Use of Available Daylight to Improve Short-Term Load Forecasting Accuracy
Miguel López, Sergio Valero, Carlos Sans y Carolina Senabre
Revista: ENERGIES de MDPI  (Diciembre de 2020)
Ed. MDPI,Basel, Switzerland.  ISSN:1996-1073  DOI:https://doi.org/10.3390/en14010095  - Energies 2021, 14, 95

Resumen:


Este artículo presenta una nueva metodología para incluir información sobre la luz del día en modelos de pronóstico de carga (STLF). La relación entre la luz del día y el consumo de energía es obvia debido al uso de electricidad en iluminación en general. Sin embargo, muy pocos sistemas STLF incluyen esta variable como entrada. Además, un análisis de uno de los modelos STLF actuales en el El operador del sistema de transmisión (TSO), muestra dos jorobas en su perfil de error, que ocurren al amanecer.


y horas de puesta del sol. La nueva metodología incluye información sobre la luz del día tratada adecuadamente en STLF modelos para reducir el error de pronóstico durante el amanecer y el atardecer, especialmente cuando la luz del día tiempo de ahorro (DST) se producen turnos de una hora. Este documento describe la información bruta y la


método de linealización necesario. El modelo de previsión utilizado como referencia se utiliza actualmente en


la sede del TSO y utiliza componentes tanto autorregresivos (AR) como de red neuronal (NN).


El método ha sido diseñado con datos del sistema eléctrico español de 2011 a 2017 y probado con datos de 2018. Los resultados incluyen una justificación para utilizar la linealización propuesta sobre otros técnicas, así como un análisis exhaustivo de los resultados del pronóstico que arroja una reducción de errores en la puesta de sol


horas de 1,56% a 1,38% para el modelo AR y de 1,37% a 1,30% para el pronóstico combinado.


Además, durante las semanas en las que se implementan los turnos de horario de verano, el error de extinción cae del 2,53% al 2,09%.