SciELO - Scientific Electronic Library Online

 
vol.16 número3MEDIDORES DEL MAÑANAASIGNACIÓN DE SUPERVISORES FORESTALES: RESOLUCIÓN MEDIANTE UN ALGORITMO TABU SEARCH índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

Compartir


Ingeniare. Revista chilena de ingeniería

versión On-line ISSN 0718-3305

Ingeniare. Rev. chil. ing. v.16 n.3 Arica dic. 2008

http://dx.doi.org/10.4067/S0718-33052008000300002 

 

Ingeniare. Revista chilena de ingeniería, vol. 16 Nº 3, 2008, pp. 394-403



MODELADO DEL PRECIO SPOT DE LA ELECTRICIDAD EN BRASIL USANDO UNA RED NEURONAL AUTORREGRESIVA 

ELECTRICITY SPOT PRICE MODELLING IN BRASIL USING AN AUTOREGRESSIVE NEURAL NETWORK

 

Juan D. Velásquez 1                    Isaac Dyner 2                               Reinaldo C. Souza 3

1 Instituto de Energía. Universidad Nacional de Colombia. Medellín, Colombia. E-mail: jdvelasq@unal.edu.co. Autor para correspondencia.
2 Instituto de Energía. Universidad Nacional de Colombia. Medellín, Colombia. E-mail: idyner@unal.edu.co
3 Faculdade de Engenharia Elétrica. Pontifícia Universidade Católica do Rio de Janeiro. Rio de Janeiro, Brasil. E-mail:
reinaldo@ele.puc-rio.br


RESUMEN 

Una red neuronal autorregresiva es estimada para el precio mensual brasileño de corto plazo de la electricidad, la cual describe mejor la dinámica de los precios que un modelo lineal autorregresivo y que un perceptrón multicapa clásico que usan las mismas entradas y neuronas en la capa oculta. El modelo propuesto es especificado usando un procedimiento estadístico basado en el contraste del radio de verosimilitud. El modelo pasa una batería de pruebas de diagnóstico. El procedimiento de especificación propuesto permite seleccionar el número de unidades en la capa oculta y las entradas a la red neuronal, usando pruebas estadísticas que tienen en cuenta la cantidad de los datos y el ajuste del modelo a la serie de precios. La especificación del modelo final demuestra que el precio para el próximo mes es una función no lineal del precio actual, de la energía afluente actual y de la energía almacenada en el embalse equivalente en el mes actual y dos meses atrás.

Palabras clave: Red neuronal autorregresiva, procedimiento de especificación, precio spot de electricidad, modelado no lineal de series temporales.

 

ABSTRACT

An autoregressive neural network model is estimated for the monthly Brazilian electricity spot price, which describes the prices dynamics better than a linear autoregressive model and a classical multilayer perceptron using the same input and neurons in the hidden layer. The proposed model is specified using a statistical procedure based on a likelihood ratio test. The model passes a battery of diagnostic tests. The proposed specification procedure allows us to select the number of units in hidden layer and the inputs to the neural network based on statistical tests, taking into account the number of data and the model fitting to the price time series. The final model specification demonstrates that the price for the next month is a nonlinear function of the current price, the current energy inflow, and the energy saved in the equivalent reservoir in the current month and two months ago.

Keywords: Autoregressive neural network, specification procedure, electricity spot price, nonlinear time series modelling.


REFERENCIAS

[1] F. Steiner. "Regulation, industry structure and performance in the electricity supply industry". OECD Economic Studies. Vol. 32. 2000.         [ Links ]

[2] M. Armstrong, S. Cowan and J. Vickers. "Regulatory Reform: Economic Analysis and British Experience". The MIT Press. Cambridge. 1994.
        [ Links ]

[3] D. Bunn. "Reflections on the progress of electricity re-structuring, privatisation and regulation in the UK during 1988-1998". XXXIII Reunión de Altos Ejecutivos C.I.E.R. 1998.        [ Links ]

[4] D. Pilipovic. "Energy Risk. Valuing and Managing Energy Derivates". McGraw-Hill. 1998.        [ Links ]

[5] Y. Hong and C. Lee. "A neuro-fuzzy price forecasting approach in deregulated electricity markets". Electric Power Systems Research. Vol.  73, pp. 151-157. 2005.        [ Links ]

[6] A. Conejo, J. Contreras, R. Espinosa and M. Plazas. "Forecasting electricity prices for a day-ahead pool-based electricity energy market". International Journal of Forecasting. Vol. 21, pp. 435-462. 2005.        [ Links ]

[7] X. Lu, Z. Dong and X. Li. "Electricity market price spike forecast with data mining techniques". Electric Power Systems Research. Vol. 73 Nº 1, pp. 19-29. 2005.        [ Links ]

[8] A. Angelus. "Electricity price forecasting in deregulated markets". The Electricity Journal. Vol. 14 Nº 3, pp. 32-41. 2001.        [ Links ]

[9] L. de Medeiros. "Previsão do Preço Spot no Mercado de Energia Elétrica". Tesis para optar al grado de doctor. Pontifícia Universidade Católica do Rio de Janeiro. 2004.        [ Links ]

[10] T. Masters. "Practical Neural Network Recipes in C++". First edition. Academic Press, Inc. 1993.        [ Links ]

[11] G. Zhang, B. Patuwo and M. Hu. "Forecasting with artificial neural networks: the state of the art". International Journal of Forecasting. Vol. 14, pp. 35-62. 1998.        [ Links ]

[12] S. Heravi, D. Osborn and C. Birchenhall. "Linear versus neural network forecasts for European industrial production series". International Journal of Forecasting. Vol. 20, pp. 435-446. 2004.        [ Links ]

[13] N. Swanson and H. White. "Forecasting economic time series using adaptive versus nonadaptive and linear versus non-linear econometricmodels". International Journal of Forecasting. Vol. 13, pp. 439-461. 1997a.        [ Links ]

[14] N. Swanson, H. White. "Amodel selection approach to real timemacroeconomic forecasting using linearmodels and artificial neural networks". Review of Economics and Statistics. Vol. 39, pp. 540-550. 1997b.        [ Links ]

[15] J.D. Velásquez. R. Dyner y R.C. Souza. "Un modelo no lineal de los precios spot medios mensuales en el Mercado Colombiano". VII Seminario Internacional sobre Análisis y Mercados Energéticos & I Seminario CERES. Santa Fe de Bogotá, Colombia. 5-7 de octubre de 2005.        [ Links ]

[16] C. Kuan and T. Liu. "Forecasting exchange rates using feedforwad and recurrent neural networks". Journal of Applied Econometrics. Vol. 10, pp. 347-364. 1995.        [ Links ]

[17] P. Sanchez, J. Velásquez and E. Castaño. "Artificial neural networks for modeling nonlinear time series with segment trends". 25th International Symposium on Forecasting. San Antonio - Texas, EE.UU. International Institute of Forecasters. 2005a.        [ Links ]

[18] P. Sanchez, J. Velásquez and E. Castaño. "Nonlinear time series with breaks in the seasonal pattern: a modeling approach using neural networks". 25th International Symposium on Forecasting. San Antonio - Texas, EE.UU. International Institute of Forecasters. 2005b.        [ Links ]

[19] H. White. "An additional hidden unit test for neglected nonlinearity in multilayer feedforward networks". Proceedings of the International Joint Conference on Neural Networks. Vol. 2, pp. 451-455. IEEE Press. Washington DC., New York. 1989.        [ Links ]

[20] T.H. Lee, H. White and C.W.J. Granger. "Testing for neglected nonlinearity in time series models". Journal of Econometrics. Vol. 56, pp. 269-290. 1993.        [ Links ]

[21] T. Teräsvirta, C.F. Lin and C.W.J. Granger. "Power of the neural network linearity test". Journal of Time Series Analysis. Vol. 14, pp. 209-220. 1993.        [ Links ]

[22] Y. LeCun, L. Bottou, G.B. Orr and K.R. Muller. "Neural Networks - Tricks of the Trade", Springer Lecture Notes in Computer Sciences. Vol. 1524, chapter Efficient Backprop, pp. 5-50. 1998.        [ Links ]

[23] C. Jarque and A. Bera. "A test for normality of observations and regression residuals". International Statistical Review. Vol. 55, pp. 163-172. 1987.        [ Links ]

[24] R. Engle. "Autoregressive conditional heterocedasticity with estimates of the variance of united kingdom inflations". Econometrica Vol. 50, pp. 987-1007. 1982.        [ Links ]

[25] J.D. Velásquez, R. Dyner y R.C. Souza "Predicción Condicional del Precio Mensual de Bolsa basada en Escenarios de Eventos Hidrológicos Extremos". VII Seminario Internacional sobre Análisis y Mercados Energéticos & I Seminario CERES. Santa Fe de Bogota, Colombia. 5-7 de octubre de 2005.        [ Links ]
Recibido 4 de septiembre de 2006, aceptado 17 de agosto de 2007

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons