanto como el 31 y el 24 el pronóstico brinda datos que poseen mayor
exactitud. El modelo tres en la teoría, debería ser el que nos brinde mayor confiabilidad,
ya que involucra un mayor numero de variables explicativas.
Conclusiones