Mejoras de eficiencia computacional y precisión para sistemas predictivos de demanda eléctrica

• Autores: Alfredo Candela Esclapez
• Directores de la Tesis: Sergio Valero Verdú (dir. tes.) , Miguel López García (codir. tes.)
• Lectura: En la Universidad Miguel Hernández de Elche ( España ) en 2023
• Idioma: español
• Tribunal Calificador de la Tesis: Antonio Gabaldón Marín (presid.) , Óscar Reinoso García (secret.) , Araceli Hernández Bayo (voc.)
• Enlaces
  • Tesis en acceso abierto en: RediUMH
• Resumen

  • Debido a la inviabilidad del almacenamiento de energía eléctrica a gran escala, la energía eléctrica se genera y consume simultáneamente. En consecuencia, las entidades eléctricas necesitan sistemas de previsión de demanda para planificar operaciones y gestionar suministros. Predicciones de demanda precisas permiten el ahorro económico de suministros de generación de energía, así como reforzar la fiabilidad del abastecimiento a los consumidores. Por otra parte, las predicciones de demanda también permiten gestionar las energías renovables en las redes eléctricas, reduciendo indirectamente las emisiones de gases de efecto invernadero.

    Esta tesis se centra en mejorar, a escala peninsular, el sistema predictivo de Red Eléctrica de España (REE) y desarrollado por la Universidad Miguel Hernández (UMH). Se presenta un enfoque independiente de sus modelos matemáticos, ofreciendo metodologías aplicables a otros sistemas predictivos de otras redes eléctricas. Se exploran dos mejoras: una obtención determinista y automática del horario de cálculos y un preprocesado de datos de temperatura que da pie a análisis demográficos. Ambas mejoras también incrementan la precisión de las predicciones, siendo un criterio base de diseño.

    En Europa, debido a las directivas y las nuevas tecnologías, los sistemas de predicción pasan de trabajar en intervalos horarios a cuarto-horarios, lo que reduce el tiempo de cálculo y aumenta la carga computacional. Por lo tanto, un sistema predictivo puede no disponer de tiempo suficiente para calcular todos los pronósticos futuros. Los sistemas de predicción realizan cálculos a lo largo del día, repitiendo los mismos pronósticos a medida que se acerca la hora prevista. Sin embargo, hay predicciones que no son más precisas que otras ya calculadas, lo que da pie a no ejecutarlas y emplear las predicciones previas para ahorrar esfuerzo computacional y mantener la precisión.

    Con la idea de evitar cálculos contraproducentes, se desarrolla un algoritmo que estima qué pronósticos brindan mayor precisión que los anteriores, con lo que construye un horario de ejecuciones. El algoritmo se adapta a las necesidades computacionales y el sistema predictivo, con lo que se ha aplicado al sistema de predicción de REE, obteniendo un horario de ejecuciones que consigue una mayor precisión y se adapta a la carga computacional.

    Por otra parte, la demanda eléctrica depende de la temperatura ambiente por el uso de equipos de aire acondicionado y calefacción. Esta tesis propone un método automático de procesamiento y selección de variables térmicas con un doble objetivo: mejorar tanto la precisión como la interpretabilidad del sistema de pronóstico global. La metodología experimental se ha realizado con el sistema predictivo de REE. La nueva forma de trabajar con las temperaturas es interpretable, ya que separan el efecto de la temperatura según la ubicación y el tiempo mediante variables con un significado específico.

    Ambos estudios demuestran experimentalmente que las técnicas propuestas cumplen su cometido, mejorando la precisión y el coste computacional del sistema predictivo. También se observa que en España el calor tiene mayor influencia sobre la demanda que el frío. En los días calurosos, la temperatura del segundo día anterior tiene mayor influencia que la del anterior, mientras que en los días fríos ocurre lo contrario.

    A partir de la construcción del horario de ejecuciones se ha concluido que las temperaturas afectan poco a la demanda durante la madrugada; las previsiones de temperatura de menos de cuatro días de antelación implican una mayor precisión que las de más de cuatro; y que cuanto menor es la diferencia de tiempo entre el momento de predicción y el de ejecución, mayor precisión se tiene.