| Revista: | Dyna (Medellín) |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000344062 |
| ISSN: | 0012-7353 |
| Autors: | Rueda, Viviana María Velásquez Henao, Juan David1 Franco Cardona, Carlos Jaime1 |
| Institucions: | 1Universidad Nacional de Colombia, Escuela de Sistemas, Bogotá. Colombia |
| Any: | 2011 |
| Període: | Jun |
| Volum: | 78 |
| Número: | 167 |
| Paginació: | 36-43 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | La predicción de la demanda es un problema de gran importancia para el sector eléctrico, ya que a partir de sus resultados, los agentes del mercado de energía toman las decisiones más adecuadas para su labor. En este artículo se presenta un análisis de las técnicas y modelos más usados en el pronóstico de la demanda de electricidad y la problemática o difi cultades a las que se enfrentan los investigadores al momento de realizar un pronóstico. El análisis muestra que las técnicas más usadas son los modelos ARIMA y las redes neuronales artifi ciales. Sin embargo, se encontró poca claridad sobre cuál modelo es más adecuado y en qué casos, adicionalmente, los estudios no presentan una recomendación específi ca para desarrollar modelos de pronóstico de demanda, específi camente en el caso colombiano. Finalmente, se propone realizar un estudio sistemático con el fi n de determinar los modelos más adecuados para predicción de demanda para el caso colombiano |
| Resumen en inglés | Electricity demand forecasting is a major problem for the electricity sector, because the energy market players use the results of the electricity demand forecasting to make the right decisions for their work. This article presents an analysis of models and techniques used in the electricity demand forecasting and explain the problems or diffi culties that researchers have when making a forecast. Our analysis shows that the most used techniques are the ARIMA model and artifi cial neural networks. However, it appears unclear evidence on which model is most appropriate and in what cases, in addition, the studies do not present a specifi c recommendation to develop models for forecasting demand, specifi cally in the Colombian case. Finally, we propose to make a systematic study to determine the most appropriate models for forecasting demand for the Colombian case |
| Disciplines | Ingeniería |
| Paraules clau: | Ingeniería eléctrica, Demanda de energía, Energía eléctrica, Predicción, Modelos no lineales |
| Keyword: | Engineering, Electrical engineering, Power demand, Electric power, Forecasting, Nonlinear models |
| Text complet: | Texto completo (Ver PDF) |
