This article proposes a Spatial Load Forecasting (SLF) model applied to an electric distribution system for the short, medium and long term horizon, which includes the estimation of the magnitude and geographic location of electricity demand energy from new consumers. The proposed model is a hybrid trendingsimulation method and using a hierarchical structure: bottom-up for aggregate data and analyze, and, top-down for load growth allocate to sub-areas and micro-areas. The small area approach is combined with spatial-time series regression models and trend analysis in large regions. Local, proximity and surround factors are used to create preference maps. For each region, it allocates the region´s growth, based on the preference map values and cellular automaton technique, and merges the land use with the load curve data, to calculate the small area loads. We test the SLF model with CENTROSUR´s electric distribution system; the result is a map of electric load density that shows the areas where new consumers are most likely to be allocated, thereby providing information on where, how much, and when electric demand will change, in sufficient detail and with the required accuracy.

Este artículo propone un modelo de Proyección Espacial de la Demanda (PED) aplicado a un sistema eléctrico de distribución para el corto, mediano y largo plazo, lo cual incluye la estimación de la magnitud y la ubicación geográfica de la demanda de energía eléctrica de nuevos clientes. El modelo propuesto es un híbrido tendencia-simulación y utiliza una estructura jerárquica: desde abajo hacia arriba para adicionar y analizar datos; y, desde arriba hacia abajo para asignar el crecimiento de carga en sub-áreas y micro-áreas. El enfoque de pequeñas áreas es combinado con modelos de regresión de series espacio-tiempo y análisis de tendencia, en grandes regiones. Se utilizan factores locales, de proximidad y contorno para crear un mapa de preferencias. En cada región, se asigna el crecimiento de clientes en función de los valores del mapa de preferencias y una técnica autómata celular, luego se combina este uso del suelo con los datos de la curva de carga y así se obtiene las cargas en estas pequeñas áreas. Hemos probado el modelo de PED con el sistema de distribución de CENTROSUR; el resultado es un mapa de densidad de demanda que muestra las áreas más probables donde se asignaron los nuevos clientes, proporcionando así información sobre dónde, cuánto y cuándo cambiará la demanda, con el suficiente detalle y precisión requerida. Este artículo propone un modelo de Proyección Espacial de la Demanda (PED) aplicado a un sistema eléctrico de distribución para el corto, mediano y largo plazo, lo cual incluye la estimación de la magnitud y la ubicación geográfica de la demanda de energía eléctrica de nuevos clientes. El modelo propuesto es un híbrido tendencia-simulación y utiliza una estructura jerárquica: desde abajo hacia arriba para adicionar y analizar datos; y, desde arriba hacia abajo para asignar el crecimiento de carga en sub-áreas y micro-áreas. El enfoque de pequeñas áreas es combinado con modelos de regresión de series espacio-tiempo y análisis de tendencia, en grandes regiones. Se utilizan factores locales, de proximidad y contorno para crear un mapa de preferencias. En cada región, se asigna el crecimiento de clientes en función de los valores del mapa de preferencias y una técnica autómata celular, luego se combina este uso del suelo con los datos de la curva de carga y así se obtiene las cargas en estas pequeñas áreas. Hemos probado el modelo de PED con el sistema de distribución de CENTROSUR; el resultado es un mapa de densidad de demanda que muestra las áreas más probables donde se asignaron los nuevos clientes, proporcionando así información sobre dónde, cuánto y cuándo cambiará la demanda, con el suficiente detalle y precisión requerida.