El documento presenta un análisis de regresiones lineales y promedios móviles para predecir la demanda eléctrica. Se realizaron varias regresiones lineales simples y múltiples usando datos de demanda de 2018 y 2020 como variables como día laboral y temperatura. Las regresiones lineales simples usando solo la variable día laboral mostraron los mejores resultados. También se calcularon promedios móviles usando los últimos y primeros días de 2016 para predecir la demanda de la primera semana de 2017, variando el tamaño de la
0 calificaciones0% encontró este documento útil (0 votos)
18 vistas7 páginas
El documento presenta un análisis de regresiones lineales y promedios móviles para predecir la demanda eléctrica. Se realizaron varias regresiones lineales simples y múltiples usando datos de demanda de 2018 y 2020 como variables como día laboral y temperatura. Las regresiones lineales simples usando solo la variable día laboral mostraron los mejores resultados. También se calcularon promedios móviles usando los últimos y primeros días de 2016 para predecir la demanda de la primera semana de 2017, variando el tamaño de la
El documento presenta un análisis de regresiones lineales y promedios móviles para predecir la demanda eléctrica. Se realizaron varias regresiones lineales simples y múltiples usando datos de demanda de 2018 y 2020 como variables como día laboral y temperatura. Las regresiones lineales simples usando solo la variable día laboral mostraron los mejores resultados. También se calcularon promedios móviles usando los últimos y primeros días de 2016 para predecir la demanda de la primera semana de 2017, variando el tamaño de la
El documento presenta un análisis de regresiones lineales y promedios móviles para predecir la demanda eléctrica. Se realizaron varias regresiones lineales simples y múltiples usando datos de demanda de 2018 y 2020 como variables como día laboral y temperatura. Las regresiones lineales simples usando solo la variable día laboral mostraron los mejores resultados. También se calcularon promedios móviles usando los últimos y primeros días de 2016 para predecir la demanda de la primera semana de 2017, variando el tamaño de la
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 7
1 DE DICIEMBRE DE 2022
REGRESIONES Y PROMEDIOS MÓVILES
ACTIVIDAD 1B SISTEMA ELÉCTRICO
Facundo Scozzina 1 – Leyenda Excel
En este apartado se explicará el significado de cada pestaña del libro Excel que se adjunta como anexo en esta actividad para que el lector pueda seguir al detalle el trabajo realizado. A continuación, se enumerarán las pestañas de izquierda a derecha según se encuentran en el archivo y se brindará una breve explicación sobre ella.
- Marzo 2018: Datos de la demanda de la primera semana de marzo de 2018 por
horas. - Marzo 2020: Datos de la demanda de la primera semana de marzo de 2020 por horas. - Regresiones: Hoja de cálculo utilizada para llevar a cabo las regresiones. - 2018-L: Regresión lineal simple de 2018 utilizando como variable “laborable”. - 2018-D-L: Regresión lineal múltiple de 2018 utilizando como variables “día de la semana” y “laborable”. - 2018-D-F-TM: Regresión lineal múltiple de 2018 utilizando como variables “día de la semana”, “finde” y “Temperatura máxima”. - 2018-L-TM-Tm: Regresión lineal múltiple de 2018 utilizando como variables “laborable”, “temperatura máxima” y “temperatura mínima”. - 2020-L: Regresión lineal simple de 2020 utilizando como variable “laborable”. - 2020-D-L: Regresión lineal múltiple de 2020 utilizando como variables “día de la semana” y “laborable”. - 2020-D-F-TM: Regresión lineal múltiple de 2020 utilizando como variables “día de la semana”, “finde” y “Temperatura máxima”. - 2020-L-TM-Tm: Regresión lineal múltiple de 2020 utilizando como variables “laborable”, “temperatura máxima” y “temperatura mínima”. - Comparación Regresiones: Hoja en la que se agrupan los resultados de las regresiones de 2018 y 2020 para compararlos mediante una tabla. - 2016 Por Meses: Hoja donde se ha calculado la demanda de 2016 por día para todos los meses del año. - Promedio Móvil Final Año: Hoja de cálculo de los promedios móviles utilizando para el cálculo de los promedios los últimos días del año 2016. - Promedio Móvil Inicio Año: Hoja de cálculo de los promedios móviles utilizando para el cálculo de los promedios los primeros días del año 2016.
1 2 – Regresiones
Para el cálculo de las regresiones se han tenido en cuenta una serie de variables:
- Día de la semana (orden numérico)
- Día concreto de la semana (lunes, martes, etc.) - Laborable - Fin de semana - Temperatura máxima - Temperatura mínima
Se llevaron a cabo varias pruebas haciendo uso de combinaciones de las variables
mencionadas anteriormente para llegar al mejor resultado posible, siendo este el que cumpla con los criterios de aceptación, a saber:
- Coeficiente de determinación R2 → este valor debe ser mayor o igual a 0,8
- Valor crítico de F → este valor debe situarse por debajo de 0,05 - Probabilidad → tanto para la intercepción como para las variables, debe estar por debajo de 0,05
Una vez obtenidos estos resultados, evaluamos los criterios de validación:
- Desviación media absoluta (DMA)
- Error medio cuadrático (EMC)
En ambos criterios lo que buscamos es que estén lo más cercano a 0 posible.
2.1 – Regresión marzo 2018
Marzo 2018 Regresión simple lineal 1000,00 y = 112,82x + 725,99
Después de varias pruebas la opción de optar por una regresión simple lineal con la variable “laborable” fue la que mejores resultados proporcionó. Si bien las regresiones simples múltiples presentaban buenos valores de R2 y F, los valores de P para algunas variables eran demasiado elevados.
2 2.2 – Regresión marzo 2020
Marzo 2020 Regresión simple lineal 840,00 y = 86,268x + 704,44 820,00 800,00 Y Demanda
780,00 760,00 740,00 Pronóstico para Y 720,00 700,00 Lineal (Pronóstico para 680,00 Y) 0 0,5 1 1,5 Laborable
Al igual que ocurrió con el año 2018, la regresión que mejor cumplía con los criterios de aceptación fue la simple lineal utilizando la variable “laborable”. Siendo nuevamente descartadas las regresiones simples múltiples debido a valores altos en F de algunas variables.
2.3 – Comparación regresiones 2018 y 2020
2018 2020 Coeficiente de determinación R^2 0,718358286 0,818430236 Valor crítico de F 0,016024312 0,005116408 1,25905E-06 9,30109E-08 Probabilidad 0,016024312 0,005116408 DMA 3,80 0,65 EMC 1018,52 336,95
En la tabla superior podemos observar una comparativa de los valores de los criterios de aceptación y validación. Si bien el valor de R2 para el año 2018 está por debajo del objetivo (0,8) el resto de valores si se encuentran por debajo de los parámetros deseados. En cuanto a los errores podemos ver como la Desviación Media Absoluta está próxima a cero, sobretodo en el año 2020, lo que demuestra que la previsión es buena. Como se ha mencionado anteriormente, de todas las regresiones realizadas, las múltiples fueron descartadas debido a valores altos en F, datos que se pueden consultar en el Libro Excel que se adjunta junto con esta presentación.
3 3 – Promedios móviles
Otro método de cálculo de las previsiones de demanda son los promedios móviles. En este caso utilizaremos este método para calcular la demanda de la primera semana del año 2017. Para ello haremos uso de una base de datos que corresponde con la demanda del año 2016.
Se han contemplado dos casos diferentes para luego realizar su comparación. El primero de ellos utiliza los últimos días del año 2016 para realizar los cálculos y el segundo método utiliza los primeros días del año 2016. En ambos casos se ha variado el tamaño de la muestra para realizar el promedio, siendo un total de 5 muestras de 2, 3, 5, 7 y 30 días cada una de ellas.
3.1 – Promedio Móvil Final de Año
M. 2 días M. 3 días M. 5 días M. 7 días M. 30 días
En esta tabla podemos observar los resultados de los promedios móviles calculados para la primera semana del año 2017 utilizando diferentes muestras para el cálculo del promedio.
M. 2 días M. 3 días M. 5 días M. 7 días M. 30 días
Muestras: últimos días del año Promedio 679,14 680,62 687,67 700,67 735,01 Diferencia Diferencia Diferencia Diferencia Diferencia Última semana del año 679,60 0,46 -1,02 -8,07 -21,07 -55,41 Último mes 725,65 46,51 45,03 37,98 24,98 -9,36 Anual 729,32 50,18 48,71 41,66 28,66 -5,69 Primera semana del año 699,37 20,23 18,75 11,70 -1,30 -35,64 Primer mes del año 759,21 80,07 78,59 71,55 58,55 24,20
Calculando 5 promedios a lo largo del año, para la última semana del año, el último mes, un promedio anual, para la primera semana del año y para el primer mes del año se han comparado con los resultados obtenidos para la primera semana del año 2017 haciendo una resta de promedios. Podemos observar como hay promedios que se aproximan muy bien a la demanda real, como es el caso de la última semana del año utilizando muestras de 2 y 3 días para el cálculo del promedio. También existe una aproximación muy buena para la muestra de 7 días si comparamos el promedio calculado con el que se obtuvo de la primera semana del año 2016.
4 3.2 – Promedio Móvil Inicio de Año
M. 2 días M. 3 días M. 5 días M. 7 días M. 30 días
De la misma manera que se actuó para los últimos días del año 2016 se han calculado estos promedios, esta vez, utilizando para las diferentes muestras, los primeros días del año 2016. Como resultado general se observa un promedio mayor en los 5 cálculos. Más adelante se compararán los dos métodos utilizados mediante el error medio absoluto.
M. 2 días M. 3 días M. 5 días M. 7 días M. 30 días
Muestras: últimos días del Promedio 768,69 772,51 778,83 783,36 768,05 año Diferencia Diferencia Diferencia Diferencia Diferencia Última semana del año 679,60 -89,09 -92,92 -99,23 -103,76 -88,45 Último mes 725,65 -43,04 -46,86 -53,18 -57,71 -42,40 Anual 729,32 -39,37 -43,19 -49,51 -54,03 -38,73 Primera semana del año 699,37 -69,32 -73,14 -79,46 -83,98 -68,68 Primer mes del año 759,21 -9,48 -13,30 -19,62 -24,14 -8,84
En este caso vemos que las diferencias que hay entre los diferentes promedios de demandas reales y los promedios calculados para la primera semana del año 2017 son mucho mayores que las obtenidas para el método utilizado con los últimos días del año. Podemos observar como la menor diferencia ocurre para una muestra de 30 días si se compara con el primer mes del año 2016 aunque es un valor unas ocho veces mayor que los observados en el apartado 3.1
5 3.3 – Comparativa de métodos
Por último, compararemos los dos métodos utilizados para el cálculo de los promedios haciendo uso del error medio absoluto.
Últimos Primeros días días EMA EMA Muestra de 2 días 53,61 58,72 Muestra de 3 días 60,54 56,49 Muestra de 5 días 64,14 59,40 Muestra de 7 días 61,14 61,29 Muestra de 30 días 57,02 56,54
Queda patente como el EMA más bajo se da para el método de cálculo basado en los últimos días del año 2016 y para una muestra de 2 días, un resultado que apoya lo descrito en el apartado 3.1.
A raíz de todos los resultados anteriormente expuestos, se llega a la conclusión que el mejor método para calcular el promedio de la demanda de la primera semana del año 2017 ha sido utilizar una muestra de 2 días con los últimos días del año 2016. Su error absoluto medio y su diferencia en promedio con la última semana del año 2016 han sido los más bajos y por lo tanto su aproximación se considera mejor que el resto.
