ELABORACIÓN DE PRONÓSTICOS

Julio de 2016

Explotación Electricidad

Generalidades de la Compañía

Gas Natural Fenosa es una de las compañías multinacionales líderes en el sector del gas y la electricidad, está presente en 25 países, y cuenta con cerca de 20 millones de clientes y una potencia instalada de 15,4 gigavatios. Gas Natural Fenosa opera en el sector energético colombiano con el negocio de gas en el centro y oriente del país, y en el sector eléctrico en la región norte, atendiendo a más de 4 millones de clientes. El sector eléctrico de Gas Natural Fenosa en Colombia, se encuentra bajo el liderazgo de Electricaribe, la cual administra las operaciones de distribución y comercialización de energía eléctrica en la región Caribe.

Con el fin de atender las necesidades de segmentos de mercado, Electricaribe presta el servicio a través de las siguientes empresas: Electricaribe S.A, ESP: es el operador de la red para toda la Región Caribe, para los mercados residencial y comercial. Energía Empresarial de la Costa S.A, ESP: atiende los mercados Comerciales, industriales y oficiales-alumbrados públicos del mercado No Regulado, grandes clientes, de la Región Caribe, Antioquia, Boyacá, Caldas, Cauca, Cundinamarca, Huila, Meta, Quindío, Risaralda, Santander, Norte de Santander y Valle del Cauca. Energía Social de la Costa S.A., ESP: atiende los clientes en condiciones de subnormalidad eléctrica, de estratos 1 y 2, especialmente de la Región Caribe. La compañía presta el servicio de distribución y comercialización de la energía eléctrica en 7 departamentos: Atlántico, Bolívar, Sucre, Córdoba, Cesar, Magdalena y La Guajira.

UCP’s Electricaribe

Unidad de Control de Pronóstico - UCP

La unidad de control de pronostico es el conjunto de elementos que conforman una unidad típica de un sistema eléctrico donde se realiza un balance de energía. Electricaribe como operador de red tiene a su cargo la administración de las siguientes UCP’s: UCP Barranquilla: Demanda de energía del departamento del Atlántico y algunas demandas del departamento de Magdalena. UCP Cartagena: Demanda de energía del departamento de Bolívar y algunas demandas del departamento de Magdalena. UCP Planeta: Demanda de energía del departamento de Córdoba. UCP Sinu: Demanda de energía del departamento de Córdoba, Sucre y algunas demandas del departamento de Bolívar. UCP Tairona: Demanda de energía del departamento de Guajira, Cesar , Magdalena y algunas demandas del departamento de Bolívar.

Demanda operativa de energía

Pronósticos - Desviación mensual de los pronósticos (MAPE%)

Demanda de energía (MWh) 2016

UCP Ene-16 Feb-16 Mar-16 Abr-16 May-16 Jun-16

UBARRANQUILLA 401,288 383,274 400,090 411,841 440,406 427,948

UCARTAGENA 259,476 243,224 243,251 242,773 262,877 256,111

UPLANETA 23,965 22,395 24,022 22,329 21,799 21,072

USINU 234,657 224,086 235,617 223,060 223,293 216,833

UTAIRONA 330,651 318,992 340,541 331,642 339,859 331,811

Total: 1,250,038 1,191,970 1,243,521 1,231,644 1,288,235 1,253,774

MAPE (%) 2016

UCP Ene-16 Feb-16 Mar-16 Abr-16 May-16 Jun-16

UBARRANQUILLA 1.2% 0.6% 1.8% 1.7% 2.3% 1.5%

UCARTAGENA 0.7% 1.2% 2.8% 2.4% 2.0% 2.4%

UPLANETA 0.7% 0.8% 1.2% 0.8% 2.1% 2.1%

USINU 1.4% 1.1% 2.0% 0.9% 2.1% 2.4%

UTAIRONA 1.3% 0.9% 1.7% 1.0% 2.3% 2.7%

Error absoluto medio (MAPE): Mide el error mensual de pronóstico al comparar los valores reales con los pronosticados.

mesdeldiasdeNumeronn

al

onosticoal

MAPE

n

t *24 ,Re

PrRe

1

Herramienta de Pronóstico

de la Demanda

Predicción de la Demanda de Energía

Modulo de Pronóstico – Planificación y Seguimiento de la

Explotación

Predicción de la Demanda de Energía

Redes Neuronales Artificiales – Nociones Generales

Unidades de procesamiento simple (neuronas) interconectadas entre sí con la capacidad de ‘aprender’ a través de la experiencia, generalizar a partir de datos previos y abstraer características de un conjunto de datos.

Ventajas: ‘Aprendizaje’, flexibilidad, tolerancia a fallos.

Aplicaciones: Clasificación y reconocimiento de patrones, regresión y/o pronóstico de series de datos, entre otros.

Aprendizaje: Supervisado, no supervisado*.

* Algunos autores plantean modelos híbridos a los ya mencionadas

Capa de Entrada Capa

Oculta

Capa de Salida

Conjunto de datos objetivo

Predicción de la Demanda de Energía

Metodología Propuesta – Planificación y Seguimiento de la

Explotación

Train Val

2005 - 2011 2012 Entradas

Histórico de demanda de los dos

días anteriores (48h)

Histórico de demanda del mismo día de la semana anterior (24h)

Temperatura del día a predecir

(24h)

Humedad del día a predecir (24h)

Velocidad del viento del día a predecir (24h)

Indicador del día y tipo de día a

predecir

Indicador del grupo al que pertenece el día a predecir

(cluster) El término ‘Grupos’ es utilizado para referirse a la técnica de agrupamiento utilizada en cada caso.

Predicción de la Demanda de Energía

Modulo de Actualización, Detección y Corrección de Datos

Herramienta para el Pronóstico de la Demanda de

Energía

Características

Ensamble de datos de demanda: Carga de archivos compatibles con los siguientes formatos: *.colo, *.prn, *.txt, .*xlsx y *.mat.

API de desarrollo del sitio WEB www.wunderground.com. Inteligencia computacional: Métodos de modelado basado en redes neuronales que

integran variables exógenas relacionadas con aspectos claves como el clima actual y futuro, características taxonómicas del día y datos históricos de la demanda.

Panel de edición: Permite modificar el pronóstico desde tres enfoques: tendencia, hora del día con y sin modificación de la demanda diaria. Las modificaciones pueden ser realizadas comparando el dato pronosticado con cualquier dato de demanda histórico (método gráfico).

Panel de gráficas: Visualiza paso a paso el efecto de las modificaciones en la forma de la demanda. De igual manera, presenta la curva horaria por día de las variables del clima (temperatura, humedad y velocidad del viento) y el nivel de crecimiento con respecto a días anteriores.

Panel de filtrado: Proporciona filtros que ayudan a seleccionar días comprendidos en un periodo dado y/o cuyas características presentan un grado de similitud con el día seleccionado.

Tablas: Presentación de los datos históricos y pronosticados de la demanda horaria. Columna de selección independiente de cada día con la posibilidad de asignar colores distintivos por cada dato seleccionado.

Exportar archivos: Generación de archivos compatibles con el sistema VHOR y editores de texto plano (*.txt).

Herramienta para el Pronóstico de la Demanda de

Energía

Generalidades

Herramienta intuitiva y liviana que no requiere grandes capacidades de memoria.

Tiempos de cálculo rápidos: Solo 5 segundos para llevar a cabo el pronóstico de la demanda correspondiente a 10 días para cada UCP*.

Incluye control de acceso: Ingreso cifrado para enviar que personal externo o ajeno al proceso tenga acceso a la información confidencial.

Actualización automática de la base de datos climatológica: Capacidad para descargar la información climatológica de una base de datos ubicada en la WEB**.

Actualización automática de la base de datos de demanda: Carga, detección y corrección de errores de los datos de demanda de energía extraídos de las fuentes de información de la empresa (e.g. C.G.E. M.E.D., SCADA) y otras provenientes de usuarios industriales (e.g. PROELECTRICA).

Reporte XM: Generación automática del reporte diario (DNA) y semanal (pronóstico y factor de carga) a enviar a XM.

* Los tiempos pueden variar de acuerdo a la velocidad de conexión a internet disponible. **www.wunderground.com

Muchas Gracias

Fin de la Presentación