“Predecir es muy difícil, especialmente si se trata del futuro”.
– Nils Bohr, premio Nobel de Física.
Todas las decisiones que tomamos en nuestro día se basan en el resultado que esperamos de ellas y las condiciones del entorno en el que nos desarrollamos. Esto aplica tanto si decidimos llevar nuestro paraguas al salir de casa, cuando una empresa decide construir una nueva línea de producción o un comercializador de energía decide colocar una oferta de compra o venta de energía en el mercado eléctrico.
Qué tan acertada es nuestra decisión, depende directamente de cuanta información teníamos al momento de tomarla y con qué exactitud pudimos prever los resultados. Cada decisión, bajo cierto grado de certidumbre y sus consecuencias, representan en una u otra medida, el riesgo que intentamos minimizar día con día, ya sea que no nos queramos mojar por la lluvia o podamos suplir la necesidad de un mercado.
Para minimizar el riesgo, tenemos que intentar predecir que sucederá en el futuro. Para esto, en los últimos años se han desarrollado muchas herramientas y técnicas que intentan ayudarnos a saber que sucederá en el corto, mediano o largo plazo. Gracias a la evolución de los sistemas computacionales estas técnicas han podido alcanzar resultados asombrosos en muchos sectores de la economía, y el sector energético ha utilizado muchas de estas técnicas, las ha mejorado y creado herramientas especializadas para hacer pronósticos cada vez más certeros.
Una necesidad del sector energético.
La competitividad de los mercados eléctricos, así como la necesidad de asegurar la confiabilidad y seguridad de los sistemas, ha llevado a todos los participantes a tener una necesidad real por conocer o estimar las condiciones del mercado en el futuro, sea en el corto, mediano o largo plazo.
Sin embargo, a pesar de que las investigaciones en temas de pronósticos han logrado desarrollar nuevos mecanismos, siempre resulta una tarea muy compleja. Condiciones de estacionalidad, efectos de múltiples variables, como condiciones climatológicas o eventos sociopolíticos deben ser considerados. Adicionalmente, las nuevas condiciones del mercado en donde la incorporación de fuentes renovables de generación intermitentes que generan variaciones en los sistemas en muy corto plazo se debe de contar con mecanismos cada vez más robustos para hacer pronósticos.
Muchas técnicas para realizar pronósticos se han desarrollado, y las podemos clasificar en dos grupos principales: Métodos cuantitativos y métodos cualitativos. Para el caso del sector eléctrico, los métodos cuantitativos son los que presentan mejores resultados, y estos se basan en dos técnicas principales:
Series de tiempo: el futuro se comportará de forma muy similar al pasado.
Relacional: el futuro depende de una serie de factores.
Dependiendo de la complejidad del pronóstico que se necesita realizar se puede utilizar una técnica en específico o una combinación entre ambas técnicas, como es el caso de los modelos ARIMA o SARIMAX.
Adicionalmente, gracias a los avances en el procesamiento de datos, modelos mas robustos basados en aprendizaje automático (Machine Learning) ha sido desarrollados, entre estos tenemos Support Vector Regression (SVR), K-Nearest Neighbor Regression (KNN), CART regression tres (CART) y Redes Neuronales, las cuales presentan diferentes variaciones como Generalized Regression Neural Networks (GRNN), Recurrent Neural Networks (RNN) y Long Short Term Memory neural networks (LSTM), entre otras.
Cada una de estas técnicas presentan pros y contras al momento de realizar nuestros pronósticos, y es parte del trabajo de los especialistas en pronósticos poder seleccionar el mejor método, ya que hay que recordar que no siempre el modelo mas complejo es el mejor.
Haciendo simple lo complejo
Como hemos mencionado, las complejidades de los mercados se reflejan directamente en la complejidad de poder elaborar pronósticos certeros y funcionales. Tanto los modelos estadísticos o de aprendizaje automático, tienen complejidades matemáticas de diferente nivel, desde una regresión simple hasta una red neuronal de múltiples capas, y es debido a eso que las empresas y los especialistas de pronósticos necesitan herramientas que simplifiquen y ayuden a crear soluciones prácticas a problemas complicados.
En ese sentido, muchas entidades han invertido tiempo y dinero para crear una nueva generación de herramientas que permiten centrarnos en el análisis y comprensión de nuestros datos para la generación de pronósticos exactos.
Es por esto que nuestro socio ProCom, líder en herramientas de digitalización del sector energético a nivel mundial, ha desarrollado la herramienta BoFiT Forecast, la cual puede ser utilizada a lo largo de toda la cadena de valor de la industria de la energía.
Actualmente, por medio de BoFiT Forecast, uno de los cuatro operadores de los sistemas de transmisión en Alemania puede pronosticar la demanda a nivel de nodos y las pérdidas en la red de transmisión (ProCom, 2017). Adicionalmente, una de las mayores empresas de manufactura automotriz alemana, utiliza la misma herramienta para pronosticar la demanda de energía y calor para una de sus plantas de producción de vehículos (ProCom, 2018). BoFiT Forecast permite generar Curvas de Precio Horario en Adelanto, pronósticos de precios de la energía para el día de adelanto e intra-diario, así como pronósticos de demanda a nivel regional.
El motor de esta solución emplea redes neuronales artificiales, regresiones multivariables, SARIMAX o diversos perfiles dependiendo de la aplicación o el tipo de ingesta de datos con que se cuente.
Nuevo motor de pronósticos
Para este 2020, por medio del asocio entre ProCom y Tangent Works, el primero ha podido expandir la gama de métodos de pronóstico con el modelo único de construcción TIM (Tangent Information Modeler) de Tangent Works.
TIM, es un motor de modelado predictivo que automatiza el proceso de predicción y detección de anomalías mediante el análisis de datos de series temporales y la generación de modelos precisos basados en los patrones que detecta (Tangent Works, 2020).
TIM ofrece todas las ventajas de una solución de plataforma escalable y extiende la gama de métodos con habilidades de aprendizaje automático completamente automatizados. Estas habilidades son esenciales para tareas de pronóstico prolongadas y complicadas tales como pronósticos de precios o de carga para nodos de red o para áreas enteras de redes de transmisión o mecanismos de precio de nodos. Al combinar el uso de BoFiT Forecast y el modelador TIM se incrementa la eficiencia en los pronósticos, su calidad y desempeño ya que se utiliza el motor apropiado para cada tipo de nodo, pronostico y condiciones relacionadas.
Mercados Eléctricos (MERELEC), como socio de Procom en la implementación de soluciones digitales para el Sector Energético de Latinoamérica, pone a disposición de los agentes de mercado las herramientas necesarias para poder minimizar el riesgo que representa tomar decisiones bajo incertidumbre, apoyado con la información necesaria, los pronósticos necesarios y los procesos de optimización.
Tenemos una solución única para cada empresa del sector eléctrico e industrial, contáctanos para conversar sobre tus necesidades o profundizar más sobre las posibilidades de aplicación de BoFiT Forecast.
[contacto]
Our Digital solutions are powered by
[procom-link]
Referencias
ProCom. (7 de Septiembre de 2017). Elering AS relies on ProCom’s forecast solution. Obtenido de https://procom-energy.de/en/elering-as-relies-on-procoms-forecast-solution/
ProCom. (03 de Julio de 2018). ProCom solution for power plant optimization boosts energy efficiency in vehicle construction. Obtenido de https://procom-energy.de/en/procom-solution-for-power-plant-optimization-boosts-energy-efficiency-in-vehicle-construction/
Tangent Works. (2020). Tanget Works – Advanced Forecasting. Obtenido de https://www.tangent.works/software/