Modelo causal del consumo energético residencial para pronosticar la demanda

Pronosticar el consumo eléctrico es necesario en cuanto a planificación y expansión (corto - largo plazo) de los sistemas eléctricos. Existen metodologías aplicadas al pronóstico del consumo eléctrico (manejo de temporales, métodos estadísticos, métodos de regresión, métodos econométricos., métodos de redes neuronales, etc.), los cuales analizan este fenómeno desde perspectiva general. Sin embargo, estudios recientes aplican el concepto de modelos dinámicos DM, para estudiar comportamiento de la demanda bajo determinadas condiciones de causalidad (aleatoriedades, externalidades, etc.). Aunque han sido escasamente estudiados, estos otorgan la posibilidad de crear modelos de simulación capaces de interactuar con variables externas que influyen en el consumo eléctrico (comportamiento dinámico). La investigación, detalla electrodomésticos de uso común, horas de consumo y distribuciones de probabilidad, para simular en VENSIM un modelo dinámico, basado en diagramas causales (esquemas de causa y efecto), para tareas de pronóstico. El modelo podría ser escalado hacia una población de viviendas, con similares características y obtener una estimación aproximada para una población en concreto.Energy consumption forecast is necessary for planning and expansion (short and long term) inside electrical systems. Today, exists a lot of methodologies related to estimate energy consumption (temporal series handling, statistic methods, regression methods, econometric methods, neural network methods, etc.) which them analyze this phenomenon since a general perspective. However, recently researches using dynamic model DM concept, studying demand behavior under specifically causality conditions (random values, externally, etc.). Maybe them have been a little or neither researched, them give the possibility to create simulation models with capable to interact witch external variables which affect the electricity consumption (dynamic behavior). This paper, details typically household devices, consumption hours and probability distribution functions, to simulate over VENSIM a dynamic model, based on casual diagrams (schemes cause and effect), for forecast tasks. The model could be used to compute an approximate estimation for a specific population sample from houses with similar features-conditions