18th International Symposium of Electrical Engineering
SIE 2019
Resumen:
La operación eficiente de los Sistemas Eléctricos hace imprescindible un balance; prácticamente instantáneo, entre la producción de energía eléctrica y su consumo. Resolver adecuadamente ese balance, implica poder predecir con antelación y con la mayor exactitud posible como variará la demanda de energía eléctrica, aspecto sumamente engorroso, pues la demanda muy compleja, y varía en función de variables que van desde aquellas asociadas al clima hasta eventos sociales.
El trabajo tiene como objetivo la implementación de un modelo de predicción de la demanda a corto plazo mediante Redes Neuronales Artificiales (RNA) para un circuito de subtrasmisión de 34.5 kV.
Se justifica la selección del Perceptrón Multicapa (Multiple Layer Perceptron “MLP”) con alimentación hacia delante (Feedforward) utilizando un entrenamiento supervisado con el algoritmo de propagación hacia atrás del error (Backpropagation). El modelo implementado consta de 2 capas ocultas con12 y 8 neuronas respectivamente se entrena con el 98.8% de los datos de demanda registrados en un circuito de 34.5kV de la provincia Villa Clara, dejándose los restantes para la validación del modelo.
La comparación de los valores pronosticados con los valores reales de demanda muestran errores entre 0.14% y 4.47%, aspecto perfectible si se incluyeran variables meteorológicas de cuyos datos no se dispuso
El modelo de RNA implementado en Matlab permite predecir la demanda eléctrica de un circuito de subtrasmisión de 34.5kV con errores aceptables, demostrándose la bondad de este método de inteligencia artificial para la solución de la problemática planteada
Resumen:
La operación eficiente de los Sistemas Eléctricos hace imprescindible un balance; prácticamente instantáneo, entre la producción de energía eléctrica y su consumo. Resolver adecuadamente ese balance, implica poder predecir con antelación y con la mayor exactitud posible como variará la demanda de energía eléctrica, aspecto sumamente engorroso, pues la demanda muy compleja, y varía en función de variables que van desde aquellas asociadas al clima hasta eventos sociales.
El trabajo tiene como objetivo la implementación de un modelo de predicción de la demanda a corto plazo mediante Redes Neuronales Artificiales (RNA) para un circuito de subtrasmisión de 34.5 kV.
Se justifica la selección del Perceptrón Multicapa (Multiple Layer Perceptron “MLP”) con alimentación hacia delante (Feedforward) utilizando un entrenamiento supervisado con el algoritmo de propagación hacia atrás del error (Backpropagation). El modelo implementado consta de 2 capas ocultas con12 y 8 neuronas respectivamente se entrena con el 98.8% de los datos de demanda registrados en un circuito de 34.5kV de la provincia Villa Clara, dejándose los restantes para la validación del modelo.
La comparación de los valores pronosticados con los valores reales de demanda muestran errores entre 0.14% y 4.47%, aspecto perfectible si se incluyeran variables meteorológicas de cuyos datos no se dispuso
El modelo de RNA implementado en Matlab permite predecir la demanda eléctrica de un circuito de subtrasmisión de 34.5kV con errores aceptables, demostrándose la bondad de este método de inteligencia artificial para la solución de la problemática planteada
About The Speaker
Alberto Andrés Limonte Ruíz