Predicción de la demanda eléctrica máxima del centro de despacho regional este

Abstract

La predicción de la demanda de energía eléctrica es una herramienta fundamental para la toma de decisiones operativas y estratégicas en las empresas de energía, cuya falta de precisión puede traer altos costos económicos. El principal objetivo del trabajo es predecir computacionalmente la demanda eléctrica máxima de la red de distribución perteneciente al centro de despacho regional este, el estudio adopta un enfoque cuantitativo y un diseño no experimental transversal, analizando datos históricos para establecer relaciones numéricas entre la demanda eléctrica y diversas variables independientes. Se emplean dos técnicas principales para la predicción: la regresión lineal múltiple y redes neuronales. Para la regresión lineal múltiple, se construye un modelo estadístico cuantitativo que relaciona la demanda eléctrica con variables independientes, en cuanto a las redes neuronales, se menciona el uso de una red preconstruida adaptada a los datos de demanda basada en la arquitectura perceptrón multicapa. Se realizó un análisis estadístico descriptivo, revelando una variabilidad moderada en la demanda de energía y distribuciones uniformes en las variables categóricas. A través de visualizaciones como histogramas y boxplots, se ilustró la distribución y variabilidad de la demanda energética. Para la predicción de la demanda máxima de energía, se implementaron y compararon dos modelos: regresión lineal múltiple y redes neuronales. El modelo de regresión lineal múltiple logró un coeficiente de determinación de 0.68 y un error medio absoluto porcentual (MAPE) de 12.49 %, demostrando una capacidad considerable para capturar las tendencias de los datos. Por otro lado, el modelo de redes neuronales, específicamente un perceptrón multicapa, mostró un ligero mejoramiento con un de 0.70 y un MAPE de 12.02 %. Ambos modelos reflejaron eficientemente las tendencias generales en la demanda de energía, aunque presentaron áreas de subestimación y sobreestimación.