Análisis y diseño de redes neuronales para la predicción de la demanda eléctrica de las administraciones públicas a partir de descomposición en tipos de consumo

Abstract

[ES] La predicción de la demanda eléctrica es uno de los procesos más importantes en el sector energético. Desde la operación de los sistemas hasta la gestión de compras y ventas de energía en los distintos mercados existentes, predecir bien el consumo es vital para evitar problemas como congestiones en las redes que pueden llegar a causar desabastecimientos o para evitar importantes pérdidas económicas como consecuencia de planificar mal las compras de los agentes en los mercados mayoristas. En este TFM se plantea un modelo de predicción de la demanda eléctrica para administraciones públicas a partir de una descomposición en tipos de consumo y la aplicación de redes neuronales artificiales (ANN). Normalmente, todas las administraciones suelen contar con una cierta tipología de tipos de consumo; iluminación pública, oficinas, colegios, semáforos¿etc, cuya desagregación puede ser útil para fragmentar el problema y observar patrones que sean más fácilmente predecibles. La metodología se aplica al caso de estudio del Ayuntamiento de Valencia. Se dispone de datos reales de los consumos municipales para el periodo de 2017 y 2018. Estos consumos se van a clasificar por tipos y se van a tratar para posteriormente facilitar el proceso de entrenamiento de las redes neuronales y que estas ofrezcan la predicción más acertada posible. La predicción de cada uno de los tipos de consumo se hará por separado, dado que cada uno depende de unos inputs diferentes. Posteriormente, se agregarán todas las predicciones individuales para obtener una predicción global del consumo del Ayuntamiento de Valencia

[EN] Electricity demand forecasting is one of the most important processes in the energy sector. From the operation of the systems to the management of energy purchases and sales in the different existing markets, predicting consumption is vital to avoid problems such as grid congestion that can lead to shortages or to avoid significant economic losses as a result of poorly planned purchases by agents in wholesale markets. In this TFM we propose a model for predicting electricity demand for public administrations based on a decomposition into types of consumption and the application of artificial neural networks (ANN). Usually, all administrations have a certain typology of consumption types; public lighting, offices, schools, traffic lights, etc., whose disaggregation can be useful to lighten the problem and observe patterns that are more easily predictable. The methodology is applied to the case study of Valencia City Council. Real data on municipal consumption is available for the period 2017 and 2018. These consumptions are going to be classified by type and treated to subsequently facilitate the training process of the neural networks so that they offer the most accurate prediction possible. The prediction of each type of consumption will be done separately, given that each one depends on different inputs. Subsequently, all the individual predictions will be aggregated to obtain a global prediction of the consumption of Valencia City Council.