TFG Pred
TFG Pred
TFG Pred
Sede Central
Ciudad Presidente Franco.
Facultad de Ciencias y Tecnologías
Ingeniería Electromecánica.
………………………………………. ……………………………………
Ing. Luis Carmelo Ramírez Vergara Ing. Liz Rossana Galeano
Orientador Temático Orientador Metodológico
……………………………………………….
Prof.
Presidente de la mesa examinadora.
……………………………………… ……………………………………
Prof. Prof.
Miembro de la mesa examinadora. Miembro de la mesa examinadora.
Escribir aquí la dedicatoria - opcional.
Su extensión no deberá exceder de una página.
3
<Escribir aquí los agradecimientos.>
<Su extensión no deberá exceder de una página.>
4
Intenta no volverte un hombre de éxito, sino volverte un hombre de valor.
Albert Einstein
5
Índice de Contenidos
Índice de Contenidos 6
Índice de Figuras 9
Índice de tablas 11
Resumen 13
Abstract 14
CAPÍTULO I 1
INTRODUCCION 1
1. Introducción 1
1.1. Definición del problema 1
1.2. Delimitación del Trabajo 2
1.3. Preguntas de la investigación 2
1.4. Objetivos 2
1.5. Hipótesis 3
1.6. Justificación. 3
1.7. Descripción de los contenidos por capítulo. 4
CAPÍTULO II 2
MARCO TEORICO 2
2. Conceptos fundamentales, teorías y antecedentes 3
2.1. Sistema Eléctrico de Potencia 3
2.1.1. Demanda de energía eléctrica y la curva de carga 7
2.1.2. Importancia de los pronósticos de la demanda de energía. 8
2.1.3. Predicción de demanda de energía eléctrica 8
2.1.4. Horizontes temporales de previsión. 9
2.1.5. Factores que influyen en el corto plazo de la demanda eléctrica. 10
2.1.6. Clasificación de los métodos de Predicción 12
2.1.7. Clases de predicciones 14
2.1.8. Regresión lineal 15
6
2.1.8.1. Método de Regresión lineal múltiple 17
2.1.9. Criterios de validación del método y análisis 19
2.1.9.1.MAPE (Mean absolute porcentage error-Porcentaje de error medio
absoluto) 19
2.2. Antecedentes de trabajos similares realizados 20
CAPÍTULO III 22
METODOLOGIA 22
3. Método 23
3.1. Enfoque 23
3.2. Alcance de la investigación cuantitativa 23
3.3. Diseño 23
3.4. Flujograma de trabajo 24
3.5. Población y muestra. 28
3.6. Perfil de inclusión y exclusión. 28
3.7. Técnicas de Procesamiento de datos. 29
3.8. Materiales y Métodos. 30
Recolección de la información de interés 34
Selección y limpieza de datos 36
CAPÍTULO IV 45
RESULTADO Y DISCUSIÓN 45
4. Resultados y Discusión 46
4.1. Puntos obtenidos con la ecuación de regresión lineal múltiple. 46
4.2. Validación de la predicción 62
CAPÍTULO V 66
CONCLUSIÓN Y RECOMENDACION 66
1.1. Conclusión 67
1.2. Recomendación 67
REFERENCIAS BIBLIOGRAFICAS 68
Referencias 68
ANEXOS 71
Anexo A. Datos en planillas 72
7
GLOSARIO 86
8
Índice de Figuras
9
Figura 21 Modelo arrojado del pronóstico de demanda eléctrica del día martes 16 de
octubre del 2018, alimentador Franco 2. .............................................................................. 57
Figura 22Comportamiento del pronóstico de demanda del día miércoles 17 de octubre de
2018, alimentador Franco 2.................................................................................................. 57
Figura 23Modelo arrojado del pronóstico de demanda eléctrica del día miércoles 17 de
octubre del 2018, alimentador Franco 2. .............................................................................. 58
Figura 24 Comportamiento del pronóstico de demanda del día jueves 18 de octubre de
2018, alimentador Franco 2.................................................................................................. 58
Figura 25 Modelo arrojado del pronóstico de demanda eléctrica del día miércoles 17 de
octubre del 2018, alimentador Franco 2. .............................................................................. 59
Figura 26 Comportamiento del pronóstico de demanda del día viernes 19 de octubre de
2018, alimentador Franco 2.................................................................................................. 59
Figura 27 Modelo arrojado del pronóstico de demanda eléctrica del día viernes 19 de
octubre del 2018, alimentador Franco 2. .............................................................................. 60
Figura 28 Comportamiento del pronóstico de demanda del día sábado 20 de octubre de
2018, alimentador Franco 2.................................................................................................. 60
Figura 29 Modelo arrojado del pronóstico de demanda eléctrica del día sábado 20 de
octubre del 2018, alimentador Franco 2. .............................................................................. 61
Figura 30 Comportamiento del pronóstico de demanda del día domingo 21 de octubre de
2018, alimentador Franco 2.................................................................................................. 61
Figura 31 Modelo arrojado del pronóstico de demanda eléctrica del día domingo 21 de
octubre del 2018, alimentador Franco 2. .............................................................................. 62
Figura 32 Coeficientes de determinación con mejores resultados. ................................ 63
Figura 33 Representación gráfica de MAPE .................................................................. 64
Figura 34 Comportamiento de demanda Real vs Predicha correspondiente a un día 30 de
marzo de 2018, alimentador FCO2. ..................................................................................... 65
Figura 35 Resultados arrojados por la predicción para un día 30 de marzo del año 2018.
.............................................................................................................................................. 65
10
Índice de tablas
11
Tabla 22 comparación entre el valor real y predicho correspondiente a un día sábado. 52
Tabla 23 coeficientes de la ecuación de regresión ......................................................... 53
Tabla 24 comparación entre el valor real y predicho correspondiente a un día domingo.
.............................................................................................................................................. 54
Tabla 25 Validación de los resultados de predicción. .................................................... 63
Tabla 27 Datos extraídos de los días de invierno de un alimentador de distribución. ... 72
Tabla 28 Feriados correspondientes al año 2018 ........................................................... 77
12
Resumen
13
Abstract
Concise presentation of the grade research work, pointing out its most
relevant items. At most, it must be of one page long. The first paragraph should
state the subject being addressed. It must include main objectives, methods, most
remarkable results, as well as the most important conclusions. No cites or
references should be included here.
At the end of the abstract should be written the key words (words or phrases
that allow the work to be classified and located).
14
CAPÍTULO I
INTRODUCCION
1. Introducción
1
Con la información proporcionada por el estudio de pronóstico de demanda de energía
eléctrica, los operadores pueden tomar mejores decisiones en la operación de red. Por lo tanto,
un buen estudio de pronóstico de demanda de energía eléctrica, es necesario para la operación
económica y segura del sistema.
Pregunta matriz
Preguntas específicas
1.4. Objetivos
General
Específicos
2
● Analizar las variables que influyen en la demanda de los alimentadores de la ES
PFO.
1.5. Hipótesis
1.6. Justificación.
3
1.7. Descripción de los contenidos por capítulo.
4
1
CAPÍTULO II
MARCO TEORICO
2. Conceptos fundamentales, teorías y antecedentes
Toda la energía generada por el sistema de generación necesita fluir a lo largo del territorio
nacional, y para eso la transmisión de energía eléctrica de Paraguay cuenta con el sistema
3
interconectado nacional (SIN) que abarca la mayor parte del territorio y se alimenta
principalmente de las centrales hidroeléctricas, la central Hidroeléctrica Itaipú (CH-IPÚ) con
un capacidad de generación de 14.000 MW, la Central Hidroeléctrica Yacyretá (CH-YAC)
con 3.200 MW de potencia y la central Hidroeléctrica Acaray (CH-ACY) con una generación
de 200 MW, las cuales son las principales fuente de energía del sistema Interconectado
Nacional Paraguayo, prácticamente en un 99,9 %, y una ínfima parte de 0,1 % es atribuida a
pequeñas centrales térmicas aisladas. [2] En la figura 2 se puede observar el Sistema
Interconectado Nacional paraguayo.
4
Los sistemas de distribución incluyen todos los elementos de transporte de energía
eléctrica comprendidos entre las subestaciones primarias, donde la transmisión de potencia
se reduce a niveles de distribución, y las bajadas de servicio a los abonados. Un sistema de
distribución normal consta de: redes de subtransmision, subestaciones de distribución, que
transportan la energía a una tensión más baja, adecuada para la distribución local,
alimentadores, los cuales alimentan un área bien definida. La función de los sistemas de
distribución es recibir la energía eléctrica de las centrales de producción o estaciones
primarias y distribuir a los usuarios a la tensión adecuada. [3]
Las estaciones que rebajan la tensión (220 kV a 66 kV) proveen energía eléctrica a la red
de distribución primaria y, se puede decir, que alimentan parte de la red junto con otras
estaciones. Por eso los circuitos de salida de estas estaciones son llamados alimentadores.
5
Los circuitos primarios constituyen la parte de un sistema de distribución que transportan
la energía desde la subestación receptora secundaria o punto de alimentación del sistema
donde el voltaje baja de niveles de subtransmisión 66 - kV a voltajes de distribución primarios
23 kV hasta los primarios de los transformadores de distribución.
Los circuitos primarios están conformados por los alimentadores principales y sus ramales
laterales y sublaterales.
a. El alimentador principal:
También llamado troncal principal y se caracteriza por ser trifásico y de calibres grandes
(del orden de 2/0 a 4/0 AWG). Se protege a la salida de la subestación distribuidora con un
interruptor con recierre automático y promediando dicho alimentador se instala un
reconectador automático.
b. Derivaciones laterales:
Se derivan del alimentador principal mediante equipo de seccionamiento y protección
(cortacircuitos fusible) con conductores de calibre 1/0 y 2 AWG que dependiendo del tamaño
de la carga y del tipo de transformadores que alimenta llevarán las 3 fases.
c. Derivaciones sublaterales:
Salen de las derivaciones laterales mediante seccionador fusible para alimentar muy pocos
transformadores monofásicos. (Fase - neutro). El calibre mínimo por norma debe ser Nº 2
AWG aunque existen en calibres menores.
6
coordinación minimizar el número de usuarios afectados por fallas. Igualmente se pueden
disponer de interruptores de enlace N.A. (Normalmente Abiertos). [4]
7
Curvas de carga diaria: Las curvas de carga diaria están formadas por los picos obtenidos
en intervalos de una hora para cada hora del día. Las curvas de carga diaria dan una indicación
de las características de la carga en el sistema, para el sector residencial, comercial o
industrial y de la forma en que se combinan para producir el pico.
Curvas de carga anual: Las curvas de carga anual están formadas por los valores de la
demanda a la hora pico en cada mes, permiten una visualización de los crecimientos y
variaciones de los picos mensuales y anuales. El análisis de las causas de estas variaciones
debe conducir a conclusiones prácticas sobre el comportamiento del sistema y los factores
que lo afectan. [5]
8
considerar dentro de la predicción tres técnicas de predicción: de corto, mediano y largo
plazo. [5]
El primer paso antes de construir un modelo es elegir el horizonte temporal para el cual
se pretende realizar la previsión de la demanda de energía eléctrica. Los mismos pueden ser
de corto, mediano y largo plazo. [5]
Pronóstico a corto plazo: Previsión de carga futura en tiempo real para la hora siguiente y
con un horizonte de hasta una semana; el pronóstico se basa en los datos históricos de
demanda diaria y factores climáticos.
Este tipo de pronóstico es requerido por los encargados de planificar la operación diaria
de unidades de generación tal como lo dispone la entidad encargada de suministro de energía
eléctrica. Estos pronósticos consisten en proporcionar la demanda de energía eléctrica del
sistema sobre un intervalo de horas, días y la semana.
9
Pronostico a largo plazo: abarca un horizonte de uno hasta diez años; la predicción de la
demanda de energía es utilizada para la planeación y expansión de la generación y la
transmisión. [5]
10
1/4/2018 domingo Semana Santa - -
1/5/2018 martes Día de los trabajadores - -
15/5/2018 martes Independencia Nacional - -
12/6/2018 martes Día de la Paz del Chaco 11-jun lunes
15/8/2018 miércoles Fundación de Asunción - -
29/9/2018 sábado Batalla de Boquerón - -
8/12/2018 sábado Virgen de Caacupe - -
25/12/2018 martes Navidad - -
11
2.1.6. Clasificación de los métodos de Predicción
Una primera clasificación de los métodos de predicción es la que se divide en los modelos
cualitativos y cuantitativos. Básicamente los métodos cualitativos son aquellos en los que el
pasado no proporciona información relevante sobre la variable que pretendemos investigar.
El enfoque del presente trabajo es cuantitativo, el objetivo principal es extraer información
útil y valida de los contenidos históricos, a partir de ellos predecir un futuro comportamiento.
[5]
12
Lineal
Regresión Simple
No lineal
Lineal
Regresión múltiple
Regresión No Lineal
Econométrico
(Regresión Lineal
multivariable
utilizando variables
económicas)
Estadísticas
Descomposición
AR,MA,ARMA
Series de tiempo
Promedios móviles
Suavizamiento
exponencial
Distribución de
probabilidad
13
Propagación hacia
Redes adelante
Neuronales
Propagación hacia
Sístemas atrás
Inteligencia expertos
Artificial
Lógica difusa
Tendencia
Microáreas
Utilización de
terrenos
Ante todo, se cree conveniente hacer un breve comentario sobre la utilización del término
de predicción, o de sus sinónimos pronósticos y previsión. En sentido estricto, la verdadera
predicción seria la realizada a partir de la última observación histórica. Sin embargo, puesto
que suele ser muy útil comprobar cómo se había comportado el modelo dentro del periodo
histórico si se hubiera utilizado dicho modelo para pronosticar observaciones históricas ya
conocidas con certeza (lo cual es importante para juzgar posteriormente la validez del
modelo), por extensión, es frecuente emplear también el termino predicción para lo que, en
realidad podría ser considerado como bondad de ajustes a valores históricos, siendo
numerosas las publicaciones que utilizan indistintamente el término de predicción tanto para
el ajuste de los periodos históricos como para el cálculo correspondiente a períodos futuros.
El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación
entre variables. Se adapta a una amplia variedad de situaciones.
El análisis de regresión lineal puede utilizarse para explorar y cuantificar la relación entre
variable dependiente y una o más variables llamadas independientes, así como para
desarrollar una ecuación lineal con fines predictivos. La ecuación que describe la línea recta
es la siguiente:
𝑌 = 𝑏0 + 𝑏. 𝑋 + 𝜀
Donde:
15
Figura 7 Regresión lineal [6].
El análisis de regresión es un concepto de vital importancia para la estadística moderna,
de igual manera es trascendente para fines de predicción, siendo esta una herramienta muy
útil y poderosa para analizar la relación entre una variable dependiente y una o más
independientes, puede ser usada para: [8]
16
Y=X∗B+U (1)
V(ui ) = σ2 (2)
E(ui ∙ uj ) = 0; ∀i ≠ j (3)
U ≈ N(0. σ2 ) (4)
Este método representa como variables independientes a las horas del dia, los días de la
semana y la temperatura horaria, pero determina la demanda futura extrapolando la tendencia
de la información pasada. El modelo de regresión lineal empleado es de la siguiente forma:
𝜀 = y − ŷ (6)
Permite utilizar más de una variable independiente, por lo tanto, hay que utilizar más
información en la construcción del modelo y consecuentemente, realizar estimaciones más
17
precisas. Los coeficientes b van a indicar el incremento en la variable dependiente por el
incremento unitario de la correspondiente variable independiente. [9]
u1 y1 − ŷ1
u2 y2 − ŷ2
u= : = : = y − ŷn (8)
. .
[un ] [yn − ŷn ]
Y teniendo en cuenta la definición de 𝑦̂:..
y1 1 x1,1 . . xk,1
y2 1 x1,2 . . xk,2
u= : − . =y−X∗b (10)
. .
[yn ]
[1 x1,k . . xk,n ]
Por lo tanto la varianza residual se puede expresar de la siguiente manera:
n ∗ σ2 = u´ ∗ u = (y − X ∗ b)´ ∗ (y − X ∗ b) (11)
Es decir:
2
ϕ(b) = ∑(yj − ŷj ) = uι ∗ u (12)
Por lo tanto, la varianza residual es una función del vector de parámetros b y la condición
para que tenga un mínimo será:
dϕ(b)
=0 (13)
db
18
n ∗ σ2 = uι ∗ u = y ι ∗ y − y ι ∗ x ∗ b − bι ∗ x ι ∗ y + bι ∗ x ι ∗ x ∗ b (14)
Por lo tanto:
Xι ∗ Y = Xι ∗ X ∗ B (17)
Xι ∗ Y = Xι ∗ X ∗ B (18)
20
● En 2016, Brasil-João Pessoa, Romero Álamo Oliveira de Medeiros presentó como
trabajo de maestría la previsión de demanda en medio plazo utilizando redes
neuronales en sistemas de distribución de energía eléctrica, el objetivo de este
trabajo fue realizar una predicción a medio plazo, concluyendo que la
metodología propuesta permite al equipo de planificación del sistema de
distribución un error aceptable abajo del 5%, siendo el algoritmo efectivo y
utilizable para el pronóstico temporal. [1]
● En 2013, Colombia-Pereira, Adriana Marcela Ariza Ramírez presentó como
trabajo de grado distintos métodos utilizados para el pronóstico de demanda de
energía eléctrica aplicados en sistema de distribución, que con la ayuda de
herramientas como los siguientes programas; Excel, Matlab V2012b, SPSS 20
presentó los métodos de redes neuronales artificiales (RNA), Micro áreas y
también el método de la regresión lineal múltiple, logrando diferenciar la
precisión de los distintos métodos en la predicción de demanda de energía
eléctrica. [5]
21
CAPÍTULO III
METODOLOGIA
3. Método
3.1. Enfoque
Por lo tanto, es perceptible la función que cumple este trabajo a la hora de establecer
relaciones entre las variables, precisando sentido de casualidad, analizando la relación entre
causa y efecto entre las variables, al poseer estas características asumimos como un alcance
explicativo.
3.3. Diseño
23
3.4. Flujograma de trabajo
En el siguiente flujograma se ven reflejadas una serie de procesos que se debe realizar al
momento de ejecutar el trabajo.
25
Figura 10 Planilla de datos históricos
Para visualizar mejor los datos e identificar los mismos son ordenados de forma diaria con
las horas correspondientes a cada día, de tal manera a visualizar mejor la demanda y
temperatura correspondiente a cada día del año estudiado.
Concluido el ordenamiento de los datos estos son verificados para determinar si existen datos
atípicos que perturban el resultado de predicción, se emplean estrategias de eliminación de
estos datos mencionados y la corrección de los mismos. En la tabla siguiente se puede
visualizar lo mencionado anteriormente.
26
Tabla 2 Datos ordenados de manera horaria [Fuente propia]
27
predicen la demanda de un alimentador. La ecuación final de regresión
mencionada es la siguiente.
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 = 𝑏𝑜 + 𝑏1 ∙ 𝑇𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 + 𝑏2 ∙ ℎ𝑜𝑟𝑎 + 𝑏3 ∙ 𝑑í𝑎 (22)
Siendo 𝑏0 la ordenada en el origen, 𝑏1 , 𝑏2 𝑦 𝑏3 coeficientes que representan el
incremento de la demanda con respecto a las variables independientes.
3.4.4. Realización del modelo de predicción y obtención de la curva de demanda:
para la obtención de los puntos de la curva de demanda es realizado la predicción
utilizando la metodología de regresión lineal múltiple, considerando una
herramienta computacional para el análisis de los datos históricos del alimentador
en estudio.
3.4.5. Análisis de precisión del modelo: el modelo es validado a partir de los resultados
arrojados por la predicción, siendo estos efectivos cuando la demanda predicha se
aproxima a la demanda real, esto es posible mediante la interpretación del
coeficiente de correlación 𝑅 2 , ya que ésta indica la efectividad de la predicción si
la misma se aproxima a la unidad y los nuevos valores de demanda se aproximan
en valor a la demanda real. La significancia de las variables independientes
demuestra su grado de importancia en la predicción de demanda eléctrica.
Dentro de los criterios de inclusión se encuentran los datos históricos necesarios para la
evaluación de la predicción de demanda, para la ejecución del mismo deberá contener:
demanda histórica de los alimentadores pertenecientes a la ES PFO, temperatura horaria de
la ciudad correspondiente, los días de la semana, horas del día en las que se registraron dichas
28
demandas y temperaturas, siendo aplicado la predicción para cualquiera de los alimentadores
pertenecientes a la ES PFO con un horizonte de tiempo de corto plazo.
Los datos históricos del alimentador son necesarios para adquirir información de la
relación existente entre las variables independientes (los días de la semana, las 24 horas del
día, y la temperatura ambiente correspondiente a cada hora) con la variable dependiente
(demanda del alimentador), de esa manera obtener una ecuación de regresión lineal múltiple
aproximada, con sus respectivos coeficientes capaz de realizar una predicción aceptable para
la generación de puntos de curva de demanda diaria del alimentador en estudio.
Tabla 3 Datos históricos del alimentador utilizados del día 25 de marzo del año 2018
[Fuente propia].
29
domingo 25/3/2018 04:00 22 180
domingo 25/3/2018 05:00 21 186
domingo 25/3/2018 06:00 21 185
domingo 25/3/2018 07:00 21 185
domingo 25/3/2018 08:00 21 185
domingo 25/3/2018 09:00 22 192
domingo 25/3/2018 10:00 22 210
domingo 25/3/2018 11:00 23 210
domingo 25/3/2018 12:00 20 184
domingo 25/3/2018 13:00 21 160
domingo 25/3/2018 14:00 22 155
domingo 25/3/2018 15:00 21 160
domingo 25/3/2018 16:00 20 175
domingo 25/3/2018 17:00 20 198
domingo 25/3/2018 18:00 17 217
domingo 25/3/2018 19:00 16 196
domingo 25/3/2018 20:00 15 173
domingo 25/3/2018 21:00 15 153
domingo 25/3/2018 22:00 14 140
domingo 25/3/2018 23:00 13 132
Tabla 2
Objetivos
Tarea Variable Indicador
Específicos
● Analizar las -Realizar un - Carga - Informe técnico en
30
los alimentadores de EE PFO - - Artículos
alimentadore de la ANDE. Temperatur estadísticos.
s de la EE -Analizar los datos a
PFO. históricos a ser - Corriente
utilizados. - Voltaje
- Horas
diarias
3.8.1. Método
Descripción del sistema en estudio
32
Figura 12 Diagrama unifilar de la estación Presidente Franco
33
Figura 13 Trazado de alimentadores de distribución de la Estación Presidente Franco
Actualmente en el sistema electrico de distribucion de energia de la region, no utiliza un
modelo matematico para el pronostico la demanda a corto plazo en los alimentadores de
distribucion, sin embargo los operadores de la red, observan en la base de datos del centro
de operación de distribucion, la demanda maxima de dias anteriores llevando en cuenta la
temperatura, que es la variable que tiene una mayor inflluencia en la demanda del sistema,
para la toma de decisiones operativas y estrategicas, cuya falta de precision trae altos costos
economicos[referenciar].
Conocer la demanda de un determinado alimentador con antelacion, permitiria anticiparse
a los requerimientos del sistema y asi, estudiar diversas alternativas para atencion de la
demanda.
34
Figura 14 Trazado del alimentador FCO2 de la ES PFO
Se procede extraer desde una base de datos, donde se registran las demandas horarias por
cada alimentador de distribución.
En la tabla.. se puede observar los datos de demanda del mes de enero desde las primeras
doce horas, la fecha y el estado del tiempo del alimentador en estudio. Al realizar una
verificación inicial se puede demostrar que existen faltantes de datos, valores atípicos que no
aportan de manera positiva a la predicción de la demanda para ello se debe realizar la
depuración inicial y el tratamiento de los datos antes de realizar el pronóstico de demanda.
35
Tabla 5 Base de Datos
Selección de datos:
36
Los datos utilizados como entrada para este proyecto, se distribuyen en dos tipos de
variables, variables dependientes y variables independientes o explicativas, ambas
fundamentales para la realizar una buena predicción.
La demanda eléctrica semanal, presenta un periodo de 7 días, correspondientes a cada día
de la semana. En el corto plazo las variaciones climáticas y los factores medioambientales,
son causa directa de los cambios de consumo de electricidad. Esto se evidencia en la
variación de la temperatura que va de la mano con la variación de la demanda eléctrica. [6]
En este sistema, inicialmente, se ha decidido utilizar como variables de entrada:
• Día de la semana.
• Hora del día.
• Temperatura horaria.
• Demanda horaria.
Tabla 6 Variables utilizadas inicialmente como datos de entrada para la predicción
Tipo de
Fecha Día Hora Temperatura Demanda
Día
21/6/2018 jueves 0 4 17 132
21/6/2018 jueves 1 4 17 129
21/6/2018 jueves 2 4 17 129
21/6/2018 jueves 3 4 17 129
21/6/2018 jueves 4 4 17 140
21/6/2018 jueves 5 4 16 170
21/6/2018 jueves 6 4 16 163
21/6/2018 jueves 7 4 17 168
21/6/2018 jueves 8 4 18 173
21/6/2018 jueves 9 4 20 177
21/6/2018 jueves 10 4 22 193
21/6/2018 jueves 11 4 22 196
21/6/2018 jueves 12 4 26 176
21/6/2018 jueves 13 4 27 168
21/6/2018 jueves 14 4 28 172
21/6/2018 jueves 15 4 28 178
37
21/6/2018 jueves 16 4 28 218
21/6/2018 jueves 17 4 24 250
21/6/2018 jueves 18 4 22 230
21/6/2018 jueves 19 4 20 210
21/6/2018 jueves 20 4 19 196
21/6/2018 jueves 21 4 18 170
21/6/2018 jueves 22 4 18 149
21/6/2018 jueves 23 4 16 138
Tipo de
Fecha Día Hora Temperatura Demanda
Día
29/7/2018 Domingo 0 0 13 131
30/7/2018 Lunes 0 1 10 137
31/7/2018 Martes 0 2 12 135
1/8/2018 Miércoles 0 3 9 137
2/8/2018 Jueves 0 4 10 130
3/8/2018 Viernes 0 5 16 130
4/8/2018 Sábado 0 6 17 136
Análisis de datos
400
350
300
250
200
150
100
50
0
51
26
76
1
451
101
126
151
176
201
226
251
276
301
326
351
376
401
426
476
501
526
551
576
601
626
651
676
701
726
Figura 15 Comportamiento de demanda para el mes de marzo del año 2018,
alimentador 2
En la figura anterior por ser demandas eléctricas correspondientes en su totalidad a un
mes, no permite percibir de manera más clara el comportamiento de la curva diaria, en la
figura 16 que corresponde a un día del mes de marzo de 2018 permite apreciar de manera
más clara el comportamiento de los datos y los datos erróneos o atípicos en la curva de
demanda eléctrica, lo que a priori de busca corregir.
39
400
350
300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Figura 16 Comportamiento de la demanda para un dia del mes de marzo del año 2018,
alimentador 2
Posteriormente se desea eliminar las inconsistencias que presentan los datos de demanda
del alimentador escogido, el mismo presenta valores cero, valores faltantes y valores atípicos,
estos pueden perturbar los resultados de una predicción. Para la ejecución del proceso se
plantea la limpieza de los mismos buscando identificar las inconsistencias que presentan en
diferentes horarios. En la tabla 8 se puede observar que los datos de demanda son ordenados
de manera ascendente y de esa forma se identifica los datos ceros para su posterior corrección.
Tabla 8 Datos ordenados de manera ascendente, base de datos 2018
temperatura Demanda
Día Fecha hora
horaria Amperios
jueves 15/3/2018 13 21 0
jueves 15/3/2018 14 21 0
jueves 15/3/2018 15 21 0
jueves 15/3/2018 16 22 0
sábado 14/4/2018 13 31 0
sábado 14/4/2018 19 25 0
lunes 23/4/2018 22 23 0
domingo 1/7/2018 5 17 0
domingo 1/7/2018 6 17 0
domingo 1/7/2018 7 17 0
40
jueves 19/7/2018 16 31 0
viernes 24/8/2018 20 15 0
jueves 20/9/2018 1 18 0
domingo 30/9/2018 4 23 0
jueves 18/10/2018 9 22 0
domingo 16/12/2018 19 29 0
viernes 24/8/2018 1 19 12
viernes 24/8/2018 2 19 12
domingo 15/7/2018 6 17 13
Con el método de Dixon se analizan los datos de demanda del alimentador en estudio,
para ello se tiene en cuenta las 24 horas del día correspondiente al mes a ser analizado, de
esta manera se identifica si existe una variación del 5% entre los datos.
41
Variable N Mín. x[2] x[3] x[N-2] x[N-1] Máx. r22 P
1 24 190,00 195,00 200,00 251,00 270,00 280,00 0,36 0,211
2 24 159,00 167,00 170,00 235,00 240,00 249,00 0,18 1,000
3 24 160,00 160,00 160,00 249,00 270,00 278,00 0,25 0,722
4 24 165,00 167,00 170,00 275,00 280,00 298,00 0,18 1,000
5 24 176,00 180,00 180,00 298,00 306,00 315,00 0,13 1,000
6 24 190,00 193,00 197,00 305,00 306,00 310,00 0,06 1,000
7 24 180,00 193,00 194,00 248,00 270,00 280,00 0,37 0,185
8 24 137,00 155,00 165,00 240,00 250,00 260,00 0,27 0,576
9 24 170,00 170,00 178,00 276,00 281,00 293,00 0,15 1,000
10 24 185,00 190,00 200,00 320,00 336,00 350,00 0,20 1,000
11 24 211,00 223,00 235,00 355,00 358,00 362,00 0,17 1,000
12 24 234,00 246,00 247,00 320,00 330,00 335,00 0,17 1,000
13 24 223,00 230,00 232,00 338,00 340,00 346,00 0,08 1,000
14 24 235,00 250,00 255,00 353,00 360,00 360,00 0,17 1,000
15 24 233,00 245,00 246,00 302,00 320,00 328,00 0,32 0,365
16 24 220,00 225,00 234,00 296,00 297,00 311,00 0,19 1,000
17 24 222,00 228,00 246,00 358,00 360,00 362,00 0,18 1,000
18 24 220,00 233,00 238,00 340,00 346,00 360,00 0,16 1,000
19 24 229,00 248,00 255,00 340,00 340,00 343,00 0,23 0,792
20 24 232,00 235,00 250,00 333,00 344,00 345,00 0,18 1,000
21 24 190,00 208,00 210,00 288,00 300,00 316,00 0,26 0,618
22 24 190,00 195,00 207,00 272,00 280,00 280,00 0,21 0,964
23 24 198,00 200,00 200,00 283,00 290,00 290,00 0,08 1,000
24 24 213,00 218,00 218,00 289,00 320,00 325,00 0,34 0,292
25 24 200,00 210,00 210,00 292,00 300,00 302,00 0,11 1,000
26 24 220,00 221,00 226,00 316,00 330,00 340,00 0,21 0,943
27 24 202,00 204,00 221,00 322,00 328,00 330,00 0,16 1,000
28 24 209,00 219,00 228,00 325,00 333,00 335,00 0,16 1,000
29 24 230,00 235,00 238,00 311,00 315,00 320,00 0,11 1,000
30 24 220,00 220,00 220,00 282,00 286,00 299,00 0,22 0,912
31 24 210,00 220,00 220,00 283,00 303,00 309,00 0,29 0,475
x[i] denota la observación i-ésima más pequeña.
42
* NOTA * No hay valor atípico en el nivel de significancia de 5%
Los coeficientes para el modelo matemático son calculados a través del método de
regresión lineal múltiple, este proceso es realizado a través de una herramienta computacional
43
por medio del análisis estadístico de los datos históricos. Conforme a esto obtendríamos la
mejor predicción del modelo de regresión lineal múltiple con valores pronosticados muy
similares a valores reales de demanda.
44
CAPÍTULO IV
RESULTADO Y DISCUSIÓN
4. Resultados y Discusión
46
Se puede observar en la tabla 8 los resultados arrojados por la regresión lineal múltiple, con
valores pronosticados muy semejantes al valor de demanda real, los coeficientes indican el
incremento de la demanda con respecto a las variables explicativas, excepto la que es la
ordenada en el origen.
Tabla 11 Coeficientes de la ecuación de regresión [Fuente propia].
Lunes
Coeficientes Valores obtenidos
𝑏0 49,17076788
𝑏1 0,449594082
𝑏2 1,440406459
𝑏3 6,824144297
Lunes 15/10/2018
0 169,55544 178,82951
1 169,55544 172,45496
2 163,58141 172,90455
3 169,55544 173,35415
4 163,58141 173,80374
5 163,58141 174,25334
6 163,58141 174,70293
7 163,58141 175,15252
8 169,55544 189,25041
9 169,55544 203,34829
10 169,55544 210,62203
11 196,94963 211,07162
12 208,25321 211,52122
13 223,36484 225,61910
14 231,82149 226,06869
15 231,82149 219,69414
16 231,82149 220,14374
17 231,82149 206,94504
47
18 223,36484 193,74635
19 208,25321 194,19594
20 208,25321 187,82139
21 196,94963 188,27099
22 196,94963 181,89644
23 184,62857 182,34603
Martes
Coeficientes Valores obtenidos
𝑏0 -14,78448218
𝑏1 -0,084665056
𝑏2 -2,191363417
𝑏3 10,41380219
Martes 16/10/2018
0 177,14757 170,47259
1 177,14757 170,38793
2 177,14757 159,88946
3 169,55544 170,21860
4 169,55544 159,72013
5 169,55544 159,63547
6 169,55544 159,55080
7 163,58141 159,46614
8 177,14757 169,79527
9 223,36484 169,71061
10 231,82149 169,62594
11 237,53718 200,78268
12 240,53434 211,11182
13 241,20949 221,44096
14 241,20949 231,77010
48
15 255,41945 231,68543
16 255,41945 231,60077
17 249,66675 231,51610
18 241,20949 221,01763
19 237,42060 210,51917
20 237,53718 210,43450
21 243,22291 199,93603
22 243,22291 199,85137
23 231,82149 189,35290
Miercoles
Coeficientes Valores obtenidos
𝑏0 -19,46090061
𝑏1 -0,050919208
𝑏2 -1,402243969
𝑏3 10,58731732
Miércoles 17/10/2018
0 169,55544 169,70857
1 169,55544 169,65765
2 163,58141 159,01941
3 169,55544 169,55581
4 163,58141 158,91757
5 163,58141 158,86665
6 163,58141 158,81573
7 163,58141 158,76482
8 169,55544 169,30121
9 169,55544 169,25029
10 169,55544 169,19938
11 196,94963 200,91041
49
12 208,25321 211,44681
13 223,36484 221,98320
14 231,82149 232,51960
15 231,82149 232,46868
16 231,82149 232,41776
17 231,82149 232,36684
18 223,36484 221,72861
19 208,25321 211,09037
20 208,25321 211,03945
21 196,94963 200,40122
22 196,94963 200,35030
23 184,62857 189,71206
Jueves
Coeficientes Valores obtenidos
𝑏0 49,54641326
𝑏1 0,236778294
𝑏2 -7,917750542
𝑏3 8,456730583
Jueves 18/10/2018
0 223,36484 215,61759
1 231,82149 215,60124
2 223,36484 215,58489
3 231,82149 206,46896
4 223,36484 206,45261
5 223,36484 206,43626
6 223,36484 206,41990
7 223,36484 215,50313
8 231,82149 215,48678
50
9 231,82149 206,37085
10 231,82149 179,05577
11 223,36484 188,13900
12 231,82149 188,12264
13 231,82149 188,10629
14 231,82149 188,08994
15 223,36484 188,07359
16 231,82149 188,05724
17 237,53718 197,14046
18 243,22291 188,02453
19 231,82149 188,00818
20 231,82149 178,89226
21 223,36484 178,87590
22 223,36484 178,85955
23 223,36484 178,84320
Viernes
Coeficientes Valores obtenidos
𝑏0 55,0442319
𝑏1 -0,513403161
𝑏2 0,31552004
𝑏3 7,002303503
Viernes 19/10/2018
0 177,14757 183,62058
1 177,14757 183,68926
2 169,55544 176,88346
3 169,55544 176,95214
4 169,55544 177,02083
51
5 163,58141 170,21503
6 169,55544 177,15820
7 177,14757 184,10138
8 177,14757 184,17006
9 184,62857 191,11324
10 208,25321 204,93090
11 231,82149 218,74857
12 237,53718 232,56624
13 237,53718 232,63492
14 237,53718 232,70361
15 237,53718 232,77229
16 237,53718 232,84098
17 237,42060 239,78415
18 237,53718 232,97835
19 243,22291 226,17255
20 223,36484 212,49225
21 208,25321 205,68645
22 208,25321 205,75513
23 208,25321 205,82382
Sábado
Coeficientes Valores obtenidos
𝑏0 -18,75527462
𝑏1 -0,148412201
𝑏2 3,542158376
𝑏3 9,460449149
Sábado 20/10/2018
0 196,94963 178,70405
52
1 184,62857 178,55564
2 184,62857 168,94678
3 184,62857 168,79837
4 177,14757 168,64995
5 169,55544 159,04109
6 169,55544 168,35313
7 177,14757 177,66517
8 208,25321 177,51675
9 223,36484 186,82879
10 243,22291 205,60128
11 237,53718 224,37376
12 237,42060 243,14625
13 240,53434 242,99784
14 241,20949 242,84942
15 249,66675 242,70101
16 241,20949 242,55260
17 249,66675 251,86464
18 241,20949 242,25578
19 237,42060 232,64691
20 243,22291 213,57760
21 231,82149 203,96874
22 223,36484 203,82033
23 208,25321 203,67192
Domingo
Coeficientes Valores obtenidos
𝑏0 29,53042271
𝑏1 0,082377679
𝑏2 -0,503453581
𝑏3 7,914025069
53
Tabla 24 comparación entre el valor real y predicho correspondiente a un día domingo.
Domingo 21/10/2018
0 208,25321 192,7042277
1 196,94963 184,8725803
2 184,62857 184,954958
3 196,94963 185,0373356
4 184,62857 177,2056883
5 177,14757 169,3740409
6 169,55544 169,4564185
7 177,14757 177,4528213
8 196,94963 201,2772742
9 223,36484 209,2736769
10 231,82149 225,1841048
11 237,53718 233,1805075
12 237,42060 241,1769102
13 237,42060 249,173313
14 241,20949 257,1697157
15 241,20949 265,1661185
16 241,20949 257,3344711
17 241,20949 265,3308739
18 240,53434 257,4992265
19 237,53718 241,753554
20 243,22291 226,0078815
21 231,82149 218,1762342
22 208,25321 210,3445868
23 196,94963 202,5129394
A continuación están expuestas las curvas de demanda, la real y pronosticada de todos los
días de la semana, considerando en el eje de la ordenada la demanda en ampere con respecto
a cada hora del día en el eje de las abscisas.
200,0
150,0
100,0
50,0
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Horas
100,00000% 90,58%
Error Absoluto
80,00000%
0,25
60,00000% 0,2
40,00000% 0,15
7,00492 0,1
20,00000% %
0,05
0,00000%
Error Medio R_cuadrado 0
Absoluto 1 3 5 7 9 11 13 15 17 19 21 23
Figura 19 Modelo arrojado del pronóstico de demanda eléctrica del día lunes 15 de
octubre del 2018, alimentador Franco 2.
55
En la figura 18 se puede apreciar la gráfica que corresponde a un día lunes, se puede
afirmar que la curva predicha acompaña a la curva real. El comportamiento de la demanda es
decreciente desde las 00:00 hs hasta las 02:00 hs con un leve aumento hasta las 03:00 hs
mientras que la curva predicha se mantiene constante hasta las 07:00 hs. Se puede admitir
que la curva predicha comienza a ascender a partir de las 07:00 hs hasta las 12:00 hs para
luego alcanzar su pico máximo a las 14:00 hs con 226 amperes mientras que la real se
mantiene constante hasta las 10:00 hs y posterior a eso alcanza su pico máximo hasta las
17:00 hs, posteriormente ambas curvas decrecen gradualmente hasta alcanzar las 23:00 hs.
La predicción del dia lunes 15 de octubre del 2018 obtuvo un coeficiente de correlación
0,95173 y un coeficiente de determinación múltiple de 0,9058 y un error porcentual absoluto
medio de 7,00492% lo que indica que la predicción realizada se encuentra dentro de los
parámetros para asumir que es efectiva la predicción ya que el coeficiente de determinación
múltiple se aproxima a la unidad.
250,0
Demanda Amperios
200,0
150,0
100,0
50,0
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Horas
56
100,00000% 98,67%
90,00000% Error Absoluto
80,00000% 0,080000
70,00000%
0,070000
60,00000%
0,060000
50,00000%
40,00000% 0,050000
30,00000% 0,040000
20,00000% 4,07644 0,030000
10,00000% % 0,020000
0,00000% 0,010000
Error Medio R_cuadrado 0,000000
Absoluto 1 3 5 7 9 11 13 15 17 19 21 23
Figura 21 Modelo arrojado del pronóstico de demanda eléctrica del día martes 16 de
octubre del 2018, alimentador Franco 2.
El ajuste de bondad del modelo es bueno, se puede afirmar como tal por el resultado
arrojado con un coeficiente de correlación múltiple del 0,9933 y un coeficiente de
determinación múltiple del 0,9867 (98,67%), siendo el porcentaje de error medio absoluto de
4,07644% arrojado por la metodología por lo que se asume la capacidad de predicción es
efectiva.
200,0
150,0
100,0
50,0
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Horas
57
100,00000% 98,68%
90,00000% Error Absoluto
80,00000% 0,035
70,00000%
0,03
60,00000%
0,025
50,00000%
40,00000% 0,02
30,00000% 0,015
20,00000% 1,25721 0,01
10,00000% % 0,005
0,00000%
0
Error Medio R_cuadrado
1 3 5 7 9 11 13 15 17 19 21 23
Absoluto
Figura 23Modelo arrojado del pronóstico de demanda eléctrica del día miércoles 17 de
octubre del 2018, alimentador Franco 2.
La metodología de predicción obtuvo un coeficiente de correlación múltiple de
0,993378075 y con un coeficiente de determinación múltiple de 0,9868 (98,68%), por lo que
se asume la bondad del ajuste siendo el porcentaje de error medio absoluto de 1,25721% , los
valores de demanda predichos son semejantes a los valores reales y se puede observar el
comportamiento de la curva en la gráfica.
250,00000
200,00000
150,00000
100,00000
50,00000
0,00000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
58
100,000% 93,45%
90,000%
Error Absoluto
80,000% 0,3
70,000%
0,25
60,000%
50,000% 0,2
40,000% 0,15
30,000%
20,000% 0,1
9,736%
10,000% 0,05
0,000%
0
Error Medio R_cuadrado
0 2 4 6 8 10 12 14 16 18 20 22
Absoluto -0,05
Figura 25 Modelo arrojado del pronóstico de demanda eléctrica del día miércoles 17
de octubre del 2018, alimentador Franco 2.
Se puede afirmar que posee bondad de ajuste del modelo de predicción por el resultado
arrojado, con un coeficiente de correlación múltiple del 0,966695402 y un coeficiente de
determinación múltiple del 0,9345 (93,45%) siendo el porcentaje de error medio absoluto
arrojado por la metodología 9,736% por lo que se asume la capacidad de predicción es
efectiva.
250,0
200,0
Demanda
150,0
100,0
50,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horas
59
100,00000% 93,34%
90,00000%
Error Absoluto
80,00000% 0,08
70,00000% 0,07
60,00000% 0,06
50,00000% 0,05
40,00000%
0,04
30,00000%
0,03
20,00000% 3,16758
10,00000% % 0,02
0,00000% 0,01
Error Medio R_cuadrado 0
Absoluto 1 3 5 7 9 11 13 15 17 19 21 23
Figura 27 Modelo arrojado del pronóstico de demanda eléctrica del día viernes 19 de
octubre del 2018, alimentador Franco 2.
El modelo de predicción obtuvo un coeficiente de correlación múltiple de 0,966126286 y
un coeficiente de determinación múltiple de 0,9334 (93,34%) lo que indica que tiene una
buena capacidad de ajuste con un porcentaje de error medio absoluto de 3,16758%. En la
gráfica se puede observar el comportamiento de ambas curvas y se puede afirmar que la curva
predicha acompaña satisfactoriamente a la curva real.
250,0
Demanda Amperios
200,0
150,0
100,0
50,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horas
60
100,00000% 97,37%
90,00000%
Error Absoluto
80,00000% 0,25
70,00000%
60,00000% 0,2
50,00000%
40,00000% 0,15
30,00000%
6,50669 0,1
20,00000% %
10,00000% 0,05
0,00000%
Error Medio R_cuadrado 0
Absoluto 1 3 5 7 9 11 13 15 17 19 21 23
Figura 29 Modelo arrojado del pronóstico de demanda eléctrica del día sábado 20 de
octubre del 2018, alimentador Franco 2.
El modelo de predicción obtuvo un coeficiente de correlación múltiple de 0,986762383 y
un coeficiente de determinación múltiple de 0,9737 (97,37%) lo que indica que tiene una
buena capacidad de ajuste que se puede observar en la figura como los valores pronosticados
acompañan satisfactoriamente a los valores reales de demanda y presentando un porcentaje
de error medio absoluto de 6,50669%.
250,00000
Demanda Amperios
200,00000
150,00000
100,00000
50,00000
0,00000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Horas
61
100,000% 92,10%
90,000% Error Absoluto
80,000% 0,1
70,000%
60,000% 0,08
50,000%
40,000% 0,06
30,000%
0,04
20,000%
10,000% 4,448%
0,02
0,000%
Error Relativo R_cuadrado 0
Medio 0 2 4 6 8 10 12 14 16 18 20 22
Figura 31 Modelo arrojado del pronóstico de demanda eléctrica del día domingo 21 de
octubre del 2018, alimentador Franco 2.
En la figura 30 se puede apreciar el comportamiento de la curva predicha y la curva real
correspondiente al día 21 de octubre del 2018, a lo largo de la misma se observa un pico de
demanda. Las primeras horas del día la demanda disminuye desde las 00:00 hs hasta las 02:00
hs de la madrugada posteriormente se observa un pequeño aumento de demanda hasta las
03:00 hs alcanzando una carga de aproximadamente 200 amperes, por lo que la curva
pronosticada acompaña el comportamiento de la curva real, de 03:00 hs a 06:00 hs la
demanda decrece para posteriormente ascender desde las 07:00 hs a 15:00 hs, observando en
la gráfica que la curva predicha alcanza un pico de 265 ampres aproximadamente a 23,95
ampere de diferencia con la demanda real. Después de alcanzar el pico de demanda la curva
decrece como se puede apreciar desde las 20:00 hs. El modelo de predicción obtuvo un
coeficiente de correlación múltiple de 0,9596 y un coeficiente de determinación múltiple de
0,9210, lo cual indica que obtiene una bondad de ajuste ajustada siendo el porcentaje de error
medio absoluto de 4,448%.
62
R_cuadrado
DOMINGO 91,8
SÁBADO 97,4
VIERNES 93,3
JUEVES 93,5
MIÉRCOLES 98,7
MARTES 98,7
LUNES 90,6
63
Porcentaje de Error Medio Absoluto
2,5 2,3
2,0
2,0
1,7
1,6
1,5
1,1
1,0
0,8
0,5 0,3
7,00% 8,45% 9,74% 3,17% 6,51% 4,45%
1,26%
0,0
LUNES MARTES MIÉRCOLES JUEVES VIERNES SÁBADO DOMINGO
64
Demanda Real vs Pronóstico
300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
40,00% 37,58%
35,00%
30,00%
25,00%
20,15%
20,00%
15,00%
10,00%
5,00%
0,00%
MAPE R_Cuadrado
Figura 35 Resultados arrojados por la predicción para un día 30 de marzo del año
2018.
65
CAPÍTULO V
CONCLUSIÓN Y RECOMENDACION
1.1. Conclusión
Este trabajo reporta la aplicación del método de regresión lineal múltiple para la predecir
la demanda eléctrica en alimentadores de distribución. Los resultados obtenidos indican que
las variables independientes, como son los días de la semana, las horas del día y las
temperaturas correspondientes, estas últimas influyen satisfactoriamente en la predicción de
la demanda eléctrica, por lo que fue de gran importancia la consideración de los mismos
porque indican que con la aplicación del método regresión múltiple, es posible predecir la
demanda de un alimentador de la ES PFO para el buen atendimiento de la demanda con los
criterios de seguridad, confiabilidad y calidad por lo que se afirma la hipótesis del trabajo de
investigación.
1.2. Recomendación
67
REFERENCIAS BIBLIOGRAFICAS
Referencias
69
70
ANEXOS
Anexo A. Datos en planillas
Tipo de
Día Fecha Hora Temperatura Demanda (A)
día
lunes 10/9/2018 0 1 18 152
lunes 10/9/2018 1 1 17 139
lunes 10/9/2018 2 1 16 136
lunes 10/9/2018 3 1 15 138
lunes 10/9/2018 4 1 16 157
lunes 10/9/2018 5 1 15 163
lunes 10/9/2018 6 1 14 160
lunes 10/9/2018 7 1 16 172
lunes 10/9/2018 8 1 20 174
lunes 10/9/2018 9 1 23 189
lunes 10/9/2018 10 1 26 206
lunes 10/9/2018 11 1 28 214
lunes 10/9/2018 12 1 29 190
lunes 10/9/2018 13 1 30 200
lunes 10/9/2018 14 1 31 190
lunes 10/9/2018 15 1 31 200
lunes 10/9/2018 16 1 31 200
lunes 10/9/2018 17 1 29 250
lunes 10/9/2018 18 1 25 269
lunes 10/9/2018 19 1 24 250
lunes 10/9/2018 20 1 22 220
lunes 10/9/2018 21 1 22 199
lunes 10/9/2018 22 1 21 188
lunes 10/9/2018 23 1 18 171
martes 11/9/2018 0 2 18 147
72
martes 11/9/2018 1 2 19 144
martes 11/9/2018 2 2 18 140
martes 11/9/2018 3 2 18 136
martes 11/9/2018 4 2 17 140
martes 11/9/2018 5 2 17 173
martes 11/9/2018 6 2 16 164
martes 11/9/2018 7 2 17 176
martes 11/9/2018 8 2 20 190
martes 11/9/2018 9 2 23 194
martes 11/9/2018 10 2 24 213
martes 11/9/2018 11 2 26 217
martes 11/9/2018 12 2 28 195
martes 11/9/2018 13 2 29 209
martes 11/9/2018 14 2 29 220
martes 11/9/2018 15 2 30 211
martes 11/9/2018 16 2 30 215
martes 11/9/2018 17 2 28 281
martes 11/9/2018 18 2 27 280
martes 11/9/2018 19 2 26 261
martes 11/9/2018 20 2 25 243
martes 11/9/2018 21 2 24 223
martes 11/9/2018 22 2 23 195
martes 11/9/2018 23 2 22 185
miércoles 12/9/2018 0 3 22 166
miércoles 12/9/2018 1 3 21 160
miércoles 12/9/2018 2 3 20 155
miércoles 12/9/2018 3 3 19 155
miércoles 12/9/2018 4 3 18 165
miércoles 12/9/2018 5 3 17 176
miércoles 12/9/2018 6 3 17 167
miércoles 12/9/2018 7 3 18 186
miércoles 12/9/2018 8 3 21 190
miércoles 12/9/2018 9 3 22 200
miércoles 12/9/2018 10 3 24 211
73
miércoles 12/9/2018 11 3 26 223
miércoles 12/9/2018 12 3 27 197
miércoles 12/9/2018 13 3 29 215
miércoles 12/9/2018 14 3 30 213
miércoles 12/9/2018 15 3 31 206
miércoles 12/9/2018 16 3 31 215
miércoles 12/9/2018 17 3 29 272
miércoles 12/9/2018 18 3 26 283
miércoles 12/9/2018 19 3 25 266
miércoles 12/9/2018 20 3 24 253
miércoles 12/9/2018 21 3 23 225
miércoles 12/9/2018 22 3 24 208
miércoles 12/9/2018 23 3 22 192
jueves 13/9/2018 0 4 21 175
jueves 13/9/2018 1 4 20 175
jueves 13/9/2018 2 4 19 175
jueves 13/9/2018 3 4 19 175
jueves 13/9/2018 4 4 18 165
jueves 13/9/2018 5 4 18 180
jueves 13/9/2018 6 4 18 174
jueves 13/9/2018 7 4 19 180
jueves 13/9/2018 8 4 18 177
jueves 13/9/2018 9 4 18 183
jueves 13/9/2018 10 4 17 200
jueves 13/9/2018 11 4 17 202
jueves 13/9/2018 12 4 18 173
jueves 13/9/2018 13 4 18 165
jueves 13/9/2018 14 4 18 170
jueves 13/9/2018 15 4 18 180
jueves 13/9/2018 16 4 18 206
jueves 13/9/2018 17 4 18 244
jueves 13/9/2018 18 4 18 236
jueves 13/9/2018 19 4 18 208
jueves 13/9/2018 20 4 18 186
74
jueves 13/9/2018 21 4 17 165
jueves 13/9/2018 22 4 17 145
jueves 13/9/2018 23 4 17 139
viernes 14/9/2018 0 5 17 135
viernes 14/9/2018 1 5 17 130
viernes 14/9/2018 2 5 16 138
viernes 14/9/2018 3 5 15 140
viernes 14/9/2018 4 5 15 145
viernes 14/9/2018 5 5 16 160
viernes 14/9/2018 6 5 15 160
viernes 14/9/2018 7 5 17 177
viernes 14/9/2018 8 5 18 187
viernes 14/9/2018 9 5 19 190
viernes 14/9/2018 10 5 19 205
viernes 14/9/2018 11 5 22 207
viernes 14/9/2018 12 5 21 180
viernes 14/9/2018 13 5 23 170
viernes 14/9/2018 14 5 24 160
viernes 14/9/2018 15 5 25 170
viernes 14/9/2018 16 5 23 180
viernes 14/9/2018 17 5 23 240
viernes 14/9/2018 18 5 22 240
viernes 14/9/2018 19 5 20 220
viernes 14/9/2018 20 5 20 200
viernes 14/9/2018 21 5 19 179
viernes 14/9/2018 22 5 18 160
viernes 14/9/2018 23 5 17 147
sábado 15/9/2018 0 6 17 140
sábado 15/9/2018 1 6 17 136
sábado 15/9/2018 2 6 17 136
sábado 15/9/2018 3 6 16 133
sábado 15/9/2018 4 6 16 140
sábado 15/9/2018 5 6 16 155
sábado 15/9/2018 6 6 15 168
75
sábado 15/9/2018 7 6 16 176
sábado 15/9/2018 8 6 20 185
sábado 15/9/2018 9 6 23 191
sábado 15/9/2018 10 6 24 203
sábado 15/9/2018 11 6 24 208
sábado 15/9/2018 12 6 27 194
sábado 15/9/2018 13 6 27 180
sábado 15/9/2018 14 6 27 195
sábado 15/9/2018 15 6 27 190
sábado 15/9/2018 16 6 27 195
sábado 15/9/2018 17 6 26 249
sábado 15/9/2018 18 6 23 250
sábado 15/9/2018 19 6 22 235
sábado 15/9/2018 20 6 21 210
sábado 15/9/2018 21 6 20 180
sábado 15/9/2018 22 6 20 169
sábado 15/9/2018 23 6 19 158
domingo 16/9/2018 0 0 18 148
domingo 16/9/2018 1 0 17 145
domingo 16/9/2018 2 0 17 145
domingo 16/9/2018 3 0 16 145
domingo 16/9/2018 4 0 16 141
domingo 16/9/2018 5 0 16 120
domingo 16/9/2018 6 0 17 140
domingo 16/9/2018 7 0 17 150
domingo 16/9/2018 8 0 20 150
domingo 16/9/2018 9 0 20 160
domingo 16/9/2018 10 0 20 180
domingo 16/9/2018 11 0 20 190
domingo 16/9/2018 12 0 21 160
domingo 16/9/2018 13 0 19 153
domingo 16/9/2018 14 0 19 145
domingo 16/9/2018 15 0 18 148
domingo 16/9/2018 16 0 18 170
76
domingo 16/9/2018 17 0 18 213
domingo 16/9/2018 18 0 18 208
domingo 16/9/2018 19 0 17 199
domingo 16/9/2018 20 0 17 178
domingo 16/9/2018 21 0 17 157
domingo 16/9/2018 22 0 18 141
domingo 16/9/2018 23 0 18 134
Tipo de
Día Fecha Hora Temperatura Demanda (A)
día
lunes 1/1/2018 0 1 26 254
lunes 1/1/2018 1 1 25 255
lunes 1/1/2018 2 1 25 255
lunes 1/1/2018 3 1 25 244
lunes 1/1/2018 4 1 25 240
lunes 1/1/2018 5 1 25 215
lunes 1/1/2018 6 1 25 208
lunes 1/1/2018 7 1 25 206
lunes 1/1/2018 8 1 26 203
lunes 1/1/2018 9 1 27 201
lunes 1/1/2018 10 1 29 204
lunes 1/1/2018 11 1 30 203
lunes 1/1/2018 12 1 31 197
lunes 1/1/2018 13 1 31 200
lunes 1/1/2018 14 1 31 195
lunes 1/1/2018 15 1 30 195
lunes 1/1/2018 16 1 30 180
lunes 1/1/2018 17 1 29 211
lunes 1/1/2018 18 1 28 236
lunes 1/1/2018 19 1 23 252
lunes 1/1/2018 20 1 23 250
lunes 1/1/2018 21 1 22 250
lunes 1/1/2018 22 1 22 244
77
lunes 1/1/2018 23 1 22 233
lunes 26/2/2018 0 1 23 278
lunes 26/2/2018 1 1 23 267
lunes 26/2/2018 2 1 22 255
lunes 26/2/2018 3 1 22 245
lunes 26/2/2018 4 1 22 239
lunes 26/2/2018 5 1 21 207
lunes 26/2/2018 6 1 21 210
lunes 26/2/2018 7 1 23 224
lunes 26/2/2018 8 1 26 236
lunes 26/2/2018 9 1 28 242
lunes 26/2/2018 10 1 31 250
lunes 26/2/2018 11 1 33 258
lunes 26/2/2018 12 1 33 260
lunes 26/2/2018 13 1 34 279
lunes 26/2/2018 14 1 35 287
lunes 26/2/2018 15 1 34 280
lunes 26/2/2018 16 1 34 262
lunes 26/2/2018 17 1 33 257
lunes 26/2/2018 18 1 32 260
lunes 26/2/2018 19 1 28 332
lunes 26/2/2018 20 1 28 346
lunes 26/2/2018 21 1 27 346
lunes 26/2/2018 22 1 26 332
lunes 26/2/2018 23 1 24 293
jueves 29/3/2018 0 4 22 175
jueves 29/3/2018 1 4 22 155
jueves 29/3/2018 2 4 22 149
jueves 29/3/2018 3 4 23 147
jueves 29/3/2018 4 4 22 150
jueves 29/3/2018 5 4 22 159
jueves 29/3/2018 6 4 22 166
jueves 29/3/2018 7 4 22 177
jueves 29/3/2018 8 4 24 183
78
jueves 29/3/2018 9 4 24 207
jueves 29/3/2018 10 4 27 217
jueves 29/3/2018 11 4 27 224
jueves 29/3/2018 12 4 28 213
jueves 29/3/2018 13 4 27 200
jueves 29/3/2018 14 4 24 190
jueves 29/3/2018 15 4 25 180
jueves 29/3/2018 16 4 25 190
jueves 29/3/2018 17 4 25 230
jueves 29/3/2018 18 4 24 240
jueves 29/3/2018 19 4 24 220
jueves 29/3/2018 20 4 23 210
jueves 29/3/2018 21 4 22 203
jueves 29/3/2018 22 4 22 183
jueves 29/3/2018 23 4 22 162
viernes 30/3/2018 0 5 23 178
viernes 30/3/2018 1 5 22 172
viernes 30/3/2018 2 5 22 172
viernes 30/3/2018 3 5 22 172
viernes 30/3/2018 4 5 22 162
viernes 30/3/2018 5 5 22 158
viernes 30/3/2018 6 5 21 153
viernes 30/3/2018 7 5 22 157
viernes 30/3/2018 8 5 24 157
viernes 30/3/2018 9 5 26 162
viernes 30/3/2018 10 5 26 165
viernes 30/3/2018 11 5 27 170
viernes 30/3/2018 12 5 28 170
viernes 30/3/2018 13 5 29 160
viernes 30/3/2018 14 5 29 160
viernes 30/3/2018 15 5 29 160
viernes 30/3/2018 16 5 25 170
viernes 30/3/2018 17 5 24 200
viernes 30/3/2018 18 5 23 210
79
viernes 30/3/2018 19 5 22 200
viernes 30/3/2018 20 5 22 198
viernes 30/3/2018 21 5 22 197
viernes 30/3/2018 22 5 22 188
viernes 30/3/2018 23 5 22 179
domingo 1/4/2018 0 0 21 165
domingo 1/4/2018 1 0 21 159
domingo 1/4/2018 2 0 21 158
domingo 1/4/2018 3 0 21 157
domingo 1/4/2018 4 0 20 156
domingo 1/4/2018 5 0 20 150
domingo 1/4/2018 6 0 19 156
domingo 1/4/2018 7 0 21 167
domingo 1/4/2018 8 0 21 170
domingo 1/4/2018 9 0 22 186
domingo 1/4/2018 10 0 23 195
domingo 1/4/2018 11 0 24 205
domingo 1/4/2018 12 0 25 190
domingo 1/4/2018 13 0 26 180
domingo 1/4/2018 14 0 26 170
domingo 1/4/2018 15 0 26 170
domingo 1/4/2018 16 0 26 180
domingo 1/4/2018 17 0 26 230
domingo 1/4/2018 18 0 24 240
domingo 1/4/2018 19 0 23 240
domingo 1/4/2018 20 0 22 210
domingo 1/4/2018 21 0 22 205
domingo 1/4/2018 22 0 22 192
domingo 1/4/2018 23 0 21 183
martes 1/5/2018 0 2 22 235
martes 1/5/2018 1 2 22 226
martes 1/5/2018 2 2 21 214
martes 1/5/2018 3 2 21 207
martes 1/5/2018 4 2 20 201
80
martes 1/5/2018 5 2 20 193
martes 1/5/2018 6 2 20 185
martes 1/5/2018 7 2 21 190
martes 1/5/2018 8 2 23 203
martes 1/5/2018 9 2 26 206
martes 1/5/2018 10 2 28 222
martes 1/5/2018 11 2 31 225
martes 1/5/2018 12 2 33 207
martes 1/5/2018 13 2 33 210
martes 1/5/2018 14 2 33 210
martes 1/5/2018 15 2 33 210
martes 1/5/2018 16 2 32 200
martes 1/5/2018 17 2 29 280
martes 1/5/2018 18 2 26 290
martes 1/5/2018 19 2 25 290
martes 1/5/2018 20 2 25 280
martes 1/5/2018 21 2 23 273
martes 1/5/2018 22 2 23 255
martes 1/5/2018 23 2 22 237
martes 15/5/2018 0 2 20 159
martes 15/5/2018 1 2 20 158
martes 15/5/2018 2 2 20 158
martes 15/5/2018 3 2 20 155
martes 15/5/2018 4 2 20 155
martes 15/5/2018 5 2 20 151
martes 15/5/2018 6 2 19 163
martes 15/5/2018 7 2 20 167
martes 15/5/2018 8 2 23 168
martes 15/5/2018 9 2 26 180
martes 15/5/2018 10 2 26 197
martes 15/5/2018 11 2 29 190
martes 15/5/2018 12 2 28 174
martes 15/5/2018 13 2 28 191
martes 15/5/2018 14 2 27 161
81
martes 15/5/2018 15 2 19 159
martes 15/5/2018 16 2 19 198
martes 15/5/2018 17 2 19 210
martes 15/5/2018 18 2 19 210
martes 15/5/2018 19 2 20 180
martes 15/5/2018 20 2 19 175
martes 15/5/2018 21 2 19 166
martes 15/5/2018 22 2 19 154
martes 15/5/2018 23 2 18 148
lunes 11/6/2018 0 1 24 135
lunes 11/6/2018 1 1 24 134
lunes 11/6/2018 2 1 24 134
lunes 11/6/2018 3 1 24 134
lunes 11/6/2018 4 1 24 150
lunes 11/6/2018 5 1 24 156
lunes 11/6/2018 6 1 24 157
lunes 11/6/2018 7 1 24 177
lunes 11/6/2018 8 1 24 187
lunes 11/6/2018 9 1 25 206
lunes 11/6/2018 10 1 25 208
lunes 11/6/2018 11 1 25 209
lunes 11/6/2018 12 1 26 186
lunes 11/6/2018 13 1 27 179
lunes 11/6/2018 14 1 27 182
lunes 11/6/2018 15 1 26 182
lunes 11/6/2018 16 1 26 220
lunes 11/6/2018 17 1 25 260
lunes 11/6/2018 18 1 24 251
lunes 11/6/2018 19 1 24 229
lunes 11/6/2018 20 1 24 200
lunes 11/6/2018 21 1 24 186
lunes 11/6/2018 22 1 24 150
lunes 11/6/2018 23 1 23 151
miércoles 15/8/2018 0 3 16 134
82
miércoles 15/8/2018 1 3 16 134
miércoles 15/8/2018 2 3 17 132
miércoles 15/8/2018 3 3 17 120
miércoles 15/8/2018 4 3 17 136
miércoles 15/8/2018 5 3 17 163
miércoles 15/8/2018 6 3 17 165
miércoles 15/8/2018 7 3 17 165
miércoles 15/8/2018 8 3 17 175
miércoles 15/8/2018 9 3 17 184
miércoles 15/8/2018 10 3 18 195
miércoles 15/8/2018 11 3 20 200
miércoles 15/8/2018 12 3 20 174
miércoles 15/8/2018 13 3 22 165
miércoles 15/8/2018 14 3 23 160
miércoles 15/8/2018 15 3 24 160
miércoles 15/8/2018 16 3 24 170
miércoles 15/8/2018 17 3 23 240
miércoles 15/8/2018 18 3 21 230
miércoles 15/8/2018 19 3 19 210
miércoles 15/8/2018 20 3 19 190
miércoles 15/8/2018 21 3 18 165
miércoles 15/8/2018 22 3 17 153
miércoles 15/8/2018 23 3 16 145
sábado 29/9/2018 0 6 22 192
sábado 29/9/2018 1 6 21 181
sábado 29/9/2018 2 6 21 181
sábado 29/9/2018 3 6 21 180
sábado 29/9/2018 4 6 21 178
sábado 29/9/2018 5 6 21 180
sábado 29/9/2018 6 6 21 180
sábado 29/9/2018 7 6 22 196
sábado 29/9/2018 8 6 26 206
sábado 29/9/2018 9 6 27 216
sábado 29/9/2018 10 6 29 233
83
sábado 29/9/2018 11 6 30 243
sábado 29/9/2018 12 6 31 225
sábado 29/9/2018 13 6 32 235
sábado 29/9/2018 14 6 32 235
sábado 29/9/2018 15 6 32 228
sábado 29/9/2018 16 6 31 220
sábado 29/9/2018 17 6 30 260
sábado 29/9/2018 18 6 28 278
sábado 29/9/2018 19 6 26 265
sábado 29/9/2018 20 6 26 250
sábado 29/9/2018 21 6 26 240
sábado 29/9/2018 22 6 25 241
sábado 29/9/2018 23 6 25 229
sábado 8/12/2018 0 6 19 192
sábado 8/12/2018 1 6 18 185
sábado 8/12/2018 2 6 18 178
sábado 8/12/2018 3 6 17 137
sábado 8/12/2018 4 6 16 173
sábado 8/12/2018 5 6 16 155
sábado 8/12/2018 6 6 15 165
sábado 8/12/2018 7 6 16 165
sábado 8/12/2018 8 6 18 176
sábado 8/12/2018 9 6 21 180
sábado 8/12/2018 10 6 24 205
sábado 8/12/2018 11 6 25 207
sábado 8/12/2018 12 6 27 190
sábado 8/12/2018 13 6 28 190
sábado 8/12/2018 14 6 28 200
sábado 8/12/2018 15 6 29 200
sábado 8/12/2018 16 6 30 190
sábado 8/12/2018 17 6 29 190
sábado 8/12/2018 18 6 29 200
sábado 8/12/2018 19 6 27 250
sábado 8/12/2018 20 6 24 260
84
sábado 8/12/2018 21 6 22 240
sábado 8/12/2018 22 6 18 223
sábado 8/12/2018 23 6 18 211
martes 25/12/2018 0 2 24 229
martes 25/12/2018 1 2 24 221
martes 25/12/2018 2 2 23 218
martes 25/12/2018 3 2 23 218
martes 25/12/2018 4 2 23 240
martes 25/12/2018 5 2 22 224
martes 25/12/2018 6 2 22 213
martes 25/12/2018 7 2 23 210
martes 25/12/2018 8 2 25 213
martes 25/12/2018 9 2 26 210
martes 25/12/2018 10 2 27 213
martes 25/12/2018 11 2 28 214
martes 25/12/2018 12 2 30 210
martes 25/12/2018 13 2 31 200
martes 25/12/2018 14 2 26 210
martes 25/12/2018 15 2 29 210
martes 25/12/2018 16 2 27 210
martes 25/12/2018 17 2 27 210
martes 25/12/2018 18 2 25 210
martes 25/12/2018 19 2 25 260
martes 25/12/2018 20 2 25 300
martes 25/12/2018 21 2 24 302
martes 25/12/2018 22 2 24 292
martes 25/12/2018 23 2 23 274
85
GLOSARIO
86
1. Datos históricos: La información histórica es de vital importancia en la proyección
de la demanda de electricidad pues con estos podemos generar patrones de
consumo, analizar su comportamiento año tras año y proyectarlo al futuro.
2.