Pronóstico del precio de la energía eléctrica usando redes neuronales artificiales
DOI:
https://doi.org/10.17533/udea.redin.18508Palabras clave:
Pronóstico, precios de la electricidad, redes neuronales, modelos de series de tiempo.Resumen
Este trabajo propone un modelo para el pronóstico del precio de la energía eléctrica en Colombia mediante el uso de redes neuronales artificiales. Se utilizan dos estructuras de redes incluyendo como entradas la serie de precios diarios en la primera y la serie de precios más el nivel medio de los embalses en la segunda. Los resultados se comparan con un modelo Autorregresivo Condicional Heterocedástico Generalizado (GARCH) encontrándose ventajas en este último dentro del período de muestreo, pero un mejor desempeño de las redes neuronales en el período fuera de la muestra. Los datos históricos se obtuvieron de la Compañía XM perteneciente al grupo ISA, de los cuales se usan 120 días para entrenamiento y los 31 días del mes siguiente para verificación del pronóstico.
Descargas
Citas
F. J. Nogales, J. Contreras, A. Conejo, R. Espínola. “Forecasting next-day electricity prices by time series models”. IEEE Transactions on Power System. Vol. 17. 2002. pp. 342 – 348. DOI: https://doi.org/10.1109/TPWRS.2002.1007902
J. Contreras, R. Espínola, F. J. Nogales, A. Conejo. “ARIMA models to predict next-day electricity prices”. IEEE Transactions on Power Systems. Vol. 18. 2003. pp. 1014 – 1020. DOI: https://doi.org/10.1109/TPWRS.2002.804943
A. Conejo, M. A. Plazas, R. Espínola, A. B. Molina. “Day-ahead electricity price forecasting using the Wavelet transform and ARIMA models”. IEEE Transactions on Power Systems. Vol. 20. 2005. pp. 1035 – 1042. DOI: https://doi.org/10.1109/TPWRS.2005.846054
R. C. García, J. Contreras, M. V. Akkeren, J. B. C. García. “A GARCH forecasting model to predict dayahead electricity prices”. IEEE Transactions on Power Systems. Vol. 20. 2005.pp. 867 – 874. DOI: https://doi.org/10.1109/TPWRS.2005.846044
S. Haykin. “Neural networks a comprehensive foundation”. New York. Macmillan College Publishing Company.1994. 1ª ed. pp. 18 – 41.
F. Villada, W. Muñoz, A. Henao. “Pronóstico de las tasas de cambio. Una aplicación al Yen Japonés mediante redes neuronales artificiales”. Revista Scientia et Technica. Vol 12. 2006. pp. 233 – 238.
B. R. Szkuta, L. A. Sanabria, T. S. Dillon. “Electricity price short-term forecasting using artificial neural networks”. IEEE Transactions on Power Systems. Vol. 14. 1999. pp. 851 – 857. DOI: https://doi.org/10.1109/59.780895
E. Radwan. “Short term hourly load forecasting using abductive networks”. IEEE Transactions on Power Systems. Vol. 19. 2004. pp. 164 – 173. DOI: https://doi.org/10.1109/TPWRS.2003.820695
N. Amjady, M. Hemmati. “Energy price forecasting - problems and proposals for such predictions”. IEEE Power and Energy Magazine. Vol. 4. 2006. pp. 20 – 29. DOI: https://doi.org/10.1109/MPAE.2006.1597990
N. Gradojevic, J. Yang. The application of artificial neural networks to exchange rate forecasting: the role of market microstructure variables, Bank of Canada, Working paper 2000-23. 2000. pp. 10 – 27.
P. H. Franses, D. V. Dijk. Non-linear time series models in empirical finance. Cambridge University Press. 2000. pp. 222 - 233. DOI: https://doi.org/10.1017/CBO9780511754067
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter