Por favor, use este identificador para citar o enlazar este ítem: http://cybertesis.uni.edu.pe/handle/uni/579
Título : Análisis estocástico Arima para el modelamiento y predicción de la demanda eléctrica en el sector residencial de Lima Sur
Autor : Orbezo Urquizo, Hernán Antonio
Palabras clave : Consumo de Energía Eléctrica;Modelos ARIMA;Series Temporales
Fecha de publicación : 2011
Editorial : Universidad Nacional de Ingeniería. Programa Cybertesis PERÚ
URI Relacionado: http://cybertesis.uni.edu.pe/uni/2011/orbezo_uh/html/index-frames.html
Resumen : En la presente investigación se aplica el análisis de series temporales bajo un enfoque estocástico ARIMA (Modelo Estocástico Lineal Integrado Autorregresivo- Medias Móviles), para la realización de proyecciones de la demanda de energía eléctrica residencial en la zona de Lima Sur (variable con tendencia, estacionalidad, ciclaje y aleatoriedad), habiéndose demostrado que permite mejorar la eficiencia y bondad predictiva al comparar y validar los resultados obtenidos con la técnica determinística de predicción Winter. Una adecuada predicción de la energía demandada es determinante para decisiones de inversión en redes eléctricas, pues cuanto mas precisas sean las predicciones menores serán los riesgos de incurrir en inversiones innecesarias: en ese sentido, ésta investigación represente la primera intención de formular un procedimiento técnico validado que respalde las decisiones de inversión a nivel de distribución eléctrica. Como resultado del análisis realizado se determinó que el consumo de energía residencial de Urna Sur tendrá un crecimiento conservador sostenido del 3,5% en promedio para el periodo 2010-2012. Incremento que también represente el crecimiento del consumo de energía en baja tensión, pues éste serie energética presenta el mismo comportamiento que el consumo de energía residencial para la misma zona de análisis. La metodología ARIMA proporciona mejores resultados predictivos, tanto gráficamente como en margen de error y en complejidad de la variable en estudio, frente cualquier otro método como et alisado exponencial compuesto Winter. demostrando la Hipótesis Nula formulada para la investigación, de ofrecer resultados con mejor eficiencia y bondad predictiva. Así con el método ARIMA se obtienen resultados con menor error absoluto porcentual promedio (1.59%) y menor suma de cuadrado de errores (1359). Palabras Clave: Predicción, demanda eléctrica residencial, modelos ARIMA, serie temporal, procesos estocásticos, validación.
In the present rosearen applied time series analysis in a stochastic approach ARIMA {Autoregressive Integrated Moving Average), for making forecasts of demand for residential electricity in Lima Sur (variable with irend. seasonality, cycting and randomness), having shown that irnproves efficiency and predictive goodness to compare and validate the resulte obtained with the deterministic prediction Winter technique. An adequate prediction of the energy demand is critical to investment decisions in electricity networks, because the more accurate the predictions lower the risk of incurring unnecessary investments; in that sense, this research represente the fírst attempt to formulate a technical procedure validated to support investment decisions at the level of electrical distribution. As a result of the analysis determined that the residential energy consumption will grow Lima Sur sustained conservative 3,5% on average for the period 2010-2012. Increase also represents the growth of energy consumption at low voltaje, as this energy range has the same behavior as the residential energy consumption for the same area of analysis. The ARIMA methodology provides better predictive results, both graphically and in margin of error and complexity of Ihe variable under study, compared with other methods such as exponential smoothing compound Winter, proving the null hypothesis formutated for the research. to provide results with better efficiency and predictive goodness. So with the ARIMA method results are obtained with lower mean absolute percentage error (1,59%) and lowest sum of squared errors (1359). Keywords: Forecast, residential electricity demand, ARIMA models, time series, stochastic processes, validation.
URI : http://cybertesis.uni.edu.pe/handle/uni/579
Derechos: info:eu-repo/semantics/openAccess
Aparece en las colecciones: Maestría

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
orbezo_uh.pdf39,65 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.