ELECCION Y ENTRENAMIENTO DE LA RED NEURONAL PARA LA PREDICCION DE LA DEMANDA DE POTENCIA EN SUB ESTACIONES ALIMENTADORAS DE LA EPEC

M SMREKAR; M SUAREZ; J SAFFE; G MOYA; A RODRIGUEZ; GIOVINE L; CLAUDIO PUERTOLAS; JORGE DEAN

Buenos Aires

Congreso; Congreso Internacional de Distribución Eléctrica; 2022

Comite Argentino de CIER (Comisión de Integración Energética Regional)

Con vistas en el horizontede sistemas de gestión de redes eléctricas inteligentes completamenteautomatizadas, para optimizar la demanda, prever picos y adecuarse a lageneración distribuida se hace necesario el conocimiento de la demanda deenergía y potencia en todos los nodos de la red. El estudio de la demandaeléctrica y de su predicción tienen gran cantidad de antecedentes en labibliografía tanto en las estrategias de estimación como en las técnicas ymodelos para la predicción. La carga del sistema eléctrico es un procesoaleatorio continuo, con muchas variables e influenciado por varios factores.Parte de esta investigación es justificar el método de pronóstico elegido pararealizar la estimación de la serie de demandas. Éstas presentan diferentes nivelesde estacionalidad y cuentan con numerosas variables exógenas involucradas:clima, cambios tecnológicos y sociales que producen quiebres y cambios depatrones en las series. La estrategia de modelado fue evolucionando desde losmodelos paramétricos lineales pasando por los paramétricos no lineales hastallegar a los modelos no paramétricos de la estadística computacional.Últimamente se han popularizado los modelos de aprendizaje artificial,aprendizaje profundo e inteligencia artificial. En líneas generales, hayconsenso en la bibliografía en que el método de Redes Neuronales Artificiales(RNA) es adecuado para la estimación de la demanda de carga. En este trabajo sejustifica la elección de la herramienta estadística para predecir la demanda,se realiza una optimización para comparar el desempeño de distintas RNA y seconstruyen modelos óptimos para la predicción de la demanda eléctrica enEstaciones Alimentadoras de una red de transmisión eléctrica utilizando lospaquetes Keras y Tensorflow de Python.