DOI:
https://doi.org/10.14483/22487638.6816Publicado:
30-10-2012Número:
Vol. 16 (2012): Edición EspecialSección:
InvestigaciónPredicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar
Descargas
Resumen (es)
En este artículo se presenta una propuesta metodológica para la predicción mensual de energía eléctrica del Sistema Interconectado Nacional (SIN) de Colombia, mediante la transformada discreta de Wavelet y una red neuronal artificial. El modelo propuesto utiliza como punto de partida una base de datos univariada en miles de Gwh por mes, entre Agosto del 1995 y Junio de 2010, disponible en el sistema de Neón (www.xm.com.co). Esta serie es denominada original y consta de 179 muestras. Con el fin de extraer tendencia y estacionalidad de la serie, en la etapa de pre-procesamiento se utilizó la transformada discreta wavelet (DWT). Debido al carácter no lineal que presenta la serie original, se manejó un modelo neuronal autorregresivo no lineal (NAR) y se determinó un vector de las entradas pasadas necesarias para la predicción con el autocorrelograma (relación que tiene el valor actual de la serie original con sus valores pasados) de la serie residual. Los resultados obtenidos fueron contrastados con un modelo estadístico lineal autorregresivo (AR).Cómo citar
APA
Moreno Chaparro, C., Pedraza Martínez, L. F., y Rivas Trujillo, E. (2012). Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar. Tecnura, 16, 86–99. https://doi.org/10.14483/22487638.6816
ACM
[1]
Moreno Chaparro, C. et al. 2012. Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar. Tecnura. 16, (oct. 2012), 86–99. DOI:https://doi.org/10.14483/22487638.6816.
ACS
(1)
Moreno Chaparro, C.; Pedraza Martínez, L. F.; Rivas Trujillo, E. Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar. Tecnura 2012, 16, 86-99.
ABNT
MORENO CHAPARRO, Cristhian; PEDRAZA MARTÍNEZ, Luis F.; RIVAS TRUJILLO, Edwin. Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar. Tecnura, [S. l.], v. 16, p. 86–99, 2012. DOI: 10.14483/22487638.6816. Disponível em: https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/6816. Acesso em: 29 abr. 2025.
Chicago
Moreno Chaparro, Cristhian, Luis F. Pedraza Martínez, y Edwin Rivas Trujillo. 2012. «Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar». Tecnura 16 (octubre):86-99. https://doi.org/10.14483/22487638.6816.
Harvard
Moreno Chaparro, C., Pedraza Martínez, L. F. y Rivas Trujillo, E. (2012) «Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar», Tecnura, 16, pp. 86–99. doi: 10.14483/22487638.6816.
IEEE
[1]
C. Moreno Chaparro, L. F. Pedraza Martínez, y E. Rivas Trujillo, «Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar», Tecnura, vol. 16, pp. 86–99, oct. 2012.
MLA
Moreno Chaparro, Cristhian, et al. «Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar». Tecnura, vol. 16, octubre de 2012, pp. 86-99, doi:10.14483/22487638.6816.
Turabian
Moreno Chaparro, Cristhian, Luis F. Pedraza Martínez, y Edwin Rivas Trujillo. «Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar». Tecnura 16 (octubre 30, 2012): 86–99. Accedido abril 29, 2025. https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/6816.
Vancouver
1.
Moreno Chaparro C, Pedraza Martínez LF, Rivas Trujillo E. Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar. Tecnura [Internet]. 30 de octubre de 2012 [citado 29 de abril de 2025];16:86-99. Disponible en: https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/6816
Descargar cita
Licencia
Esta licencia permite a otros remezclar, adaptar y desarrollar su trabajo incluso con fines comerciales, siempre que le den crédito y concedan licencias para sus nuevas creaciones bajo los mismos términos. Esta licencia a menudo se compara con las licencias de software libre y de código abierto “copyleft”. Todos los trabajos nuevos basados en el tuyo tendrán la misma licencia, por lo que cualquier derivado también permitirá el uso comercial. Esta es la licencia utilizada por Wikipedia y se recomienda para materiales que se beneficiarían al incorporar contenido de Wikipedia y proyectos con licencias similares.
