Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas
RESUMEN: Se realizó la predicción del precio de energía de bolsa promedio mensual en el mercado eléctrico colombiano por medio de un modelo de redes neuronales no-lineal autorregresivo. Considerando como entradas exógenas: la demanda, la relación entre generación hidráulica-térmica, la probabilidad...
- Autores:
-
Agudelo Montoya, Adriana Patricia
López Lezama, Jesús María
Velilla Hernández, Esteban
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2015
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/25351
- Acceso en línea:
- http://hdl.handle.net/10495/25351
- Palabra clave:
- Redes neurales (computadores)
Neural networks (Computer science)
Análisis de series de tiempo
Time-series analysis
Bolsa de energía
Generación de electricidad
Mercado eléctrico
Fenómeno del Niño
- Rights
- openAccess
- License
- Derechos reservados - Está prohibida la reproducción parcial o total de esta publicación
| id |
UDEA2_364f5bc7fcb64cca325d05b68ca1edfb |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/25351 |
| network_acronym_str |
UDEA2 |
| network_name_str |
Repositorio UdeA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas |
| dc.title.translated.spa.fl_str_mv |
Forecasting electricity stock price by means of a nonlinear autoregressive neural model with exogenous inputs |
| title |
Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas |
| spellingShingle |
Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas Redes neurales (computadores) Neural networks (Computer science) Análisis de series de tiempo Time-series analysis Bolsa de energía Generación de electricidad Mercado eléctrico Fenómeno del Niño |
| title_short |
Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas |
| title_full |
Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas |
| title_fullStr |
Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas |
| title_full_unstemmed |
Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas |
| title_sort |
Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenas |
| dc.creator.fl_str_mv |
Agudelo Montoya, Adriana Patricia López Lezama, Jesús María Velilla Hernández, Esteban |
| dc.contributor.author.none.fl_str_mv |
Agudelo Montoya, Adriana Patricia López Lezama, Jesús María Velilla Hernández, Esteban |
| dc.contributor.researchgroup.spa.fl_str_mv |
Grupo de Manejo Eficiente de la Energía (GIMEL) |
| dc.subject.lemb.none.fl_str_mv |
Redes neurales (computadores) Neural networks (Computer science) Análisis de series de tiempo Time-series analysis |
| topic |
Redes neurales (computadores) Neural networks (Computer science) Análisis de series de tiempo Time-series analysis Bolsa de energía Generación de electricidad Mercado eléctrico Fenómeno del Niño |
| dc.subject.proposal.spa.fl_str_mv |
Bolsa de energía Generación de electricidad Mercado eléctrico Fenómeno del Niño |
| description |
RESUMEN: Se realizó la predicción del precio de energía de bolsa promedio mensual en el mercado eléctrico colombiano por medio de un modelo de redes neuronales no-lineal autorregresivo. Considerando como entradas exógenas: la demanda, la relación entre generación hidráulica-térmica, la probabilidad del Fenómeno de El Niño y el volumen útil diario energía; y como variable autorregresiva el precio de bolsa promedio mensual. Para el entrenamiento, validación y pruebas se analizaron datos entre enero de 2003 y marzo de 2014. Adicionalmente, la efectividad del modelo fue probada con datos entre abril de 2014 y febrero de 2015. Se observó que al incorporar la historia del precio y variables dependientes de condiciones hidrológicas como el Fenómeno del Niño en el modelo, se puede reproducir adecuadamente la dinámica del precio de la energía en Colombia, incluso en meses posteriores al periodo de tiempo considerado. |
| publishDate |
2015 |
| dc.date.issued.none.fl_str_mv |
2015 |
| dc.date.accessioned.none.fl_str_mv |
2022-01-18T19:46:26Z |
| dc.date.available.none.fl_str_mv |
2022-01-18T19:46:26Z |
| dc.type.spa.fl_str_mv |
Artículo de investigación |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/ART |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
0716-8756 |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10495/25351 |
| dc.identifier.doi.none.fl_str_mv |
10.4067/S0718-07642015000600012 |
| dc.identifier.eissn.none.fl_str_mv |
0718-0764 |
| identifier_str_mv |
0716-8756 10.4067/S0718-07642015000600012 0718-0764 |
| url |
http://hdl.handle.net/10495/25351 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartofjournalabbrev.spa.fl_str_mv |
Inf. tecnol. |
| dc.relation.citationendpage.spa.fl_str_mv |
108 |
| dc.relation.citationissue.spa.fl_str_mv |
6 |
| dc.relation.citationstartpage.spa.fl_str_mv |
99 |
| dc.relation.citationvolume.spa.fl_str_mv |
26 |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Información Tecnológica |
| dc.rights.uri.spa.fl_str_mv |
Derechos reservados - Está prohibida la reproducción parcial o total de esta publicación |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Derechos reservados - Está prohibida la reproducción parcial o total de esta publicación http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
10 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Centro de Información Tecnológica |
| dc.publisher.place.spa.fl_str_mv |
La Serena, Chile |
| institution |
Universidad de Antioquia |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.udea.edu.co/bitstreams/f184e21f-1ea6-4dab-be6e-a4b37d30eabc/download https://bibliotecadigital.udea.edu.co/bitstreams/32df03bc-6fc8-4bce-86d9-9ff2ba9dc03e/download https://bibliotecadigital.udea.edu.co/bitstreams/abbed8a9-70c2-41d3-b3c3-726cddcd2ef4/download https://bibliotecadigital.udea.edu.co/bitstreams/f0c1c768-a875-4c50-99b2-b674ec5b3069/download |
| bitstream.checksum.fl_str_mv |
e88923009d9532d19fc16eb688bd364c 8a4605be74aa9ea9d79846c1fba20a33 7ab78434f59bfa46269c5569227a93ef 35c8caf746fb48d89cfbe38012cb534f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad de Antioquia |
| repository.mail.fl_str_mv |
aplicacionbibliotecadigitalbiblioteca@udea.edu.co |
| _version_ |
1851052393919152128 |
| spelling |
Agudelo Montoya, Adriana PatriciaLópez Lezama, Jesús MaríaVelilla Hernández, EstebanGrupo de Manejo Eficiente de la Energía (GIMEL)2022-01-18T19:46:26Z2022-01-18T19:46:26Z20150716-8756http://hdl.handle.net/10495/2535110.4067/S0718-076420150006000120718-0764RESUMEN: Se realizó la predicción del precio de energía de bolsa promedio mensual en el mercado eléctrico colombiano por medio de un modelo de redes neuronales no-lineal autorregresivo. Considerando como entradas exógenas: la demanda, la relación entre generación hidráulica-térmica, la probabilidad del Fenómeno de El Niño y el volumen útil diario energía; y como variable autorregresiva el precio de bolsa promedio mensual. Para el entrenamiento, validación y pruebas se analizaron datos entre enero de 2003 y marzo de 2014. Adicionalmente, la efectividad del modelo fue probada con datos entre abril de 2014 y febrero de 2015. Se observó que al incorporar la historia del precio y variables dependientes de condiciones hidrológicas como el Fenómeno del Niño en el modelo, se puede reproducir adecuadamente la dinámica del precio de la energía en Colombia, incluso en meses posteriores al periodo de tiempo considerado.ABSTRACT: The forecasting of the monthly average stock price of Colombian electricity was carried out by means of a nonlinear autoregressive exogenous model. Such a model considers as exogenous inputs the demand, the ratio between hydraulic and thermal generation, the probability of El Niño phenomenon and the daily available energy volume; and as an autoregressive variable the monthly average stock price. For training, validation and testing, data corresponding to the period January 2003 to March 2014 were considered. Furthermore, the effectiveness of the model was tested with data for the period April 2014 to February 2015.This shows that the incorporation of historic data of prices and variables that depend on hydrologic conditions, such as El Niño phenomenon, allows reproducing the dynamics of Colombia’s energy prices, even for forthcoming periods.COL001047710application/pdfspaCentro de Información TecnológicaLa Serena, ChileDerechos reservados - Está prohibida la reproducción parcial o total de esta publicacióninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no-lineal autorregresivo con entradas exógenasForecasting electricity stock price by means of a nonlinear autoregressive neural model with exogenous inputsArtículo de investigaciónhttp://purl.org/coar/resource_type/c_2df8fbb1https://purl.org/redcol/resource_type/ARThttp://purl.org/coar/version/c_970fb48d4fbd8a85info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionRedes neurales (computadores)Neural networks (Computer science)Análisis de series de tiempoTime-series analysisBolsa de energíaGeneración de electricidadMercado eléctricoFenómeno del NiñoInf. tecnol.10869926Información TecnológicaPublicationORIGINALLopezJesus_2015_PrecioElectricidadBolsa.pdfLopezJesus_2015_PrecioElectricidadBolsa.pdfArtículo de investigaciónapplication/pdf408516https://bibliotecadigital.udea.edu.co/bitstreams/f184e21f-1ea6-4dab-be6e-a4b37d30eabc/downloade88923009d9532d19fc16eb688bd364cMD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstreams/32df03bc-6fc8-4bce-86d9-9ff2ba9dc03e/download8a4605be74aa9ea9d79846c1fba20a33MD52falseAnonymousREADTEXTLopezJesus_2015_PrecioElectricidadBolsa.pdf.txtLopezJesus_2015_PrecioElectricidadBolsa.pdf.txtExtracted texttext/plain31077https://bibliotecadigital.udea.edu.co/bitstreams/abbed8a9-70c2-41d3-b3c3-726cddcd2ef4/download7ab78434f59bfa46269c5569227a93efMD53falseAnonymousREADTHUMBNAILLopezJesus_2015_PrecioElectricidadBolsa.pdf.jpgLopezJesus_2015_PrecioElectricidadBolsa.pdf.jpgGenerated Thumbnailimage/jpeg13454https://bibliotecadigital.udea.edu.co/bitstreams/f0c1c768-a875-4c50-99b2-b674ec5b3069/download35c8caf746fb48d89cfbe38012cb534fMD54falseAnonymousREAD10495/25351oai:bibliotecadigital.udea.edu.co:10495/253512025-03-26 21:36:34.703Derechos reservados - Está prohibida la reproducción parcial o total de esta publicaciónopen.accesshttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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 |