Para la predicción de mercados de energía disponemos de variables en tiempo real y variables a futuro.
Con técnicas de Machine Learning se gestionan los desvíos del mercado de energía para tratar de garantizar el equilibrio entre producción y demanda de energía.
¿Qué es la predicción de mercados de energía?
La predicción de mercados de energía surge de la necesidad de equiparar la demanda a la producción de energía por parte de las empresas productoras de electricidad.
Una de las características de la energía eléctrica es que no puede almacenarse en grandes cantidades, por lo que las empresas generadoras deben dar cuenta de la energía que van a ser capaces de producir con anterioridad, para equipararla a la demanda y evitar los desvíos entre generación y demanda de energía eléctrica.
En nuestro país, la generación de energía eléctrica está en manos de empresas privadas, y el Estado Español debe garantizar que estas empresas generadoras de energía eléctrica satisfagan en todo momento la demanda de los usuarios finales.
El operador del sistema eléctrico español es Red Eléctrica de España (REE), que también se encarga de sancionar los casos en los que las productoras, yendo en contra del mercado, no ajusten sus predicciones a la demanda. Y es que REE tiene que garantizar la seguridad, la continuidad y el equilibrio en el sistema eléctrico español, realizando previsiones de la demanda de energía eléctrica para gestionar en tiempo real las instalaciones de generación y transporte eléctrico.
Con esto se logra que la producción programada en las centrales eléctricas coincida en todo momento con la demanda de los consumidores. Si existe un desequilibrio, REE ordena a las empresas productoras que aumenten o disminuyan la generación de energía para hacer frente a posibles pérdidas sobrevenidas de la generación o cambios en el consumo previsto.
¿Cuál es el objetivo de la predicción de los mercados de energía?
El objetivo de la predicción de los mercados de energía es la gestión de los desvíos para tratar de garantizar el equilibrio entre producción y demanda de energía. Para ello, el operador del sistema eléctrico convoca a los mercados de energía para que las empresas generadoras varíen su plan de producción para satisfacer las necesidades del sistema.
Realizamos predicciones de mercados de energía y de los desvíos en el mercado eléctrico aplicando técnicas de Machine Learning.
¿Cómo se realiza la predicción de mercados de energía?
Para realizar la predicción de mercados de energía y de los desvíos en el mercado eléctrico, en el IIC aplicamos diversas técnicas de Machine Learning, tratando de predecir tanto su comportamiento como su precio a lo largo del tiempo.
Basándonos en la metodología CRISP-DM , un primer paso es la recolección de variables y datos para su estudio estadístico y poder tratarlos y procesarlos.
Para la predicción de mercados de energía, disponemos de variables en tiempo real y variables a futuro:
Variables en tiempo real
Variables en tiempo real, que se miden y se proporcionan para la última hora acontecida. Se escogen todas las variables de generación de las distintas energías renovables y no renovables, la demanda real, el precio de los desvíos o su sentido.
Variables a futuro
Variables a futuro, que se publican a partir de predicciones generadas por REE. Estas variables abarcan desde predicciones del estado de los intercambios con otros países, predicción del precio de la energía, predicción de la demanda, o incluso, la previsión que se da para la generación de energía eólica y fotovoltaica.
Una vez seleccionadas las variables, podemos aplicar las técnicas de aprendizaje automático en la predicción. Con la utilización de estás técnicas, se estudiarán los dos problemas más habituales cuando tenemos datos de este tipo: la clasificación y la regresión. La primera se utiliza para predecir la ocurrencia de los desvíos del mercado eléctrico, y la segunda, para predecir los precios del mercado eléctrico.
Además, en ambos casos se realiza un benchmark de modelos, para probar diferentes modelos de distintas características (Random Forest, SVM, MLP, Logistic Regression), con el fin de compararlos y elegir el mejor. También, se prueban distintas formas de proporcionar los datos a los modelos (multi-output y single-output) en busca de los mejores resultados.
Beneficios de la predicción de mercados de energía
Hacer predicciones para equilibrar la generación de energía a la demanda nos deja varias ventajas relacionadas con el ahorro de recursos:
Reducir el desvío entre generación y demanda de energía.
Ahorro de coste por la generación de energía en exceso.
Disminuir las sanciones impuestas por el operador del sistema eléctrico.
Además, la metodología del IIC se adapta a las necesidades de los productores de energía:
Adaptación a nuestro clientes
Nos adaptamos a las demandas de nuestros clientes, pudiendo integrar la predicción en otras aplicaciones.
Modelos parametrizables y contrastados
Nuestros modelos son fácilmente parametrizables y contrastados, capaces de adaptar su funcionamiento a la evolución de las variables predictivas que se usen.
Cualquier fuente de datos
Trabajamos con cualquier fuente de datos de entrada, ofreciendo resultados a cualquier nivel de desagregación.
