Predicción a corto plazo de la demanda de energía eléctrica en Colombia ante presencia de generación solar distribuida

En este trabajo se presenta la construcción de un modelo para la predicción a corto plazo de la demanda de energía eléctrica en Colombia, incluyendo el efecto de la generación solar distribuida. Este trabajo se desarrolla como parte del proyecto 9 (Supervisión, control y protección) de la alianza Energética 2030. Inicialmente se presenta una revisión del estado del arte de iniciativas similares desarrolladas por otros autores, para posteriormente proponer una solución basada en modelos de aprendizaje de máquinas. La solución es desarrollada siguiendo las etapas de la metodología CRISP-DM para el desarrollo de proyectos de minería de datos. Inicialmente se realiza la caracterización de un conjunto de datos históricos meteorológicos y de demanda de Colombia, posteriormente durante la etapa de modelamiento se realiza la hiperparametrización de 7 modelos distintos (regresión lineal, árboles de decisión, KNN, redes neuronales MLP, máquinas de soporte vectorial, random forest y XGBoost) tras lo cual, usando un análisis ANOVA, se seleccionan los mejores modelos para la fase de validación. El modelo con mejor desempeño en esta etapa, y por ende el seleccionado para la solución es el de redes neuronales MLP, que durante la predicción del conjunto de validación tuvo un error medio absoluto porcentual (MAPE) de 1.28%. El modelo resultante queda a disposición del operador del Sistema Interconectado Nacional, XM, para su evaluación y uso.