Modelos de predicción de caudales para el sector eléctrico colombiano. Parte I: Modelos mensuales y Modelo semanal
Palabras clave:
Predicción de caudales, Sector eléctrico-Colombia, Variable climática-ENOS (es)Descargas
Aunque es bien reconocido el efecto de la oscilación ENOS sobre las lluvias, no se conoce el hecho de que esta relación sea recíproca y que los efectos energéticos de la evapotranspiración, la condensación de vapor y la precipitación tropical son a su vez retroalimentadas y tiene efectos no despreciables sobre el resto del clima (Simpson, 1988). A nivel mundial, la predicción a mediano y largo plazo (variabilidad interestacional e interanual) está apenas inidándose. Los fenómenos tropicales, en particular los fenómenos ENOS, son mucho más promisorios que los correspondientes a las latitudes medias. Esto es paradójico si se mira el desarrollo de la medición, y de la comunidad científica y se constata la falta de un marco conceptual, análogo a la teoría cuasi-geostrófica, que pueda ser usado para desarrollar una comprensión completa del movimiento de la atmósfera tropical (Holton, 1992; p. 368). Las limitaciones de los modelos dinámicos abren posibilidades para modelos estocás- ticos y estadísticos. Hoy por ejemplo, para predicción del ENOS se emplean modelos de componentes principales, análisis espectral singular y análisis canónico con relativo éxito (Lattif et al., 1994). Una característica clara de este tipo de modelos que los distingue de los modelos tradicionales usados en hidrología es su escala espacial y temporal. De manera semejante, en este trabajo se proponen modelos estocásticos que sin embargo representan de alguna manera la nueva concepción de la dinámica hidrológica. Estos modelos tienen una mejor base física que los autorregresivos tradicionales y son desde el punto de vista práctico tan versátiles como ellos para su empleo en predicciones hidrológicas en Colombia.
Referencias
Akaike, H. (1969). Fitting autoregressive models for prediction, Ann. Inst. Stat Math., 21, 243-247.
Angel, E y Puente, C. Fractal Interpolators in Hydrology. Master’s Thesis, Graduate Division, University of California at Davis.
Angel, Enrique. Interpolación Fractal Aplicada a la Generación de Series de Caudales Diarios. X Seminario Nacional de Hidráulica e Hidrología, Manizales, 1990, 87-98.
Bjerknes, J. (1969). Atmospheric teleconnections from the tropical Pacific. Monthly Weather Review, 97,103-72.
Cane, M. A., Zebiak, S. E. and Dolan, S. C., (1986). Experimental Forecasts of El Niño. Nature, 321,827-832.
Eberhart, Russell C y Dobbins, Roy W (1990). Neural Network PC Tools, A Practical Guide. Academic Press, San Diego, California, 35-49.
EPM-U. Nal (1994). Metodología de Predicción Hidrológica. Estudio para Empresas Públicas de Medellín, Posgrado en Aprovechamiento de los Recursos Hidráulicos, Facultad de Minas.
Higuchi, T. (1988). Approach to an irregular time series on the basis of the fractal theory. Physica D, 31: 277-283.
Holton, J. R., 1992. An Introduction to Dynamics Meteorology. 3 ed. Academic Press. San Diego.
Klemes, V. (1974). The Hurst phenomenon- a puzzle?, Water Resour. Res., 10(4), 675-688.
Lattif, M. etal (1993). Structure and Predictability of The El Niño/Southem Osci- llation Phenomenon in a coupled Ocean Atmosphere General Circulation Model. J. Climate (Impress).
Lattif, M. et al (1994). A Review of ENSO prediction studies. Climate Dinamics, 9: 167-179.
Lorenz, E. N. (1969). Atmospheric predictability as revealed by naturally occurring analogues. J. Atmos. Sri. 636- 646.
Lorenz, E. N. (1963). Determinstic non-periodic flow. Journal of Atmospheric Sciences, 20:130-141.
Lovejoy, S. and Mandelbrot, B. B. (1985). Fractal properties of rain and a fractal model. Tellus.
Mesa, O. y Poveda, G. (1993). Metodologías de Predicción de la Hidrología Colombiana considerando el Fenómeno del Niño/Oscilación del Sur (ENOS). Tercer Congreso Colombiano de Meteorología.
Mesa O. y Carvajal L.F. (1994). Análisis Espectral Singular y Redes Neuronales Aplicadas en Hidrología. Revista Avances en Recursos Hidráulicos No. 2, Facultad de Minas, Universidad Nacional de Colombia, Medellín.
Millán, Jaime. Drought Impact on Regional Economic (1972), Hydrology papers No. 55, Colorado State University. Fort Collins, Colorado.
Pereira, M. V. F., G. C. Oliveira, C. G. Costa, and J. Kelman, (1984). Stochastics stream flow modeling for hydroelectric systems, Water Resour. Res., 20(3), 379-390.
Salazar J.E. y Mesa O., (1994). Aplicación de dos Modelos no Lineales a la Simulación de Series Hidrológicas. Revista Avances en Recursos Hidráulicos No. 2, Facultad de Minas, Universidad Nacional de Colombia, Medellín.
Simpson, J. etal., (1988). A Proposed Tropical Rainfall Measuring Mission (TRMM) Satellite. Bull. Am. Met Soc. 69(3), 278-295.
Vautard, R., Yiou, P. y Ghil, M. (1992). Singular-spectrum analysis: A toolkit for short, noisy chaotic signals. Physica D 58,95-126.



