Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10495/4805
Título : Pronóstico del precio de la energía eléctrica usando redes neuronales artificiales
Otros títulos : Electricity price forecasting using artificial neural networks
Autor : Villada Duque, Fernando
Cadavid Carmona, Diego Raúl
Molina Castro, Juan David
Palabras clave : Energía eléctrica
Precios de la energía
Redes neurales (informática)
Fecha de publicación : 2008
Editorial : Universidad de Antioquia, Facultad de Ingeniería
Citación : F. Villada, D. R. Cadavid, and J. D. Molina, "Pronóstico del precio de la energía eléctrica usando redes neuronales artificiales", Rev. Fac. Ing. Univ. Antioquia, no. 44, pp. 111-118, 2008.
Resumen: Este trabajo propone un modelo para el pronóstico del precio de la energía eléctrica en Colombia mediante el uso de redes neuronales artificiales. Se utilizan dos estructuras de redes incluyendo como entradas la serie de precios diarios en la primera y la serie de precios más el nivel medio de los embalses en la segunda. Los resultados se comparan con un modelo Autorregresivo Condicional Heterocedástico Generalizado (GARCH) encontrándose ventajas en este último dentro del período de muestreo, pero un mejor desempeño de las redes neuronales en el período fuera de la muestra. Los datos históricos se obtuvieron de la Compañía XM perteneciente al grupo ISA, de los cuales se usan 120 días para entrenamiento y los 31 días del mes siguiente para verificación del pronóstico.
Abstract : A model for forecasting the electricity price in Colombia using artificial neural networks is proposed in this work. Two neural networks structures including the price series in the first and the price series plus the water reserve levels in the latter are used. The results are compared with a Generalized Autorregresive Conditional Heteroskedastic Model (GARCH) model, which shows better adjustment inside the training period, but the neural networks have better performance forecasting outside the training sample. Historical data was supplied by the Company XM belonging to ISA Group, where 120 days were used as training patterns and the next 31 days were left to test the next month forecast.
Grupo de INV. : Grupo de Manejo Eficiente de la Energía (GIMEL)
URI : http://hdl.handle.net/10495/4805
ISSN : 01206230
24222844 E
Aparece en las colecciones: CIA (Centro de Investigaciones Ambientales y de Ingeniería)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
VilladaFernando_2008_pronosticoprecioenergia.pdfArtículo de Revista443,07 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons

 


Gestión de T.I. /Sistema de Bibliotecas / Universidad de Antioquia / Cl. 67 Nº 53 - 108 - Bloque 8 Conmutador: 219 51 51- 219 51 40 comunicacionessistemadebibliotecas@udea.edu.co Medellín - Colombia