Optimización de un modelo de previsión de demanda eléctrica para clientes minoristas

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Optimización de un modelo de previsión de demanda eléctrica para clientes minoristas"

Daniel Reyes Casado
hace 7 años
Vistas:

1 Optimización de un modelo de previsión de demanda eléctrica para clientes minoristas Autor: David Velad Galván Director: Luis López Veiga Entidad colaboradora: Gas Natural Fenosa Resumen La previsión de la demanda de energía es un campo fundamental hoy en día dentro del sector eléctrico de cualquier país desarrollado. La razón de la importancia de la previsión de energía eléctrica es la imposibilidad de almacenar grandes cantidades de dicha energía, lo que conlleva que todo el sistema eléctrico ha de permanecer en equilibrio, es decir producir la cantidad de electricidad que se va a consumir en tiempo real. Para llevar a cabo este objetivo es necesario prever las necesidades que van a existir en distintos horizontes temporales, siendo el corto plazo necesario a la hora de satisfacer la demanda del usuario final en tiempo real, el medio plazo para el mantenimiento de las plantas generadoras o de las redes, y el largo plazo para la planificación de nuevas instalaciones de generación, transporte o distribución. En este proyecto se van a desarrollar modelos de previsión para poder satisfacer la demanda eléctrica a corto plazo, es decir para los usuarios finales, en concreto los clientes domésticos de menos de 10 kw de potencia contratada, enmarcados tanto dentro de la tarifa TUR como en el mercado libre, incluidos en el mercado minoristas. Este tipo de clientes tiene una peculiaridad que los diferencia de los clientes mayoristas o grandes clientes, y que además complica la previsión de la demanda eléctrica que requieren. Esta peculiaridad es el retardo que presenta la obtención de sus medidas de consumo de electricidad, ya que estas se realizan con un contador que se lee una vez cada dos meses, lo que obliga a perfilar esa medida para obtener una aproximación de consumo horario que va realizar ese cliente. Esto, hace que la aproximación al problema de previsión de la demanda tenga un enfoque distinto, al que se da en anteriores

2 estudios, que tienen como dato de entrada medidas horarias, casi siempre telemedidas. Se ha de tener en cuenta que los factores típicos que influyen en el comportamiento de la demanda de energía eléctricas son principalmente, la temperatura, la laboralidad y diversos factores socioeconómicos, como el PIB, la tasa de paro, la edad de los clientes, la existencia de niños pequeños en el hogar, etc. Este proyecto, se divide en dos partes. En primer lugar se hace un estudio de los factores que influyen en la demanda de energía eléctrica de los clientes de la tarifa 2.0A, para ello se estudian una a una las variables que típicamente influyen en el comportamiento de la demanda eléctrica anteriormente expuestas. Sin embargo, algunas de ellas quedan fuera del estudio por no disponer datos de las mismas, y otras se añaden, como la demanda eléctrica nacional, que recoge tanto a los clientes minoristas como a los clientes mayoristas. Los datos que se utilizan en este primer estudio se obtienen de diversas fuentes. En el caso de la temperatura se recurre a los datos históricos de cada uno de los observatorios nacionales de AEMET. Por su parte los datos socioeconómicos, como el PIB y la tasa de paro, se extraen del histórico del INE. Por último, los datos de las medidas tomadas a los clientes de Gas Natural Fenosa, GNF, son obtenidas de las bases de datos de GNF haciendo un tratamiento posterior mediante la herramienta SAS. En segundo lugar se realiza el cálculo de distintos modelos de previsión basados en regresiones y en series temporales. En el caso de los modelos de regresión, se utilizan como variables explicativas aquellas que han obtenido un alto coeficiente de correlación con la demanda eléctrica minorista. Posteriormente se realiza un ajuste fino sobre el modelo de regresión obtenido, que consiste en calcular una previsión del error cometido con el modelo regresión, para ello se aplica un modelo basado en series temporales ARIMA. Por último se comparan los resultados obtenidos de cada uno de los modelos con los datos reales de Enero de 2010, por medio de indicadores como el MAPE y el RMSE,

3 para de esta manera seleccionar cual es el mejor modelo de previsión, fijando como objetivo un MAPE mensual inferior al 5%, y así poder utilizarlo para realizar la previsión de la demanda de energía de la tarifa 2.0A

4 Abstract The electricity demand forecast is a fundamental field today in the electricity sector of developed countries. The main reason of the importance of the electricity demand forecast is the inability to be able to store large amounts of that energy, which means that the electrical grid should be stable, so the amount of kilowatt hours of electricity produced must equal the amount of kilowatt hours consumed at nearly same time. For this reason, it is necessary to provide the energy needs that will exist in different time horizons, short-term being the time necessary to know end-user demand, the mediumterm maintenance of power plants and long-term to determine when it will be necessary to build new power plants to know future global energy demand of the grid. This project will develop forecasting models to know the electricity demand in the short to medium term for end users, particularly residential customers less than 10kW of electrical power of the customer, who belongs to TUR or the free market. This type of customers are called retail customers. These customers have a distinction that that distinguish them from wholesalers customers, moreover it complicates the electricity demand forecast. This distinction is the delay to obtain their measure electrical consumption, because the energy meter is reviewed once every one or two months, so that it is necessary to approximate the monthly consumption to hourly consumption of the customers. Typical factors that influence the behavior of electricity demand are mainly temperature, working patterns and various socioeconomic factors such as GDP, unemployment rate, the average age of customers... This project is divided into two parts. First, a study of the factors that influence the electricity demand of retail customers. For this we studied one by one the variables that typically influence its behavior, although some of them are out the study for not having the same data, and others are added as national electricity demand, which includes both retail customers and wholesale customers.

5 The data used in this first study it will obtain from different sources. In the case of temperature are used the historical data from each of the observatories of the National Institute of Meteorology. For their part, economic data, such as GDP and unemployment rate are taken from historical national statistical institute. Finally, data from the measures taken to customers Gas Natural Fenosa, GNF, are obtained from the GNF database queries used by SAS manager. Secondly we calculate different forecasting models based on regression and time series. In the case of regression models using variables that have obtained a high Pearson s coefficient with retail electricity demand. After, fine-tunes the regression model will be obtained, which is to calculate an estimate of the error with the regression model that applied a model based on time series, ARIMA. In the case of models based on time series using ARIMA model directly to calculate a electricity demand forecast. Finally we compare the results obtained from each of the models with statistics indicators such as MAPE and RMSE, thus we conclude which is the best forecast model, and it use to make the demand forecast for retail customers whose monthly MAPE should not exceed 5%.

Documentos relacionados

ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)

ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) OPTIMIZACIÓN DE UN MODELO DE PREVISIÓN DE DEMANDA ELÉCTRICA PARA CLIENTES MINORISTAS Autor: David Velad Galván Director: Luis López Veiga Madrid Junio 2011