Técnicas de Deep Learning para la Predicción de Precios de Electricidad del Mercado Diario Español

La estimación de los precios de electricidad del mercado diario es una tarea de gran importancia e interés para todos los agentes involucrados en el sector, de cara a realizar las ofertas de compra y venta de electricidad antes del cierre del mercado. En este proyecto se van a desarrollar métodos de...

Descripción completa

Detalles Bibliográficos
Autor: Pedrero Lozoya, Hugo Alberto
Tipo de recurso: tesis de maestría
Fecha de publicación:2025
País:España
Institución:Universidad Nacional de Educación a Distancia
Repositorio:e-spacio. Repositorio Institucional de la UNED
Idioma:español
OAI Identifier:oai:e-spacio.uned.es:20.500.14468/26128
Acceso en línea:https://hdl.handle.net/20.500.14468/26128
Access Level:acceso abierto
Palabra clave:1203.17 Informática
Descripción
Sumario:La estimación de los precios de electricidad del mercado diario es una tarea de gran importancia e interés para todos los agentes involucrados en el sector, de cara a realizar las ofertas de compra y venta de electricidad antes del cierre del mercado. En este proyecto se van a desarrollar métodos de deep learning para predecir los precios de la electricidad del mercado diario español (“day-ahead”). En concreto, se pretende implementar técnicas de deep learning basadas en Redes Neuronales Recurrentes (RNN) tales como LSTM (Long Short-Term Memory) y GRU (Gated Recurrent Unit), y también modelos más novedosos como NBEATS (Neural Basis Expansion Analysis for Time Series) o un transformer especializado en series temporales llamado TimeGPT. Tomando como ventana de datos de entrada los 168 valores previos (1 semana), se realizarán predicciones para los precios de la electricidad de las 24 horas del día siguiente. Se emplean datos históricos que abarcan el periodo comprendido entre 2015 y 2023, incluyendo variables fundamentales como la demanda eléctrica, la generación de fuentes renovables y el precio del gas natural. Además, se introduce el concepto de "hueco hidrotérmico", una nueva variable creada a partir de la combinación de la demanda eléctrica y la generación de energía eólica y solar. Esta variable corresponde a la energía que habrá que generar con fuentes térmicas o hidráulicas para cubrir la demanda, una vez sustraída la generación eólica y solar. La adición de esta variable, altamente correlacionada con el precio de la electricidad, mejora notablemente el comportamiento de los modelos. Tomando como ventana de datos de entrada los 168 valores previos (1 semana), se realizarán predicciones para los precios de la electricidad de las 24 horas del día siguiente. Se emplean datos históricos que abarcan el periodo comprendido entre 2015 y 2023, incluyendo variables fundamentales como la demanda eléctrica, la generación de fuentes renovables y el precio del gas natural. Además, se introduce el concepto de "hueco hidrotérmico", una nueva variable creada a partir de la combinación de la demanda eléctrica y la generación de energía eólica y solar. Esta variable corresponde a la energía que habrá que generar con fuentes térmicas o hidráulicas para cubrir la demanda, una vez sustraída la generación eólica y solar. La adición de esta variable, altamente correlacionada con el precio de la electricidad, mejora notablemente el comportamiento de los modelos.