Publicación: Análisis de las tarifas finales contratadas por empresas energía en Colombia
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
El mercado de energía a largo plazo estará soportado en el componente financiero a partir de tratados bilaterales generadores, comercializadores y usuarios no regulados. Por lo tanto, los usuarios no regulados negocian su energía en el Mercado de Energía Mayorista a través de un comercializador. El objetivo del presente trabajo es analizar la información relevante en el mercado de energía que podría afectar las tarifas finales contratadas por empresa conectadas a nivel de tensión 3 en Colombia. La propuesta metodológica utilizada fue la de CRISP – DM (del inglés Cross Industry Standard Process for Data Mining), donde se interpreta las medidas de evaluación del modelo implementado y se refleja cual es la variable que más influye en el precio de la energía. Los resultados demuestran que el consumo de energía (CE kWh/mes), precio del gas natural (PGnat $/m3) y precio de bolsa (Pbolsa $/kWh) son las variables con mayor representatividad. Se concluye que esta información es de mucha utilidad para la toma de decisiones en la venta y compra de energía en el mercado mayorista.
Resumen en inglés
The long-term energy market will be supported by the financial component based on bilateral contracts between generators, traders and non-regulated users. Therefore, non-regulated users negotiate their energy in the Wholesale Energy Market through a trader. The objective of this paper is to analyze the relevant information in the energy market that could affect the final tariffs contracted by companies connected at voltage level 3 in Colombia. The methodological approach used was CRISP - DM (Cross Industry Standard Process for Data Mining), where the evaluation measures of the implemented model are interpreted and it is reflected which is the variable that most influences the price of energy. The results show that energy consumption (CE kWh/month), natural gas price (PGnat $/m3) and exchange price (Pbolsa $/kWh) are the most representative variables. It is concluded that this information is very useful for decision making in the sale and purchase of energy in the wholesale market.