Pronóstico robusto de demanda de energía eléctrica : un enfoque basado en optimización

Abstract

RESUMEN : Los datos utilizados para el pronóstico de demanda eléctrica son el insumo principal de los modelos de predicción. Aunque normalmente estos datos son tratados y corregidos cuando presentan errores, algunas veces su integridad puede verse afectada por factores externos, como ataques cibernéticos. A pesar de que ya se han propuesto modelos de pronóstico de demanda eléctrica a corto plazo que buscan mitigar estos problemas, son pocas las soluciones planteadas. Estos nuevos modelos, han tenido algunas mejoras en los resultados probando con nuevas funciones objetivos. En este artículo se propone trabajar este reto, por tres frentes que pueden ser combinados: el primero, con un modelo horario y un modelo único; el segundo, usando 2 funciones de perdida robustas; el tercero, agregando restricciones a los modelos de optimización. Las funciones de perdida propuestas son la “valor absoluto” y la “Huber”. Las restricciones están enfocadas a no permitir valores atípicos en el pronóstico. Tomando como ejemplo la información de demanda del sistema de EPM, se pudo observar que el modelo horario propuesto supera los modelos de referencia e incluso el modelo único, cuando los datos dañados son los datos de entrenamiento. Cuando los datos dañados son los de pronóstico y el porcentaje de daño es menor al 20%, el modelo horario también presenta resultados superiores.