Investigadores del Departamento de Informática de la Universidad Pablo de Olavide, mediante técnicas de minería de datos, son capaces de hacer predicción de series temporales en el ámbito energético. En concreto, a través de la aplicación de algoritmos pueden predecir la demanda y los precios del mercado eléctrico, lo que podría contribuir a minimizar los cortes del suministro y, con ello, las pérdidas económicas derivadas de los mismos.

La predicción de la demanda eléctrica es de vital trascendencia ya que errores de cálculo pueden conducir a cortes en el suministro eléctrico y, consecuentemente, a grandes pérdidas económicas. A este aspecto, hay que añadir que la progresiva liberalización de los mercados eléctricos ha desencadenado un importante interés entre las empresas suministradoras por conocer el precio que la electricidad tendrá a lo largo del tiempo, y que actualmente cambia cada hora. La oferta por la compra y venta de este bien energético genera muchos ingresos, y la realización de ofertas ajustadas al valor probable que éste tendrá se suele traducir en amplios márgenes de beneficio. En definitiva este trabajo de investigación permitiría:

• Estimación del modelo de demanda energética de cada cliente
• Predicción de anomalías
• Mantenimiento preventivo
• Caracterización de clientes
• Ofertas personalizadas

• Los científicos responsables han realizado predicción de series temporales en el ámbito energético a través de un algoritmo que proporciona un error de predicción ligeramente superior al 7%, tal y como demuestran los resultados publicados bajo el título “Energy time series forecasting based on pattern sequence similarity” en la revista IEEE Transactions on Knowledge and Data Engineering, editada por la asociación profesional de ingeniería más relevante a nivel internacional. En su artículo, el grupo de investigación propone una metodología novedosa para la predicción de series temporales, examinando tanto la demanda como el precio de la electricidad en tres mercados eléctricos distintos: el español, el neoyorquino y el australiano. Los autores comparan su metodología con más de 15 algoritmos encontrados en la literatura reciente, obteniendo en todos los casos resultados de predicción sensiblemente mejores. Efectivamente, proporcionan un error de predicción ligeramente superior al 7%, frente al casi 13% que los algoritmos con los que se comparan obtienen en media.
• Además, el artículo se completa evaluando los parámetros críticos del algoritmo propuesto, demostrando que es robusto y fiable para cualquier serie temporal que se quiera analizar. Así existe la posibilidad de aplicar esta metodología para predecir el tráfico de datos en internet y evitar la congestión de la red, de manera que los expertos podrían trabajar con un volumen de tráfico en internet y predecir un umbral. Esto podría ser de interés a la hora de evitar el colapso de plataformas on-line, páginas web o formularios de entidades públicas a disposición de los usuarios que solicitan proyectos competitivos, hacen peticiones de documentos oficiales a través de la Administración electrónica, etc.

• Compañías de suministro de energía eléctrica
• Centros tecnológicos especializados en el sector de la energía
• Empresas dedicadas al desarrollo de software
• Administración electrónica

Disponible para el cliente

DATA SCIENCE & BIG DATA LAB (TIC 254)  > Más ofertas de este grupo