REVISTA DYNA ENERGÍA

Palabras clave:

Demanda de la energía eléctrica, Predicción a Largo Plazo, Regresión Lineal Múltiple, Regresión Logarítmica, Algoritmos Genéticos, Redes Neuronales Artificiales, Sistemas eléctricos insulares, lectricity Demand, Long-Term Prediction, Multiple Linear Regression, Multiple Logarithmic Regression, Support Vector Machine, Genetic Algorithms, Artificial Neural Networks, Insular Electric System

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

RESUMEN:
La evolución económica es el factor que más influye sobre el consumo eléctrico de cada país y de cada región, en las estimaciones a largo plazo. En años de crisis económica y financiera, como la actual, se constata una gran variabilidad del Producto Interior Bruto (PIB) y del Índice de Precios de Consumo (IPC). Este último sensible a la evolución del precio de la energía y al establecimiento de políticas monetarias. Por ello, en este trabajo se investiga la mejora de incluir el IPC, además del PIB y la población, como variable explicativa en las estimaciones de la demanda del consumo eléctrico. Para las compañías eléctricas es importante disponer de eficientes técnicas de predicción, para poder reducir la incertidumbre de la demanda de energía y obtener una programación óptima y realista de la producción de energía eléctrica. Para obtener conclusiones más objetivas, se realizan estimaciones con métodos de predicción de distinta naturaleza, tales como la Regresión Lineal Múltiple y la Regresión Logarítmica Múltiple, que son técnicas estadísticas clásicas, una Máquina de Vectores Soporte, que es una técnica de aprendizaje estadístico, un Algoritmo Genético, que es una técnica de computación evolutiva, y una Red Neuronal Artificial, que es una técnica de aprendizaje automático. Como caso de estudio se considera la predicción de la demanda de energía eléctrica en la Región Canaria, de gran interés por ser un sistema eléctrico aislado. Se obtienen mejores resultados de predicción con las técnicas de mayor capacidad de emular dependencias no lineales de la demanda de energía eléctrica en relación con la población, el PIB y el IPC.
Palabras clave: Demanda de Energía Eléctrica, Predicción a Largo Plazo, Regresión Lineal Múltiple, Regresión Logarítmica Múltiple, Máquina de Vectores Soporte, Algoritmos Genéticos, Redes Neuronales Artificiales, Sistemas Eléctricos Insulares.