Desarrollo de un método estadístico de previsión de demandas domésticas

El objetivo de este Trabajo Fin de Máster es desarrollar el método estadístico que mejor combine precisión, sencillez, rapidez de ejecución, poca necesidad de información y robustez para la previsión de demandas domésticas a partir de los métodos existentes en la bibliografía. Es muy importante alcanzar una buena combinación de los factores mencionados ya que el método elegido se implementará en un demostrador real como se verá más adelante. Métodos muy precisos pero lentos o poco robustos no serían útiles para esta aplicación. Ante la disyuntiva de que método estadístico es el más conveniente para la determinación de previsión de cargas, se realiza este estudio con el cual se plantea un método para la previsión, así como establecer lo positivo que es el conocimiento anticipado de la demanda energética. El primer beneficio proporcionado por la previsión de demandas gracias al concepto de Smart Grid consiste en la reducción de la energía a producir por parte de los sistemas de generación de cada país. Esto se debe a que se tendrá un mayor control sobre las necesidades energéticas. Dichas previsiones de demanda pueden ser gestionables, es decir, permiten ser ajustadas a los momentos más convenientes siendo ejemplo de ello dentro de una vivienda, cargas como la lavadora, lavavajillas o secadora. También pueden ser no gestionables, como son el caso de ciertas demandas donde la necesidad marca su momento de uso, aplicando el mismo ejemplo que en el caso anterior, para una vivienda sería el calefactor o microondas. Además, también pueden tratarse de previsiones de demanda individuales, como en el caso de un único “cliente”(demandante de previsión de cargas), o bien colectivas agrupando en ello por ejemplo a un bloque de edificio o una urbanización o pueblo, es decir, un conjunto de demandantes individuales agrupados de forma que sean vistos como una única carga. No obstante, la variedad de “clientes” existentes, ya sean industrias, comercios, hogares, centros comerciales, etc. Hace que cada uno de ellos tenga que ser tratado de forma individual a excepción del caso de las viviendas donde su previsión de carga puede ser más general. En otros ejemplos como comercios o industrias se pueden gestionar en algunos de ellos mediante el arranque escalonado de sus equipos para evitar así picos de potencia excesivos pero no pudiendo ser gestionados a ciertos horarios como en el caso de las viviendas. La orientación de este Trabajo Fin de Máster es tratar de atender la necesidad de determinar el método más adecuado para la previsión de demandas energéticas. Para lo cual, en la primera fase de este trabajo se ha realizado un estudio y análisis bibliográfico de la metodología empleada hasta el momento, aplicándola como punto de partida para la determinación del método más conveniente en la previsión de demandas principalmente en el sector doméstico. Obteniéndose como resultado final tras el estudio realizado que con métodos sencillos pero precisos se hayan unos valores semejantes a los obtenidos con el empleo de métodos más complejos como son el de las redes neuronales, ya que los más simples no se ven influenciados por aspectos externos como el tiempo, la humedad o temperatura