La industria de la electricidad ha estado inmersa en un proceso de reestructuración durante los últimos años en muchas partes del mundo. Una de las causas principales de tales cambios es la liberalización del mercado eléctrico. Tanto los productores como consumidores de energía eléctrica han tenido que reajustar sus estrategias para hacer frente a tales cambios. Una parte importante en la estrategia de los agentes que participan en el mercado es la previsión. En este punto las predicciones sobre la demanda y precios de energía eléctrica a corto plazo son claves. De hecho la mala predicción de la demanda así como precios futuros puede acarrear importantes pérdidas económicas.
La literatura dedicada al estudio de series temporales tales como el precio y la demanda de la energía eléctrica es muy amplia. Entre las soluciones más conocidas se encuentran los modelos ARIMA, métodos de suavizado exponencial doble, o redes neuronales.
Un conjunto de técnicas que también ha proporcionado buenos resultados han sido los modelos de componentes no observables como la Regresión Dinámica Armónica y el Modelo Básico Estructural.
La viabilidad de los modelos de componentes no observables se han desarrollado en diversas publicaciones por ejemplo en el siguiente link se estudia la precisión alcanzada mediante la Regresión Dinámica Armónica y en el siguiente link se compara con el Modelo Básico Estructural.
El grupo de investigación (Ingenium Research Group) está abierto a colaborar con las empresas interesadas en implementar estos modelos y mejorar sus sistemas de predicción. Para más información póngase en contacto con el Dr. Juan Ramón Trapero Arenas.