Predicción a corto plazo de los precios de la energía eléctrica

Resumen

El objetivo básico de esta tesis es el desarrollo de modelos que permitan la predicción de los precios horarios de la electricidad de un mercado de energía eléctrica con un día de antelación, Los modelos utilizados se basan en series temporales y la aplicación de redes neuronales. Dentro de los modelos basados en series temporales se distinguen dos modelos: modelo de Regresión Dinámica y modelo ARIMA. Los modelos de series temporales se aplican para obtener las predicciones de los precios para cada una de las semanas seleccionadas del año 2000 en el mercado peninsular español y también en la Interconexión PJM para el año 2002. Los modelos de redes neuronales sólo se aplican en la Interconexión PJM. Se estudian estos dos mercados para comparar la eficacia de cada uno estos modelos en dos mercados diferentes. Con el objetivo de comparar las predicciones obtenidas con los diferentes modelos se define un modelo naive. En este modelo naive la predicción para cada una de las 24 horas de un día corresponde al precio real del día anterior o la semana anterior, según corresponda. Los valores para la predicción de un lunes corresponden a los precios reales del lunes anterior. Análogamente sucede con los sábados y domingos; los valores predichos son los precios reales de sábados y domingos anteriores. En cambio, para martes, miércoles, jueves y viernes, la predicción para cada uno de estos días es la correspondiente al precio real del día anterior al que se quiere predecir. Con este método naive se obtienen buenas predicciones en zonas donde el precio es estable y también cuando existe un comportamiento similar de una semana a la siguiente y de un día al siguiente. Las tareas llevadas a cabo en esta tesis son las siguientes: 1. Desarrollo de varios modelos de series temporales para la predicción de los precios de la electricidad. Utilización de varios modelos de series temporales, como son el modelo ARI