Pronóstico espacial de demanda eléctrica mediante la técnica de agrupamiento (clustering) de curvas S históricas – Aplicación a la Empresa Eléctrica Ambato Regional Centro Norte S.A.

Mayorga Márquez, Bryan Jonathan

2018-03-16

T-IE/4640/CD 8665
Mayorga Márquez, B. J. (2018). Pronóstico espacial de demanda eléctrica mediante la técnica de agrupamiento (clustering) de curvas S históricas – Aplicación a la Empresa Eléctrica Ambato Regional Centro Norte S.A. 117 hojas. Quito : EPN.

Descargar documento

Las empresas distribuidoras deben garantizar el abastecimiento de electricidad a todos los clientes de su área de concesión, por ello es necesario conocer no solo ¿cuánta energía requieren?, sino también en ¿qué momento?, y en ¿qué lugar la necesitarán? Dentro de este contexto el pronóstico espacial de demanda eléctrica es la clave para responder estás preguntas. El presente trabajo utiliza la minería de datos, para desarrollar un pronóstico espacial, el cual permite visualizar mediante mapas de calor, la demanda de energía en cada una de las microáreas que dividen al territorio. Para lograrlo, se propone una mezcla de métodos, técnicas y criterios, que se agrupan en dos etapas. Una primera, la cual determina la demanda eléctrica histórica del área de concesión mediante registros de facturación y ubicación georreferenciada de los clientes. Y una segunda etapa, que agrupa las curvas de demanda históricas (obtenidas en la primera), mediante una modificación del algoritmo de agrupación k-means. Los resultados obtenidos (por la propuesta metodológica de este trabajo) son comparados con los resultados de un pronóstico de regresión múltiple (típico empleado por las distribuidoras del Ecuador), con el fin de demostrar la potencialidad y las ventajas de la nueva metodología.

Vásquez Miranda, Paúl Fabricio, director

Distribution companies must guarantee the supply of electricity to all customers in their concession area, so it is necessary to know not only how much energy they need, but also at what time? And where will they need it? Within this context, the spatial load forecasting is the key to answering these questions. The present work uses data mining, to develop a spatial forecast, which allows to visualize by heat maps, the energy demand in each of the smallareas that divide the territory. To achieve this, a mixture of methods, techniques and criteria is proposed, which are grouped into two stages. The first one, which determines the historical electricity demand of the concession area through billing records and geo-referenced location of the clients. And a second stage, which groups the historical demand curves (obtained in the first), through a modification of the k-means clustering algorithm. The results obtained (by the methodological proposal of this work) are compared with the results of a multiple regression forecast (typical used by the distributors of Ecuador), in order to demonstrate the potential and advantages of the new methodology

DISTRIBUCION DE ENERGIA ELECTRICA; CLUSTERING; MINERÍA DE DATOS;