Implementación del método razonamiento inductivo difuso para el pronóstico de la demanda eléctrica a corto plazo en el SEIN

• Autor: Blancas Sánchez, Jordan Darwin
• Formato: tesis de maestría
• Fecha de Publicación: 2019
• Institución: Consejo Nacional de Ciencia Tecnología e Innovación
• Repositorio: CONCYTEC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.concytec.gob.pe:20.500.12390/1485
• Enlace del recurso: https://hdl.handle.net/20.500.12390/1485
• Nivel de acceso: acceso abierto
• Materia: Razonamiento inductivo difuso; Análisis de series de tiempo; Lógica difusa; https://purl.org/pe-repo/ocde/ford#2.03.01

La presente tesis se enfocará en la aplicación del “razonamiento inductivo difuso” (FIR por sus siglas en inglés) al problema del pronóstico de la demanda eléctrica de corto plazo (Short Term Load Forecasting en inglés). El modelo FIR, que está basado en lógica difusa, aprende las relaciones pasadas de la demanda eléctrica (carga) y predice el comportamiento de la demanda a partir del último dato real agregado con el fin de establecer las desviaciones de la demanda programada versus la demanda real. El objetivo de este trabajo busca determinar el menor error de pronóstico mediante el indicador “error porcentual absoluto medio” (MAPE por sus siglas en inglés), por lo cual en primer lugar se desarrollan los fundamentos de lógica difusa como base para comprender la metodología FIR y se propone un método de pronóstico previo solo utilizando la lógica difusa como herramienta. Posteriormente se desarrolla la metodología FIR propuesta como mejora de la metodología con lógica difusa y que además es complementada con el uso de un algoritmo evolutivo denominado “algoritmo de rebotes simulados” (SRA en inglés) que servirá como un método de optimización (minimización del MAPE) para determinar las relaciones lineales y no lineales entre las variables y así identificar el conjunto de variables de entrada que mejoran la precisión de la predicción. Entonces, tanto la metodología con lógica difusa como la metodología FIR complementada con la implementación de SRA, se aplicarán al sistema energético peruano mediante la utilización de los datos históricos de la demanda eléctrica del Sistema Eléctrico Interconectado Nacional para determinar el pronóstico de la demanda eléctrica del día siguiente (corto plazo). Finalmente, se demuestra que la metodología FIR ofrece errores menores en el pronóstico de la demanda eléctrica en comparación la metodología con lógica difusa desarrollada inicialmente y con la metodología actualmente utilizada por el operador del sistema eléctrico nacional (COES-SINAC), que utiliza ajuste por mínimos cuadrados como herramienta de pronóstico.