Predicción de la demanda de gas natural de las centrales térmicas en Colombia en el corto plazo

Abstract

RESUMEN : En Colombia, la priorización en la asignación de gas natural para la producción de energía eléctrica, se ha convertido en un factor restrictivo para la atención de otros sectores en épocas de escasez del energético. Así, el presente trabajo propone un modelo de predicción de la demanda de gas natural para el sector térmico en Colombia, una herramienta que pretende mejorar la planeación de la distribución de la oferta de gas natural a nivel nacional, principalmente en épocas de alta demanda térmica, cuando hay mayor riesgo de desabastecimiento en sectores de consumo como el industrial. En el proceso se comparan diferentes métodos de aprendizaje de máquina para series temporales como el método SARIMAX, y dos redes neuronales recurrentes (RNN) denominadas LSTM y GRU, incluyendo dentro de su ejecución, el uso la variable de precio de energía en bolsa como factor exógeno para la predicción. Los resultados obtenidos mediante los tres métodos utilizados sugieren que las RNN son modelos óptimos para la captura de patrones complejos como las curvas de demanda, mostrando una disminución significativa en el error de predicción, en comparación con el modelo SARIMAX.