Pronóstico de la demanda de calor según la metodología de Box-Jenkins para una localidad específica

Informe

Nombres Alumnos: Alexander Capdeville Olivares, Andrea Faría Villalobos, Jocelin Ponce Gonzalez, Melanie Morales Miranda.

Título: Pronóstico de la demanda de calor según la metodología de Box-Jenkins para una localidad específica.

Autor: BRONISLAV CHRAMCOV.                        

Revista: LATEST TRENDS on SYSTEMS (Volume I).

Resumen: Con el fin de mejorar el nivel de control de los sistemas de calefacción urbana, es necesario que las empresas de energía deban tener rutinas de optimización fiables implementados. Sin embargo, antes de tener un plan de producción de calor, primero se necesita determinar la demanda de calor. El pronóstico de la demanda de calor es importante para el corto y largo plazo en la planificación de la producción de calor. Este pronóstico es importante para un estudio técnico y económico. En este artículo se propone el modelo de previsión de la demanda de calor para una localidad específica basado en la metodología de Box-Jenkins. El modelo se basa en la suposición de que el curso de Demanda de Calor (DDHD) se puede describir suficientemente bien como una función de la temperatura exterior y el componente independiente del clima, la hora del día afecta a los componentes sociales. La dependencia del tiempo refleja la existencia de un patrón de demanda de calor diaria, que puede variar para los diferentes días de la semana y estaciones. El pronóstico del componente social se realiza por medio de la metodología de Box-Jenkins.

Objetivos del artículo: Objetivo General: Predecir por medio de la implementación de modelos de series de tiempo el comportamiento futuro de los procesos tecnológicos para lograr un control eficiente de las fuentes y las unidades de producción de un sistema de calefacción.

Objetivo específico: Derivar una expresión explícita para la parte dependiente de la temperatura de la carga de calor.

Breve descripción del artículo: Este artículo describe la problemática que existe entre la producción y la demanda de calor, ya que se busca disminuir los costos operativos involucrados en la producción de calor con la finalidad de tener un control eficiente de la operación de las fuentes de producción y las unidades de producción. En esta investigación se utilizó la metodología Box – Jenkins ya que este actualiza cada periodo de muestreo, y ofrece una imagen real del componente de tendencia.  Este estudio se realizó con datos reales de la localidad de Komořany, República Checa en enero del año 2009, con la colaboración de la empresa MST, Olomouc, Otrokovice, United Energy y Most Komorany que son algunas plantas de energía y calefacción del país. Logrando obtener como uno de los resultados que la peor predicción se logró los fines de semana, también ofrece resultados con la forma cúbica para describir que en temperaturas externas muy altas (25° o más) o temperaturas externas muy bajas (28° o menos), la carga de temperatura interna será casi la misma.

Principales resultados: Para la creación del algoritmo de predicción con la inclusión de temperatura exterior, se establecieron 4 fórmulas, de las cuales la primera describe el comportamiento del valor de corrección del consumo de calor en el tiempo t considerando la temperatura exterior, la segunda considera la parte dependiente de la temperatura exterior por segmentos (se dividió en 5 segmentos), la tercera define la serie de tiempo en el modelo predictivo, y en la cuarta se filtraron los valores predichos para la inclusión de la influencia de temperatura utilizando una predicción de temperatura (Weather forecast).
 La efectividad del modelo de pronóstico propuesto se demostró mediante una comparación de los datos de la demanda de calor real con los valores pronosticados a corto plazo (24 y 12 horas).

A partir de los resultados, se puede observar que existe aproximadamente un 6% de Error cuadrático medio (RMSE) esto significa que existe un error del 6% entre lo predicho y lo realmente observado u obtenido, además se obtuvo un valor medio de Error porcentual absoluto medio (MAPE) de 5% aproximadamente, esto significa que existe un 5% de error.

 Otro resultado muestra que la peor predicción se logró en los días de fin de semana, esto se puede ver reflejado ya que en los días de semana las personas tienen una rutina designada y es más fácil controlar el nivel de consumo de calefacción, en cambio los fines de semana las personas no tienen una rutina, por lo que es más difícil controlar el nivel de consumo de la calefacción.

El pronóstico de la demanda de calor juega un papel importante en la operación y planificación del sistema eléctrico. La predicción precisa de la demanda de calor ahorra costos al mejorar el despacho de carga económica, el compromiso de la unidad, etc. El modelo descrito debería ser útil para el control en el Sistema de suministro de calor centralizado (CHSS), especialmente para el método de control cualitativo-cuantitativo de la salida de calor de las tuberías de agua caliente. Valoración propia del artículo (puede compararse con otros trabajos): Luego de analizar el artículo como grupo, nos dimos cuenta que es una buena investigación ya que se utilizó la metodología de Box - Jenkins la cual tiene una buena reputación pues logra muy buenos resultados en la práctica, gracias a esto, se pudo obtener una predicción acertada la cual coincidió con los datos reales luego obtenidos. También es un tema relevante ya que al haber una buena predicción de demanda de calor se pueden optimizar los costos asociados tanto para la empresa y consumidores. Cabe señalar que al optimizar la producción de calor también disminuyen los niveles de contaminación, por lo que en su totalidad es una investigación que puede ser de utilidad para futuras nuevas investigaciones con respecto a la producción de calor. Esta metodología resuelve el problema que existió en los países bajos (Holanda), texto de “SMART THERMAL GRIDS – A REVIEW” por  CRISTINA STĂNIŞTEANU, ya que este país no tenía una metodología para determinar cuánto iba a ser la demanda de consumo de calefacción para el futuro, por lo que siempre tenían la misma oferta de calor, y la demanda de calefacción era muy inferior a lo que producían, por lo que si hubieran tenido esta metodología hubieran podido pronosticar cuánto sería la demanda de consumo de calefacción a futuro, y así poder programar los costos, presupuestos y hacer más eficiente los procesos de entrega de calor.

...