Predicción de Precios de Energía Eléctrica usando Redes Neuronales Artificiales

Abstract

En esta tesis se presentan los resultados del uso de algoritmos de entrenamiento, para redes neuronales recurrentes, basados en el filtro de Kalman extendido. Así mismo las redes neuronales recurrentes entrenadas con el algoritmo aquí propuesto, son aplicadas para la predicción de series de tiempo en sistemas eléctricos de potencia, particularmente para la predicción de precios de la energía eléctrica. El uso del Filtro de Kalman en el entrenamiento de redes neuronales se ha incrementado en gran medida; esto debido a los excelentes resultados obtenidos en diversas aplicaciones (Feldkamp, 2001; Haykin, 1999; Puskorius, 1994; S inghal, 1989; Wan, 2001; Zhang, 1999). La investigación en redes neuronales, desde su resurgimiento en la década de los ochenta del siglo pasado ha suscitado un creciente interés, en muy diversas áreas de la ingeniería. Existen muchas clasificaciones para las redes neuronales, por el momento sólo se hará la distinción entre las redes neuronales estáticas y las redes neuronales recurrentes o dinámicas.