Los precios de la electricidad pueden fluctuar con variaciones diarias hasta 20 veces superiores a las de los mercados bursátiles y una volatilidad horaria superior al 1.000%. Su volatilidad puede verse influenciada por numerosos factores, como los cambios en la demanda energética, la producción de energías renovables, la meteorología y las perturbaciones del mercado. Las empresas y los consumidores dependen de las predicciones para navegar en este mercado, pero los modelos de pronóstico tradicionales tienen dificultades para hacer frente a variaciones extremas de precios debido a la presencia de volatilidad en el mercado de la energía y de picos de precios.
En el estudio “Enhancing electricity price forecasting accuracy: A novel filtering strategy for improved out-of-sample predictions” que se publicará en abril en Applied Energy, investigadores del Centro Común de Investigación (JRC) de la Comisión Europea proponen un nuevo método que podría mejorar la precisión de las predicciones. Se trata de una innovadora técnica de filtrado que refina los datos históricos de precios antes de aplicar modelos de pronóstico. Para ello, utilizan métodos estadísticos avanzados para detectar y ajustar fluctuaciones extremas de precios, al mismo tiempo que preservan las tendencias esenciales del mercado eléctrico.
El enfoque se basa en la aplicación de sólidas técnicas estadísticas dentro de un marco de ventana móvil, lo que permite la limpieza sistemática de los datos de entrada utilizados para los modelos de previsión. Se ha validado la eficiencia y precisión del método utilizando modelos estadísticos y de aprendizaje profundo de última generación dentro de un marco de datos de acceso abierto que abarca seis mercados energéticos diferentes: el mercado eléctrico europeo de los países nórdicos Nord Pool (NP), el mercado de Pensilvania-Nueva Jersey-Maryland en Estados Unidos (PJM), el mercado diario de electricidad en Bélgica (EPEX-BE), el mercado diario de electricidad en Francia (EPEX-FR) y el mercado diario de electricidad en Alemania (EPEX-DE); y el mercado eléctrico del norte de Italia (IT-NORTH, ITN).
La comparación de las métricas de precisión y el resultado de las pruebas estadísticas de este nuevo modelo demostraron de manera consistente mejoras en la precisión de las previsiones cuando se utilizaron nuestros datos filtrados, con ganancias de hasta un 4% para ciertos modelos con respecto a las predicciones obtenidas con entradas sin filtrar.
Este contenido está protegido por derechos de autor y no se puede reutilizar. Si desea cooperar con nosotros y desea reutilizar parte de nuestro contenido, contacte: editors@pv-magazine.com.
Al enviar este formulario, usted acepta que pv magazine utilice sus datos con el fin de publicar su comentario.
Sus datos personales solo se divulgarán o transmitirán a terceros para evitar el filtrado de spam o si es necesario para el mantenimiento técnico del sitio web. Cualquier otra transferencia a terceros no tendrá lugar a menos que esté justificada sobre la base de las regulaciones de protección de datos aplicables o si pv magazine está legalmente obligado a hacerlo.
Puede revocar este consentimiento en cualquier momento con efecto para el futuro, en cuyo caso sus datos personales se eliminarán inmediatamente. De lo contrario, sus datos serán eliminados cuando pv magazine haya procesado su solicitud o si se ha cumplido el propósito del almacenamiento de datos.
Puede encontrar más información sobre privacidad de datos en nuestra Política de protección de datos.