Estimación del consumo eléctrico colombiano en el corto y largo plazo empleando regresión multivariable y series temporales
PDF

Palabras clave

Estimación
consumo eléctrico
Regresión multivariable
series temporales Forecasting
Electrical consumption
multivariable regression
time series

Cómo citar

Garzón Medina, D. O., & Marulanda García, G. A. (2017). Estimación del consumo eléctrico colombiano en el corto y largo plazo empleando regresión multivariable y series temporales. Avances Investigación En Ingeniería, 14(1), 155–168. https://doi.org/10.18041/1794-4953/avances.1.1294

Resumen

 La previsión de consumo de energía eléctrica constituye un pilar importante para desarrollar proyectos de expansión en generación, transmisión y distribución. En este trabajo se propone realizar una proyec­ción de demanda para el consumo de energía eléctrica en el sector residencial colombiano por medio de una serie temporal y una regresión multivariable que relacione el crecimiento económico del país con su consumo eléctrico. Para validar la metodología propuesta, se compararán los resultados obte­nidos con la información oficial suministrada por la Unidad de Planeación Minero-Energética (UPME).

https://doi.org/10.18041/1794-4953/avances.1.1294
PDF

Citas

Ariza, A. M, “Métodos utilizados para elpronóstico de la demanda de energíaeléctrica en sistemas de distribución,’’Tesis de pregrado, Pereira, Colombia,2013.

Barrientos, A. F., & Olaya, J, “Un modelo‘’spline’’ para el pronóstico de la demandade energía eléctrica,’’ Escuela deIngeniería Industrial (Cali), Colombia,pp. 187-202, 2007.

Gómez de la Calle, M, “Modelo de previsiónde demanda de electricidad de largoplazo,’’ Madrid, España, 2010.

Cobo berbera, I, “Modelo de previsión dela demanda de corto plazo,’’ Madrid,España, 2013.

Salas, J. S., Desarrollo con Matlab de unaRed Neuronal para Estimar la Demandade Energía Eléctrica. Valladolid: Universidadde Valladolid, España, 2016.

Chen, Toly; and Wang, Yu-Cheng. Long-TermLoad Forecasting by a CollaborativeFuzzyNeural Approach. InternationalJournal of Electrical Power & EnergySystems, 12, 2012, vol. 43, no. 1. pp.454-464. ISSN 0142-0615.

Agência nacional de energía elétrica (ANEEL),2014. [Online], disponible: www.aneel.gov.br

Morales Udaeta, M. E, “Planejamentointegrado de recursos energéticos-PIRparao setor elétrico (pensando odesenvolvimiento sustentável),’’ SâoPaulo, Brasil, 1997.

Unidad de Planeación Minero Energética(UPME), “Proyecciones regionales dedemanda de energía eléctrica y potenciamáxima en Colombia,’’Bogotá,Colombia, 2009.

Rodríguez Betancourt, R., & Arrieta Gallardo,M, “Econometría Moderna,’’México D.F, México, 2011.

Mejía, V. M, “Predicción del consumo deEnergía Eléctrica en Colombia utilizandomodelos no lineales,’’ UniversidadNacional, Medellín, Colombia, 2011.

J.J Gómez-Cadenas, “El método de losmínimos cuadrados, ’’Curso de estadística,Bogotá, Colombia, 2005.

De la Fuente Fernández S., “Estadística teóricaI: Series temporales,’’ UniversidadAutoónoma de Madrid, España, 2014.

J.M. Rojo Abuin, “Regresión lineal múltiple,’’ Instituto de Economia y Geografía,Madrid, España, 2007.

Departamento Nacional de Estadística(DANE), “Censo poblacional Colombiano,’’ Colombia, 2014.

Banco de la República de Colombia,“Producto interno bruto Colombianoa largo plazo (PIB), ’’Colombia, 2014.

M. Meneses Reis., “Analisé de seriestemporais, ’’ Universidade Federal deSanta Catarina (UFSC), Florianopolis,Brasil, 2013.

F. J. Barón López, F. Téllez Montiel, “Apuntesde bioestadística, ’’ Capítulo 6, pp.35-40, Málaga, España, 2014.

Cárdenas, M., & Junguito, R, “Nuevaintroducción a la economía colombiana,’’Texto básico sobre economíacolombiana (Bogotá), Colombia, pp.2-12, 2013.

Descargas

Los datos de descargas todavía no están disponibles.