Predicción de la demanda de energía eléctrica basado en análisis Wavelet y un modelo neuronal auto-regresivo no lineal Nar

En este artículo se presenta una propuesta metodológica para la predicción mensual de energía eléctrica del Sistema Interconectado Nacional (SIN) de Colombia, mediante la transformada discreta de Wavelet y una red neuronal artificial. El modelo propuesto utiliza como punto de partida una base de datos univariada en miles de Gwh por mes, entre Agosto del 1995 y Junio de 2010, disponible en el sistema de Neón (www.xm.com.co). Esta serie es denominada original y consta de 179 muestras. Con el fin de extraer tendencia y estacionalidad de la serie, en la etapa de pre-procesamiento se utilizó la transformada discreta wavelet (DWT). Debido al carácter no lineal que presenta la serie original, se manejó un modelo neuronal autorregresivo no lineal (NAR) y se determinó un vector de las entradas pasadas necesarias para la predicción con el autocorrelograma (relación que tiene el valor actual de la serie original con sus valores pasados) de la serie residual. Los resultados obtenidos fueron contrastados con un modelo estadístico lineal autorregresivo (AR)