Predicción de la demanda de potencia eléctrica de Metro S.A. en tiempo real, mediante la aplicacion de redes neuronales

Abstract

El objetivo general del presente trabajo de título es diseñar e implementar un modelo matemático que permita realizar predicciones de la demanda de potencia eléctrica de Metro S.A. en tiempo real. El software obtenido permitirá predecir la demanda de potencia eléctrica en un instante de tiempo a futuro, y con esta información se podrá efectuar un control de demanda más eficiente del que se lleva a cabo hoy en día en Metro S.A. Metro de Santiago posee 5 líneas en operación hoy en día, las cuales transportan una cantidad considerable de pasajeros a lo largo del día. En horario punta en la tarde, entre las 18:00 y las 20:00 hrs se efectúa el control de demanda de potencia eléctrica, mediante observación del registrador de consumo con acciones manuales para controlarla. En este escenario, se ha desarrollado un software aplicado en Matlab, que entrena un conjunto de redes neuronales con la información de demanda de potencia eléctrica de Metro a lo largo de 1 año, información entregada por el sistema SCADA de Metro, y luego de la validación de cada red permite realizar predicciones de la demanda de potencia eléctrica con una certeza adecuada para los fines de control buscados. Los resultados obtenidos mediante el entrenamiento de las redes neuronales permiten concluir que las predicciones dependen directamente del tamaño del intervalo de tiempo que se quiere predecir. También se tuvo una dependencia de las predicciones respecto del sistema que se estudiaba. Así, mientras mayor fue la disgregación de las variables del sistema dinámico a estudiar, mejores fueron las predicciones de las redes. De esta forma, se separó el sistema dinámico de Metro S.A. en dos subsistemas, el SEAT (Subestación de alta tensión, L1, L2, L5) y el CDC-Vicente Valdés (Centro de Distribución de Carga, L4, L4A), debido a que poseen alimentación eléctrica y consumos distintos. Para cada sistema se entrenaron 24 redes neuronales, que predicen 5 minutos a futuro, para los 24 instantes de tiempo existentes cada 5 minutos entre las 18:05 y las 20:00 hrs. Como producto del estudio se entrega un software que utiliza las 48 redes neuronales entrenadas con la dinámica eléctrica de Metro S.A. y mediante la supervisión de las variables eléctricas que realiza el sistema SCADA de Metro permite realizar predicciones acertadas dentro del rango de horario de hora punta para cualquier día de semana del año actual. Se concluye que con la ayuda del software existirá la posibilidad de realizar un control de demanda de potencia eléctrica de Metro más eficiente, el cual permita automatizar el control de demanda en tiempo real de la variable potencia eléctrica de Metro S.A.