1

Previsin de carga
03 ENERO 2017
 Definiciones en varios periodos de 2

tiempo.
Previsin se refiere a predecir el comportamiento de la carga en el futuro.

Caractersticas de la carga

Parmetros que afectan la carga en varios periodos de tiempo

Previsin de carga a corto plazo (STLF).
Previsin de carga a mediano plazo (MTLF)
Previsin de carga espacial.
Previsin de carga a largo plazo (LTLF).
Curva de carga de una subestacin 3

The daily load of a distribution substation

Para propsitos de planificacin, vamos a predecir

las variaciones de carga para los aos siguientes (10
aos o mas), no nos preocuparemos de variaciones
diarias. Si, en cambio, los picos de verano e invierno
de los aos por venir. Esto es para una prediccin de
10 aos, solo 20 datos sern necesarios.

A typical seasonal peak load curve

 Parmetros que afectan las cargas. 4

Factores temporales, tales como

Hora del da (da o noche)
Da de la semana (da laborable o fin de semana)
Tiempo del ao (temporada)
Condiciones del clima (temperatura y humedad)
Clase de clientes (residencial, comercial, industrial, agrcola, publico, etc.)
Eventos especiales (programas de TV, feriados, etc.)
Poblacin
Indicadores econmicos (ingreso per cpita, Producto Nacional Bruto (GNP), Producto
Interno Bruto(GDP), etc.
Tendencias en el uso de nuevas tecnologas.
Precio de la electricidad.
Los parmetros y su incidencia en 5
los modelos de previsin.

Se debe notar que la planificacin de la expansin futura de un Sistema de potencia incluye

determinar no solo la capacidad, pero adicionalmente la localizacin de los futuros componentes,
esto es, las facilidades de generacin, lneas de transmisin, lneas de sub transmisin, lneas de
distribucin. Esto es, planificar con detalle geogrfico tanto la magnitud como la localizacin
(Previsin espacial de la carga).
Previsin espacial de la carga 6

La previsin espacial de la carga se logra dividiendo el rea de servicio en un nmero

finito de pequeas reas. Inicialmente se realiza la previsin de carga en cada una de
ellas. Estas pequeas reas pueden ser de forma y tamao irregular, y corresponden a
reas asignadas a componentes del sistema como subestaciones o alimentadores. Una
eleccin simple es usar una grilla de celdas cuadradas que cubran el rea de estudio.
Una vez que se realiza la previsin de la carga de cada celda, se prev la carga
elctrica de todo el sistema (o de una rea geogrfica mayor). Un aspecto importante
es que las cargas elctricas de cada celda no necesariamente demandan
simultneamente sus correspondientes picos de potencia. El factor de coincidencia,
definido como la relacin del pico de carga del sistema a la suma de los picos de carga
de las pequeas reas est normalmente en el rango de 0.30.7
Mtodos de previsin de carga a 7
largo plazo (1/3)Anlisis de tendencia
El mtodo usa mtodos de extrapolacin de la tendencia de la
informacin del pasado para predecir la carga en el futuro. Un
Anlisis de tendencia ejemplo simple se muestra en la figura, donde la informacin de
Modelado economtrico los ltimos 10 aos se usa para predecir la informacin del ao
2015 (2,906 MW). Utiliza una aproximacin de ajuste de curva para
Anlisis de usos finales encontrar la carga en un ao objetivo. Sin embargo, asume
implcitamente que las tendencias en las varias cargas
Anlisis combinado. permanecen sin cambio durante el periodo de estudio. Por
ejemplo, si hay un cambio sustancial en el crecimiento
econmico, este mtodo no lo incluye en la previsin. Una
manera de mejorar la previsin es asignar mayores pesos a las
lecturas de los aos mas recientes.
Modelado economtrico
En este mtodo, inicialmente se estima la relacin entre la carga y
los parmetros que la afectan. Esta relacin puede ser no lineal,
lineal; adaptiva o en la forma de una multiplicacin. Esta relacin
esta basada en la disponibilidad de datos histricos. Sin embargo,
algunos de los parmetros tienen efectos dominantes.
Mtodos de previsin de carga a 8
largo plazo (2/3)
Modelado economtrico
Donde i denota el ao y a, b, c y d son los parmetros que deben ser determinados a partir de los datos
histricos.
Una vez que se establece esta relacin, el valor futuro de los parmetros que afectan la carga deben ser
proyectados. Luego, finalmente, el valor de la demanda Di puede ser determinada. Pero, quizs, la mayor
dificultad con este mtodo es que la una relacin establecida usando valores histricos sea aplicable tambin
en el futuro, lo cual lleva a la restriccin de no considerar un nuevo parmetro que afecte la carga en el
futuro.
Anlisis de usos finales
Este tipo de anlisis est mas confinado a cargas residenciales. Por ejemplo, si se considera como uso final un
refrigerador, basado en el numero de hogares y estimando el porcentaje de las que tienen un refrigerador, se
puede determinar el numero de refrigeradores en el futuro. Adicionalmente, considerando el promedio de uso
de energa de un refrigerador, se puede estimar el consumo de energa de todos los refrigeradores. Es evidente,
que el promedio de uso de energa depende de la intensidad en el uso del artefacto, su eficiencia y las
caractersticas de eficiencia trmica de la casa.
El mismo procedimiento puede aplicarse a otro tipo de artefactos con el objeto de predecir el uso total de
energa requerida. Este mtodo requiere tener datos exactos para tener resultados precisos.
Mtodos de previsin de carga a 9
largo plazo (3/3)
Anlisis combinados

Se pueden combinar los mtodos de usos finales y economtricos para predecir la carga. Se
tienen entonces las ventajas y desventajas de ambos mtodos.
Ejemplo: Para una empresa regional se utilizar el anlisis de uso final
El objetivo es predecir el pico de carga y adems la demanda de energa en
esta empresa regional, en un horizonte de 10 aos en incrementos de 1 ao.

El proceso inicia en las sub-areas,

y luego agregando para la
regin.
Se asume conocidos, las
caractersticas de las regiones y
los datos de carga para los
ltimos 10 aos.
Definiciones y conceptos 10
Se asume que cada una de las sub-reas consisten de los tipos siguientes de cargas (i) Urbana, (ii) Rural, (iv) Grandes usuarios
Urbana
La constitucin de las cargas urbanas es (i) Residencial, (ii) Comercial; (iii) Publica; (iv) Pequea escala industrial; (v) Perdidas en el Sistema de
distribucin
Para nuestro ejemplo, se requiere un numero significativo de datos para arribar a predicciones razonables. Note que una carga urbano no esta
concentrada en un lugar especifico de la geografa, mas bien esta distribuida a travs de la geografa del territorio urbano.
Rural
Los tipos de cargas rurales son (i) Residencial; (ii) Agrcola; (iii) Otros (pequea industrial, publico y otros)
La parte residencial puede ser estimada basada en el nmeros y consumo de potencia aproximada de cada casa.
El componente agrcola se determina basado en el numero de posos, su profundidad promedio y el flujo promedio de agua. Por ejemplo, en
una subarea, podemos tener un numero total de 491 de pozos profundos, con una profundidad promedio de 75 metros y un flujo promedio de
25 l/s. Estas valores, para posos semi-profundos cambian a 2735, 36 y 15, respectivamente, en la misma sub-rea. Basados en estos valores, se
puede determinar la carga agrcola de las sub-reas, y de las reas.
Grandes usuarios
Para grandes usuarios, estos no obedecen ninguna regla especifica, en trminos de los pronsticos de cargas y deben ser estimados en base a
comportamientos anteriores.

La carga total del rea se estima que varia

de la siguiente forma. Los detalles en las
siguientes lminas.
 Consideremos la regin E. Esta rea consiste de cuatro sub-reas. Hay dos reas urbanas principales 1 y 2 (UE1 and
UE2). La carga urbana y rural varia como se muestra la tablas.
(a)
(b)
Los resultados de la parte urbana.
Los resultados de la parte agricultura. 11
(c) Los datos de carga rurales.
(d) Los resultados para el rea.

b
a

c
d
Resultados por rea
Resultados de la carga rural

12

Los resultados totales para la regin

Los resultados de la carga agrcola

 Si se define el factor de carga (LF) de acuerdo a:

Basados en datos histricos de factores de carga de la regin y una estimacin para

13
estos valores en los aos por venir, la energa total puede tambin ser prevista. Los
resultados se muestran a continuacin:
 Ejemplo: Para una empresa nacional usando el modelado economtrico.
Suponga ahora que se quiere realizar la previsin de la carga de una empresa de gran escala, compuesta de
empresas regionales. Lo obvio es combinar los resultados obtenidos de las empresas regionales, observar los factores
14
de coincidencia, que permitan generar los resultados de la empresa nacional.
Otro punto de vista es mirar el problema como un todo y predecir el consume total de la empresa nacional, sin tener
que involucrarnos en los detalles regionales.

En primer lugar, vamos a repasar una definicin bsica

La demanda total (TD) es la suma de la demanda suministrada (SD), la restriccin de carga (LC), las operaciones de importacin /
Exportacin (IET), el termino de cada de frecuencia (FD), las cargas interrumpidas (IL), las perdidas del sistema (SL) y la demanda
auxiliar (AD) de las plantas de poder, i.e.

Sin importar el mtodo a usar, debemos chequear por exactitudes. Esto es, digamos que se tienen disponibles datos histricos de los
ltimos 15 aos, podemos usar estos datos para los primeros 10 aos del modelo. Despus de ello, el comportamiento de los datos de
previsin debern chequeados los prximos 5 aos usando datos reales. Luego de ser esto contrastado, pueden ser usados en los
aos por venir.

Se deben considerar varios escenarios. Por ejemplo, un escenario puede ser considerar que la carga es dependiente solo del GDP y la
poblacin. Se pueden intentar otras combinaciones. Adicionalmente, se pueden intentar otros procedimientos de ajustes y otros
modelos. Por ejemplo se pude usar pesos mas altos o usar combinaciones de escenarios previamente generados
Supongamos que los datos de demanda total, GDP y poblacin para los ltimos 31 aos se muestran en la
tabla. El objeto es predecir la carga para el periodo 20112017. Usaremos varias aproximaciones en los cuales
emplearemos los datos histricos de los aos 19802006.
15
Basados en el comportamiento de la prediccin observado para los aos 20072010 (comparando el valor de
prediccin con el valor actual), deseamos seleccionar la mejor aproximacin.

Se van a probar las siguientes aproximaciones:

Usando un programa standard, los parmetros calculados son:

Los resultados para las varias aproximaciones se muestran en la

tabla de la siguiente lamina para los aos 20072017. La carga
actual para los aos 20072010 se muestra tambin. Note que el
GDP y la poblacin a partir del ao 2010 considera un incremento a
una tasa de 3.9 y 1.33%, respectivamente.
Resultados para varias aproximaciones 16
Expresando el comportamiento de la prediccin en trminos del
error, como se muestra en la siguiente ecuacin:

De la tabla, UARMA, MARMA y TCF estn posicionados como

las mejores elecciones en terminas de la prediccin del
comportamiento.