Modelo de predicción de precio de energía en el mercado no regulado usando arquitecturas multimodales basadas en técnicas de Deep Learning

Abstract

RESUMEN: Establecer el valor del precio de la energía eléctrica es un proceso que a sufrido grandes cambios a través de los años en cada uno de los países del mundo, especialmente porque estos buscaban garantizar la transparencia en el proceso de definición de los precios en los sistemas eléctricos. El mayor logro de esta serie de cambios fue promover la inclusión de la energía eléctrica en los mercados financieros. Rápidamente los operadores se dieron cuenta de la gran volatilidad de este recurso debido a la gran cantidad de factores que influyen en él. Todos estos factores no están medidos en las mismas frecuencias, ni tampoco son registrados en los mismos medios, lo cual genera una dificultad al momento de ser interpretados. Es en este punto, cuando el interés por entender el comportamiento del precio de la energía y desarrollar modelos predictivos se vuelve una necesidad. El presente proyecto desarrolló arquitecturas multimodales basadas en técnicas de Deep Learning entrenadas con datos diarios asociados a las variables demanda energía SIN, caudal y precio oferta, y datos horarios correspondientes a las variables generación, demanda por comercializador y generación AGC.