Pronóstico de demanda de energía y potencia eléctrica en el largo plazo para la red de Chilectra S.A. utilizando técnicas de minería de datos

Abstract

Las compañías dedicadas a la distribución de energía eléctrica incurren en altas inversiones para mantener una operación continua. Este tipo de condiciones hace aún más necesario el contar con una correcta proyección de demanda que permita precisar las inversiones, tratando de no incurrir en sobre ó sub inversión, lo que puede llevar a la implementación de una red sobre-dimensionada (si se sobreestima) ó a arriesgar la calidad del servicio y la compra de energía a un mayor precio, en el caso de la subestimación. El presente trabajo de tesis tiene como objetivo construir modelos de pronóstico de demanda de energía y potencia eléctrica con el fin de mejorar la proyección que realiza CHILECTRA S.A. Se realizaron experimentos con redes neuronales artificiales support vector regression y métodos estadísticos de series de tiempo (SARIMA y SARIMAX) para desarrollar cinco modelos predictivos que pronostiquen en un horizonte de 5 años las siguientes series: demanda de energía en el sistema, demanda residencial, demanda comercial, demanda industrial y potencia máxima mensual. El enfoque utilizado para los modelos corresponde a uno con variables explicativas y rezagos, utilizando tres conjuntos de variables: Climatológicas, Macroeconómicas y de Sistema (red). Se realizó un pre-procesamiento a las series a ingresar a los modelos, donde destaca una transformación aplicada a la serie de potencia eléctrica, en la cual se elimina el efecto de un patrón intrínseco asociado a las diferencias de demandas diarias dentro de cada semana. Para la selección de variables se utilizó el método de análisis de regresión para luego ingresar los atributos a los modelos, entregándole de esta forma variables (con rezagos incluidos) que tuvieran una relación lineal y que además cumplían, bajo esta óptica, con la homocedasticidad e independencia temporal de los errores. Se utilizaron cinco horizontes temporales para evaluar el desempeño los modelos de redes neuronales, support vector regression, SARIMA y SARIMAX, obteniendo las redes neuronales un mejor desempeño, registrando un MAPE de un 2,78% para la demanda de energía, y un 3,74% para la potencia máxima de cada mes, siendo estos valores el promedio de los errores en cada horizonte. Estos valores implican una disminución del error respecto de los modelos previamente utilizados en la empresa de un 3,44% para el pronóstico de energía, y de un 1,44% para el caso de la potencia, logrando de esta forma el objetivo inicial planteado. Los modelos de demanda sectoriales obtuvieron los siguientes errores en el largo plazo: 3,50% para el que trata la demanda residencial, 4,02% para el de demanda comercial, y 3,81% para el de industrial. Estos valores fueron obtenidos mediante redes neuronales, y nuevamente mostraron un mejor desempeño que los otros métodos. Los resultados en el largo plazo fueron satisfactorios para todos los modelos finalmente establecidos, considerando en que un 10% de error en este ámbito es evaluado como bueno. Debido a la alta dependencia de los modelos con la variable IMACEC, demostrada mediante un análisis de sensibilidad, se realizó un experimento de minería de textos para pronosticar los cambios en las expectativas del producto interno bruto, utilizados para pronosticar ésta variable explicativa, en base a las noticias de meses anteriores. Se entrenó un modelo clasificador de support vector machine que logró tener un máximo de desempeño de 60% de accuracy, lo que no es un buen resultado dado que todavía está abierto a mucha incertidumbre. No obstante aporta evidencia sobre la información que contienen las noticias para predecir posibles cambios futuros en la economía. Los objetivos de esta tesis fueron cumplidos, al confeccionar e implementar modelos predictivos de las demandas de energía y potencia eléctrica que mejoran la predicción de la demanda a la que se ve enfrentada CHILECTRA. Por otra parte, la implementación de la metodología de minería de textos se transforma en un primer paso para que la empresa pueda adelantarse a cambios macroeconómicos a ocurrir en el país.