ANALISIS: MODELOS DE PREDICCIÓN DE CAUDALES MENSUALES PARA EL SECTOR ELÉCTRICO COLOMBIANO

ANALISIS: MODELOS DE PREDICCIÓN DE CAUDALES MENSUALES PARA EL SECTOR ELÉCTRICO COLOMBIANO

AUTORES: Ricardo A. Smith, Jaime Ignacio Vélez, Juan David Velásquez, Adrián Ceballos, Paula Lizet Correa, Catalina Góez, Olver Olfrey Hernández, Luis Fernando Salazar y Elizabeth Catalina Zapata

Universidad Nacional de Colombia, Sede Medellín

POR: NAVD, 2016. Colombia

El presente artículo básicamente describe la aplicación de algunos modelos de tipo matemático-estadístico con cinco metodologías para la predicción de caudales medios mensuales en Colombia: Redes Neuronales Artificiales, Redes Adaptativas Neuro-Difusas, Análisis Espectral Singular, Modelo Estructural y Modelo Físico en distintas estaciones limnimétricas las cuales forman parte del Sistema de Generación de Energía Eléctrica de Colombia, estos a su vez, se proyectaron para ventanas de predicción, que en mi caso los llamaría periodos de retorno de uno, tres, seis y doce meses. El apoyo de herramientas computacionales desarrolladas por los autores, con el software se relacionó las variables macro climáticas predichas y comparar los modelos con base a los errores de estos.

Induce principalmente a conceptos de caudales en ríos de Colombia los cuales ocurren en un extenso rango de escalas espacio-temporales, la formación de estos caudales son respuesta al forzamiento atmosférico de gran escala los cuales se encuentran algunos como migración de latitudinal de la ZCIT^[1], interacción suelo-atmósfera, humedad de vientos alisios que provienen del Este (Poveda y Mesa, 2000); así como también de escala interanual como el fenómeno El Niño/Oscilación del Sur, mediante sus dos etapas: El Niño (Cálida) y La Niña (Fría) (Smith et al., 2004). Por lo tanto, se tuvieron en cuenta en la predicción dependiendo del año analizado. Esto sirve para la toma de decisiones, ya que los caudales medios mensuales son importantes para el Mercado Mayorista de Energía en Colombia y uso de esta. Una de la aplicaciones conlleva a valorar los beneficios económicos de las predicciones hidrológicas en la operación del Sistema Eléctrico Nacional Colombiano (Mesa et a., 2001; Poveda et al., 2002).

Los modelos de predicción utilizados mencionados con anterioridad los describo a continuación según lo planteado en el artículo por los autores:

• RNA (Redes Neuronales Artificiales): Este puede representar relaciones no lineales entre las variables independientes y la variable dependiente (Smith et al., 2004), estas neuronas se conectan de forma que la salida de una neurona sirven como entrada en otras neuronas que retornan una o varias señales (Masters, 1993; Eberhart y Dobbins, 1990). Estas neuronas son descritas por umbrales internos o por tipos de Función de Activación.

La FA^[2] usada se ilustra en una ecuación para predecir los caudales de los ríos colombianos, y se basó en un perceptrón multicapa de propagación hacia delante (Eppler, 1996; Ultsh et al., 1995) formado por 3 capas de neuronas. Estas tres las describiré a continuación:

1. Capa de entrada de la RNA^[3]: Son los caudales rezagados y variables macro climáticas (Temperatura por regiones).
2. Capa Oculta: La cual contiene neuronas que relaciona la capa de entrada con la de salida, está formada por un algoritmo de enteramiento basado por una técnica hibrido entre estrategias de evolución y mínimos cuadrados.
3. Capa de salida: Son los caudales predichos en los distintos momentos.

• ANFIS^[4] es un tipo de RNA3 que contiene un sistema de inferencia difuso para su razonamiento (Smith et al., 2004), tiene cinco capas (Jang, 1993), En Colombia ellos consideraron una variables de entrada en el antecedente, dividida por dos o tres conjuntos difusos. Para los modelos que seleccionaron como mejores solo usaban los caudales rezagados.

• Análisis Espectral Singular es un tipo de metodología que se basa en aplicar distintas formas de Análisis de Componentes Principales (ACP) en el dominio del tiempo y el espacio (Preisendorfer, 1988), el cual es aplicado para reducir la información a p componentes principales, con la varianza del proceso (Smith et al., 2004) y esta descomposición se aplica tanto para caudales como para las variables macro climáticas y posteriormente realizaron una ajuste de regresión lineal múltiple entre los componentes principales, se sumaron los componentes predichos y obtuvieron caudales.

• Modelo Estructural de series de tiempo, con estos modelos, es posible que cada uno de los componentes posea una naturaleza estocástica y encontraron que al aplicar este modelo es necesario usar los componentes de tendencia constante (Smith et al., 2004). Representaron la componente cíclica mediante armónicos, con las frecuencias obtenidas mediante el análisis del espectro de Fourier y coeficientes calculados con mínimos cuadrados.

• Modelo Físico que propusieron, por medio, de un sistema de tanque interconectados entre sí, con los procesos que determinaron la escorrentía superficial, está representada por ecuaciones de conservación de masa y/ conservación de la cantidad de movimientos y otras empíricas (Smith et al., 2004).

En el desarrollo del modelo de precipitación realizado por los autores comprende: 1. Predicción de precipitación mensuales (Análisis Espectral Singular) y la desagregación a nivel diario de los datos mensuales predichos (Modelo de simulación estocástico diario planteado por Richardson (1981) y refinado por mas autores (Katz, 11996; Parlange y Katz, 2000). Este asume que la ocurrencia de precipitación sigue una cadena de Markov de primer orden con dos estados estables de probabilidades de transición P01, con la probabilidad de que un día húmedo siga un día seco, y P11, con la probabilidad de que un día húmedo siga un día húmedo. Las probabilidades de transición  de un día húmedo son obtenidas mediante la ecuación de Katz (1996),  y luego aplican función de distribución de probabilidades.

...