Predicción y comparación de la demanda de la energía eléctrica mediante la utilización de redes neuronales artificiales y métodos estadísticos tradicionales

Abstract

El objetivo de este trabajo consistió en realizar un estudio comparativo de dos técnicas predictivas empleadas para el pronóstico de la demanda de energía eléctrica: las redes neuronales artificiales (R.N.A.) y los métodos estadísticos tradicionales. Las simulaciones y los análisis de las series se realizaron con la información de dos muestras de características económicas, de consumos de energía, de infraestructura y desarrollo, muy distintas: las ciudades de Gral. Madariaga y Pinamar. El método predictivo tradicional, basado en la descomposición de las series temporales en sus componentes fundamentales y la teoría básica de las redes neuronales se analizaron y se describieron en este trabajo. Los resultados de las predicciones para el mediano plazo se representaron en un Sistema de Información Geográfica (G.I.S.), se puede observar gráficamente la dinámica de los consumos proyectados para ambas ciudades. Efectuado el análisis comparativo final con las predicciones para el corto y en el mediano plazo, el modelo de las R.N.A. presentó un error menor y también su dispersión fue menor. Como conclusión y para las dos muestras consideradas, se demuestra que la técnica predictiva de las redes neuronales artificiales presentó un comportamiento superior frente al modelo tradicional