INVESTIGADORES
GARCIA Guillermo Oscar
congresos y reuniones científicas
Título:
Electric Demand Forecast with Few Historical Data
Autor/es:
TORRES, LUIS; LARREGAY, GUILLERMO; CATUOGNO, GUILLERMO; GARCIA, GUILLERMO
Reunión:
Congreso; 2018 IEEE Biennial Congress of Argentina, ARGENCON 2018; 2018
Institución organizadora:
IEEE
Resumen:
En este trabajo se presenta una aplicación de las redes neuronales artificiales para pronóstico de la demanda de energía eléctrica a corto plazo. Se utiliza una arquitectura del tipo feed-forward con 97 entradas, dos capas ocultas de 100 y 70 neuronas respectivamente, y 48 datos de salida. Los datos de entrada a la red son la temperatura y demanda de energía del día anterior al que se desea pronosticar, y el día de la semana que se desea predecir. En la salida se obtiene la demanda pronosticada para el próximo día. Los datos de demanda y temperatura están muestreados cada 30 minutos. El método propuesto fue diseñado usando las herramientas del Neural Network Toolbox de MATLAB, y los resultados se analizaron trabajando con 21 datos de la demanda eléctrica del área centro del sistema eléctrico de Argentina. © 2018 IEEE.
