Aplicacin de la minera de datos en la prediccin de

la demanda de la energa elctrica y los precios del

mercado
2015 Universidad Pablo de Olavide
Ver la oferta en la web. www.upo.es/UPOtec
Contacta con la OTRI: otri@upo.es

Sector
Energa y medioambiente

rea Tecnolgica
Tecnologas medioambientales y de recursos naturales , Tecnologas de la informacin y de la
Comunicacin (Tic)

Descripcin
Investigadores del Departamento de Informtica de la Universidad Pablo de Olavide, mediante
tcnicas de minera de datos, son capaces de hacer prediccin de series temporales en el mbito
energtico. En concreto, a travs de la aplicacin de algoritmos pueden predecir la demanda y los
precios del mercado elctrico, lo que podra contribuir a minimizar los cortes del suministro y, con
ello, las prdidas econmicas derivadas de los mismos.

Necesidad o problema que resuelve

La prediccin de la demanda elctrica es de vital trascendencia ya que errores de clculo pueden
conducir a cortes en el suministro elctrico y, consecuentemente, a grandes prdidas econmicas.
A este aspecto, hay que aadir que la progresiva liberalizacin de los mercados elctricos ha
desencadenado un importante inters entre las empresas suministradoras por conocer el precio
que la electricidad tendr a lo largo del tiempo, y que actualmente cambia cada hora. La oferta por
la compra y venta de este bien energtico genera muchos ingresos, y la realizacin de ofertas
ajustadas al valor probable que ste tendr se suele traducir en amplios mrgenes de beneficio.
En definitiva este trabajo de investigacin permitira: Estimacin del modelo de demanda
energtica de cada cliente Prediccin de anomalas Mantenimiento preventivo Caracterizacin de
clientes Ofertas personalizadas

Aspectos innovadores
Los cientficos responsables han realizado prediccin de series temporales en el mbito energtico
a travs de un algoritmo que proporciona un error de prediccin ligeramente superior al 7%, tal y
como demuestran los resultados publicados bajo el ttulo Energy time series forecasting based on
pattern sequence similarity en la revista IEEE Transactions on Knowledge and Data Engineering,
editada por la asociacin profesional de ingeniera ms relevante a nivel internacional. En su

artculo, el grupo de investigacin propone una metodologa novedosa para la prediccin de series
temporales, examinando tanto la demanda como el precio de la electricidad en tres mercados
elctricos distintos: el espaol, el neoyorquino y el australiano. Los autores comparan su
metodologa con ms de 15 algoritmos encontrados en la literatura reciente, obteniendo en todos
los casos resultados de prediccin sensiblemente mejores. Efectivamente, proporcionan un error
de prediccin ligeramente superior al 7%, frente al casi 13% que los algoritmos con los que se
comparan obtienen en media. Adems, el artculo se completa evaluando los parmetros crticos
del algoritmo propuesto, demostrando que es robusto y fiable para cualquier serie temporal que se
quiera analizar. As existe la posibilidad de aplicar esta metodologa para predecir el trfico de
datos en internet y evitar la congestin de la red, de manera que los expertos podran trabajar con
un volumen de trfico en internet y predecir un umbral. Esto podra ser de inters a la hora de
evitar el colapso de plataformas on-line, pginas web o formularios de entidades pblicas a
disposicin de los usuarios que solicitan proyectos competitivos, hacen peticiones de documentos
oficiales a travs de la Administracin electrnica, etc.

Tipos de empresas interesadas

Compaas de suministro de energa elctrica Centros tecnolgicos especializados en el sector de
la energa Empresas dedicadas al desarrollo de software Administracin electrnica

Nivel de desarrollo
Disponible para el cliente

Equipo de Investigacin
Minera de datos (TIC 200)