Pronóstico de la demanda eléctrica residencial basado en el modelo de regresión adaptativa mulltivariante spline (MARS)

A problem to be solved much interest in engineering is to determine the behavior of the electricity demand of users over time, because this does not have a linear characteristic and is also subject to a wide variety of exogenous variables, including the prevailing weather conditions, time of year, demographic and economic variables, as well as an inherent randomness in individual use. The prediction of energy demand of consumers has the purpose to improve reliability, make decisions and system planning, among others. The most 6 appropriate method to resolve this issue is not clearly defined, however, this work is carried out a general review of the models and methods commonly employed for prognosis, with emphasis on technical Multivariate Adaptive Regression Splines (MARS) which it is a nonparametric regression model and its main objective is to forecast the values of a dependent variable or outcome of a set of independent or predictor variables. Also take note that you must have sufficient historical information on the daily load curve for statistical and forecasting studies, in order to plan future resources and will be a tool for the implementation of an intelligent network because improve the characteristics of demand management and management tasks in distribution. Applying the model research proposes to define a pattern of residential consumption historical data and extrapolate to future predictions.Un problema que suscita mucho interés a resolver en ingeniería es determinar el comportamiento de la demanda de energía eléctrica de los usuarios a través del tiempo, debido a que esta no tiene una característica lineal y además está sujeta a una amplia variedad de variables exógenas, incluyendo las condiciones prevalecientes del tiempo, temporada del año, variables demográficas y económicas, así como un carácter aleatorio inherente en su uso individual. La predicción de la demanda de energía de los consumidores tiene como propósito mejorar la confiabilidad, tomar decisiones y planificación del sistema, entre otras. El método más adecuado para resolver este problema no está claramente definido, sin embargo, en este trabajo se hace realiza una revisión general de los modelos y métodos comúnmente empleados para su pronóstico, con énfasis en la técnica de Regresión Adaptativa Multivariante Splines (MARS) -por sus siglas en inglés-, que es un modelo de regresión no paramétrica y su principal objetivo es predecir los valores de una variable dependiente o resultado, de un conjunto de variables independientes o predictoras. Además se toma en cuenta que se debe contar con suficiente información histórica de la curva de carga diaria para realizar estudios estadísticos y de predicción, con el fin de planificar recursos y en el futuro sea una herramienta para la implementación de una red inteligente, ya que mejorará las características de administración de la demanda y las tareas de gestión en la distribución. La aplicación del modelo en la investigación propone delimitar un patrón de datos históricos de consumo residencial y extrapolar a predicciones futuras