|
Uno de los estudios desarrollados por la UPME en 2021 fue el de “Proyecciones de la demanda de combustibles líquidos y GLP” el cual tiene por objetivo desarrollar una metodología para las proyecciones de estos energéticos.
El estudio corresponde al Contrato C-075-2021 realizado por el grupo de investigación en manejo eficiente de la energía - GIMEL de la Universidad de Antioquia. El documento entregado cubre una revisión bibliográfica, recomendaciones sobre las metodologías actualmente utilizadas para pronóstico, una propuesta para el sector de combustibles líquidos y los resultados de un primer ejercicio de proyección.
Gracias a este ejercicio, la UPME utilizará el modelo propuesto para los ejercicios de proyecciones de demanda de combustibles líquidos y GLP. Esta metodología también se utilizará para la proyección de demanda de gas natural a partir de la vigencia 2022.
|
|
 Informe final
|
|
Revisión de literatura
La revisión de trabajos científicos sobre las estrategias empleadas para la proyección de demanda de combustibles líquidos identifica que las variables más utilizadas para este ejercicio son: PIB, población, precio de los combustibles y la demanda de combustibles alternativos.
En términos metodológicos se observó que los modelos de series de tiempo tales como ARCH, ARIMA, GARCH, SARIMA, VAR, VEC junto con metodologías de aprendizaje de máquina como modelos basados en regresión y redes neuronales artificiales, son los predominantes para el pronóstico de demanda de combustibles líquidos.
Modelos que se han implementado para la proyección de la demanda de los combustibles líquidos.
En el desarrollo de este estudio se testeó el ajuste de los siguientes modelos: regresión lineal múltiple (MLR), aditivo generalizado (GAM), regresión lineal con contracción (LASSO), regresión spline adaptativa multivariada (MARS), redes neuronales recurrentes de memoria de corto y largo plazo (LSTM). Adicionalmente, se probó una metodología para combinación de pronósticos y de bootstrap para calcular los intervalos de confianza de las proyecciones.
| |
Ejercicios de proyección a 15 años para ACPM/Diésel, Fuel Oil, GLP, Gasolina Motor (GM) y Jet Fuel.
La propuesta de implementación de los modelos de proyección tuvo varios procesos de ajuste y validación de modelos, con el fin de encontrar la mezcla de variables explicativas y rezagos que proporcionen los mejores ajustes.
Para cada combustible se proponen diferentes modelos que buscan combinar diferentes variables explicativas que puedan, desde un punto de vista económico, explicar la demanda del combustible.
De esta manera, se logra extraer las máximas cualidades de cada uno de los modelos en el ajuste de los combustibles. La implementación y optimización de hiperparámetros de los modelos, y las proyecciones mensuales de demandas con horizonte a 15 años fueron realizadas usando el lenguaje de programación Python.
|