mirage

Prediction techniques based on non-parametric methods. Application to energy series

DSpace/Manakin Repository

Show simple item record

dc.contributor.author Paco Andrade, Kiana Katy
dc.date.accessioned 2017-11-07T08:57:05Z
dc.date.available 2017-11-07T08:57:05Z
dc.date.issued 2017
dc.identifier.isbn 978-84-7993-625-9
dc.identifier.uri http://hdl.handle.net/10334/3841
dc.description 99 páginas. es_ES.UTF-8
dc.description.abstract Trabajo de Máster en Economía, Finanzas y Computación. Director/Tutor: Dr. José Manuel Bravo Caro. The prediction of the electric energy demand is a problem of great importance for the electric industry, considering that, given the results of these predictions, di erent market agents take the most appropriate decisions. This is especially relevant for power companies that generate electric energy, because this way they're able to generate the amount needed in order to supply the market without exposing themselves to overproduction, which supposes a huge saving in economic costs. This paper proposes a method to predict the electric power demand using techniques based on non-parametric regression. An empirical study focusing on the UK electricity market is presented. The main objective of this research is to obtain a solid predictor for the electric power demand that essentially captures the intrinsic particularities of the electric power demand series and serves us to obtain future predictions. The methodology followed in order to obtain said predictor is based in using a training set in order to make and empirical adjustment of the predictor. The adjustment is obtained by selecting the set of hyperparameters that minimize the prediction error. The proposed predictor is validated and compared with others predictors through a validation set. The results support the goodness of the proposal made in this work. es_ES.UTF-8
dc.description.abstract La predicción de la demanda de energía eléctrica es un problema de gran importancia para el sector eléctrico, considerando que, a partir de sus resultados, los agentes del mercado toman las decisiones más adecuadas. Esto es especialmente relevante para las empresas productoras de electricidad, ya que de esta manera son capaces de producir la cantidad necesaria para abastecer al mercado sin incurrir en sobreproducción, lo cual supone un enorme ahorro en costes económicos. Este trabajo propone un método de predicción de la demanda de energía eléctrica utilizando técnicas basadas en regresión no paramétrica. Se presenta un estudio empírico centrado en el mercado eléctrico del Reino Unido. El objetivo principal de esta investigación es el de obtener un predictor sólido de la demanda de energía eléctrica, que capte en esencia las particularidades intrínsecas de las series de demanda de energía eléctrica y nos sirva para obtener predicciones a futuro. La metodología seguida para conseguir dicho predictor se basa en utilizar un conjunto de datos de entrenamiento para realizar un ajuste empírico del predictor. El ajuste se consigue seleccionando el conjunto de hiperparámetros que minimizan el error de predicción. El predictor propuesto se valida y compara con otros predictores mediante un conjunto de datos de validación. Los resultados avalan la bondad de la propuesta realizada en este trabajo.
dc.language.iso en es_ES.UTF-8
dc.publisher Universidad Internacional de Andalucía es_ES.UTF-8
dc.relation.ispartofseries Máster en Economía, Finanzas y Computación es_ES.UTF-8
dc.subject Energía eléctrica es_ES.UTF-8
dc.subject Mercado eléctrico es_ES.UTF-8
dc.subject Modelos de predicción es_ES.UTF-8
dc.subject Regresión no paramétrica es_ES.UTF-8
dc.subject Datos funcionales es_ES.UTF-8
dc.title Prediction techniques based on non-parametric methods. Application to energy series es_ES.UTF-8
dc.type Thesis es_ES.UTF-8


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search