F. J. Cara Cañas, E. Caro Huertas, J. Juan Ruíz
La predicción de la demanda eléctrica puede llevarse a cabo mediante un modelo de regresión debido a la gran influencia que tienen variables como la temperatura o las características del día predicho (día de la semana, festivo, ...). Sin embargo, los errores obtenidos con este modelo están correlacionados a causa de la naturaleza dinámica de los datos. En la literatura especializada es usual considerar entonces modelos ARIMA para modelar dichos errores, lo que se conoce como modelos reg-ARIMA. Estos modelos, aunque son sencillos en su formulación, presentan el inconveniente de que son difíciles de estimar y, en general, es necesario utilizar algoritmos iterativos que consumen grades recursos de computación y de tiempo, y que además están sujetos a problemas de mínimos locales. En este trabajo se propone utilizar un modelo dinámico lineal para los errores de la regresión, y un un algoritmo no iterativo para estimar dicho modelo.
Palabras clave: Series Temporales, Demanda de electricidad, Predicción, modelos dinamos lineales, filtro de Kalman
Programado
M10.4 Series Temporales II
6 de septiembre de 2016 17:00
Aula 21.07
