Un modelo dinámico bayesiano para pronóstico de energía diaria

Resumen

Los modelos dinámicos bayesianos son una alternativa útil para elaborar pronósticos con pocos datos históricos, o que ayudan a complementar la poca información que se tenga. En este trabajo se propone el diseño de un algoritmo para realizar pronósticos usando un modelo dinámico bayesiano basado en Filtro de Kalman. Se ilustra el procedimiento aplicándolo al pronóstico de demanda de energía diaria de Colombia, lo cual puede ser útil en sistemas que presenten fallas, o en regiones donde apenas inicia el abastecimiento energético. La eficiencia se determina con el indicador de error absoluto medio (MAPE) de ajuste y de pronóstico; este último resulta menor del 3%, valor adecuado para mostrar validez del método propuesto.

Dynamic Bayesian Models are a useful alternative to make forecasts with few historical data, or that permits to complement the little information you have.  In this paper we propose an algorithm design to forecast using a dynamic Bayesian model based on Kalman Filter. We illustrate the procedure by applying it to the prediction of daily energy demand of Colombia, which can be useful in systems experiencing failures, or in regions where energy supply is just beginning. The efficiency is determined by the Average Absolute Error Indicator (MAPE), of adjustment and forecast; the last one is less than 3%, appropriate value to show validity of the proposed method.