Resumen de Desarrollo y evaluación de modelos basados en Deep Learning para la predicción de irradiancia y variables de generación del sistema eléctrico
El incremento de la capacidad de cálculo y de la información disponible han hecho que las redes neuronales se conviertan en una de las técnicas predominantes en la predicción de series temporales.
En la primera parte de la tesis se estudia la predicción de la irradiancia con horizontes de hasta seis horas. Se evalúan las diferentes medidas de error y las fuentes de datos disponibles. También se estudia el desempeño del mejor modelo para diferentes disponibilidades de datos, obteniendo predicciones con errores similares a otros trabajos de la literatura incluso en ausencia de mediciones de irradiancia.
En la segunda parte de la tesis se aplican las técnicas de predicción anteriores a otros problemas del ámbito energético para finalmente predecir el precio de la electricidad con horizontes de hasta 10 días. Finalmente, se evalúa el uso de estas predicciones para la toma de decisiones de los agentes del mercado.
