Proyección de la demanda eléctrica de EMELSUCUMBÍOS basada en una metodología estandarizada y diferentes softwares de pronósticos
La falta de una herramienta técnica y el alto porcentaje de incertidumbre en las proyecciones de demanda, conlleva a desaciertos en los reportes emitidos a los diferentes Organismos de Control. Por lo indicado, es necesaria una metodología con un tratamiento fácil y técnico. En el capítulo 1 se pres...
محفوظ في:
| المؤلف الرئيسي: | |
|---|---|
| التنسيق: | bachelorThesis |
| اللغة: | spa |
| منشور في: |
2009
|
| الموضوعات: | |
| الوصول للمادة أونلاين: | http://bibdigital.epn.edu.ec/handle/15000/1104 |
| الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
| الملخص: | La falta de una herramienta técnica y el alto porcentaje de incertidumbre en las proyecciones de demanda, conlleva a desaciertos en los reportes emitidos a los diferentes Organismos de Control. Por lo indicado, es necesaria una metodología con un tratamiento fácil y técnico. En el capítulo 1 se presenta los objetivos, antecedentes y las justificaciones del proyecto, tomando en cuenta el interés en la planeación de las actividades futuras a corto plazo. En el capítulo 2 se analiza la situación actual por la que atraviesa EMELSUCUMBÍOS en cada una de sus etapas funcionales, detallando las características y parámetros principales empleados en la metodología aplicada actualmente en la proyección de las demandas. En el capítulo 3 se realiza una descripción de los modelos clásicos que emplean un proceso de observación, análisis y estudio de pasos previos para determinar parámetros de tendencia, suavización y de descomposición, con lo cual es posible extrapolar el pasado hacia el futuro. En el capítulo 4 se aplica los modelos modernos o AR.I.MA, basados en iteraciones que permiten obtener el mejor modelo a partir de un patrón de tipo general, y a demás tienen la virtud de encontrar situaciones numéricas futuras que no tengan antecedentes ni relación con el pasado. En el capítulo 5 se realiza el pronóstico de los últimos siete valores de la serie, seleccionando el modelo óptimo que menor porcentaje de error presente con relación a los datos estadísticos, posteriormente se aplica el modelo y se procede a pronosticar el periodo deseado (con un límite de dos meses). |
|---|