El modelo optimiza datos necesarios para que empresas generadoras de energía calculen mejor la manera de entregar el servicio. Foto: tomada de bit.ly/3nMzviG.

Su implementación sería útil para que empresas comercializadoras de energía estimen el gasto del servicio de la forma adecuada y para el Centro Nacional de Despacho (CND). El diseño se hizo para pronosticar en plazos cortos: de horas y que no excedan las dos semanas. Permite, además, identificar cambios de comportamiento en el consumo.

---

José Fernando Montoya Cardona estudió Ingeniería Electrónica e Ingeniería Eléctrica en la UNAL Manizales porque quiso comprender los circuitos. Le interesaron, más tarde, los asuntos relacionados con análisis de datos enfocados en demanda de energía, así que decidió meterse en ese tema.

“Una vez cuando entré a revisar cómo se hacía pronóstico de demanda en Colombia empecé a indagar cómo se podría mejorar, hacer un sistema tal que se pudiera implementar en producción en un futuro, y que sirviera también para analizar el comportamiento de usuarios en las diferentes regiones del país, y así tomar decisiones”, narra.

Pasó de la idea a la acción. Su tesis de maestría en Ingeniería - Analítica de la Facultad de Minas de la UNAL Medellín consistió en optimizar la precisión de modelos de pronóstico que actualmente tiene el CND, ente encargado de la planeación, supervisión y control de la operación de recursos de generación y transmisión del Sistema Interconectado Nacional (SIN).

La implementó para pronosticar a corto plazo, es decir para unas dos semanas máximo, teniendo en cuenta que se hace la predicción, por lo general, es a nivel horario.

Para mantener la confiabilidad, seguridad y economía en el sistema eléctrico, cuenta, hay un proceso denominado despacho económico, realizado por el CND, en el que empresas del sector reciben ofertas de venta y disponibilidad. El ente, debe contar con información del consumo de energía para conocer cuántos generadores se deben usar en el país. “No podemos comenzar una operación a ciegas, sin saber qué cantidad se requiere producir o generar”, dice.

El estudio que realizó, afirma, surgió para mantener la estabilidad del sistema y para asegurar que la generación se desvíe menos de su programa, lo que también reduce costos, pues si esa situación se da, a las empresas las podrían penalizar.

Procesamiento y análisis

Lo que se hace actualmente para pronosticar la demanda de energía, según José Fernando, es predecir consumos agregados de usuarios que pertenecen a un mismo mercado de comercialización. Es decir, aquellos que están conectados al mismo operador de red y que pertenecen al mercado regulado (viviendas, por ejemplo) y no regulados (grandes industrias). Las que no, hacen parte de otro. Explica que así se hace para determinar el consumo del país completo.

“Lo que se quiso hacer con el trabajo que realicé fue detectar cambios de comportamientos de consumo que pueden existir en los usuarios”, dice. Aplicó una técnica de agrupamiento denominada K-means, que es un algoritmo de Aprendizaje automático (Machine Learning).

“Entonces, en vez de pronosticar, por ejemplo, una serie de consumo para el mercado de comercialización de Antioquia, con esta metodología se generan grupos que representan los diferentes patrones de consumo y se combinan los resultados para obtener el pronóstico para toda una región. Es la diferencia principal”, añade.

Adicionalmente, la metodología tiene en cuenta 4 tipos de días: comerciales, sábados, domingos y festivos, dado que cada uno tiene un patrón de comportamiento diferente. Asimismo, es un modelo híbrido, pues “antes de aplicar un algoritmo de pronóstico se utiliza una técnica de agrupamiento”, explica.

El método propuesto se comparó con el del CND, que usa múltiples modelos de pronósticos. Luego del estudio, destaca José Fernando, obtuvo un 50% de reducción de diferentes métricas de error con respecto a los del ente planea para supervisar y controlar la operación de recursos de generación y transmisión del SIN.

La investigación, expone, es importante porque es necesario conocer la demanda de energía para realizar la programación de la operación. Con el estudio, José Fernando contribuye en la vida real desde su ejercicio profesional, aunque su gusto por los circuitos y la curiosidad por ellos y por cómo se construían comenzó cuando era un niño y jugaba videojuegos.

(FIN/KGG)

2 de noviembre de 2021