Pronóstico del precio de la energía eléctrica usando redes neuronales artificiales

Abstract

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.