Eleccion de la red neuronal adecuada para la estimacion de la demanda de carga en sistemas de distribucion de fluido electrico.

M SMREKAR; A MARTINA; G MOYA; A RODRIGUEZ; GIOVINE L

Montevideo

Congreso; XIV CONGRESO LATINOAMERICANO DE SOCIEDADES DE ESTADÍSTICA; 2021

CLATSE

El  estudio  de la  demanda el´ectrica  y de  su predicci´on  tienen  gran cantidad  de antecedentes  en la  bi- bliograf´ıa  tanto  en las  estrategias de  estimaci´on  como en  las t´ecnicas  y modelos para  la predicci´on.  La carga  del  sistema el´ectrico es  un  proceso  aleatorio  continuo,  con  muchas  variables  e  influenciado  por varios  factores. Parte  de esta investigaci´on  es  justificar el  m´etodo  de  pron´ostico  elegido  para  realizar la estimaci´on  de la  serie de  demandas. E´stas  presentan  diferentes niveles  de estacionalidad  y  cuentan  con numerosas variables ex´ogenas involucradas:clima, cambios tecnol´ogicos y sociales que producen quiebresy cambios de patrones en las series. La estrategiade modelado fue evolucionando desde los modelos pa- ram´etricos  lineales pasando  por  los  param´etricos  no  lineales hasta  llegar a  los modelos no  param´etricos de  la estad´ıstica  computacional. U´ltimamente se  han popularizado  los  modelos  de aprendizaje  artificial, aprendizaje profundo e inteligencia artificial. En l´ıneas generales, hay consenso en la bibliograf´ıa en que el m´etodo de Redes NeuronalesArtificiales (RNA) es adecuado para la estimaci´on de la demanda de carga. En este  trabajo se  justifica la  elecci´on  de  la herramienta  estad´ıstica  para  predecir la  demanda y  se realiza una optimizaci´on para comparar el desempen?o de distintas topolog´ıas de RNA, distintas arquitec-turas,  distintas  fuentes  de  datos meteorol´ogicos  y la  incorporaci´on  de distintas  variables  meteorol´ogicas en la predicci´on de la demanda el´ectrica con RNA utilizandolos paquetes Keras y Tensorflow de Python.