Investigación de las variables independientes y previsión del precio del mercado diario eléctrico

Abstract

[ES] Esta tesis está enmarcada básicamente dentro de dos campos de investigación, el conocimiento de las variables que tiene una correlación con el precio del mercado diario de la electricidad (tecnologías de producción, demanda y mercados) y la construcción de un modelo que realiza la predicción del precio a cinco días. Todas las determinaciones que se exponen en la tesis son el resultado del análisis, y por tanto de una evidencia científica. Un aspecto importante es que presenta una visión más allá del puro análisis estadístico y una diversidad de variables estudiadas que no se ha encontrado en ningún otro modelo. Dado el impacto de la energía sobre la competitividad del conjunto de la economía, la predicción del precio del mercado eléctrico resulta cada vez más imprescindible, pues permite su provisión al mínimo coste posible. El modelo se ha desarrollado para un proyecto de marco europeo, el cual pretende proporcionar una herramienta que permita a los usuarios la gestión eficiente del consumo. El desarrollo mediante el software estadístico y lenguaje de programación R ha permitido usar técnicas de investigación reproducible, realizar trabajo en equipo en todas las fases del proyecto de forma integrada (conexión a bases de datos, visualización, análisis exploratorio, modelización, predicción), así como la parametrización de diferentes modelos lineales y selección automática de las que afectan a mercados, producción, recursos, previsiones, futuros, etc. El análisis de todos los parámetros estudiados se ha realizado sobre los datos históricos de los últimos cuatro años (2012-2015) y para realizar las predicciones se han utilizado modelos de regresión mediante técnicas de Regresión Lineal Múltiple, ajustados por mínimos cuadrados. Dentro de estos modelos se han tenido en cuenta comportamientos estacionales que existen en nuestra serie de datos, así como el comportamiento de algunos días como festivos, entre otros, identificados mediante la técnica del Análisis de la Varianza (ANOVA). Además, la estructura temporal altamente volátil de los datos se ha abordado mediante una estrategia de "rolling horizon”, resultando en una metodología que se adapta automáticamente a los nuevos datos y puede generar predicciones con niveles de error relativos entorno al 10%. Esta herramienta es totalmente novedosa y para validarla se ha realizado una predicción y comparación con los precios reales obtenidos en el mercado.

[EN] This thesis is basically framed within two research fields, the knowledge of the variables that have a correlation with the daily market price of electricity (production, demand and market technologies) and the construction of a model that predicts the price to five days. All the exposed resolutions in the thesis are the result of the analysis, and therefore of a scientific evidence. An important aspect is that it gives a vision beyond strict statistical analysis and a diversity of studied variables that has not been found in any other model. Due to the impact of the energy on the competitiveness of the economy set, the price prediction of the electricity market is becoming more and more essential, because it allows its provision at the lowest possible cost. The model has been developed for a European framework project, which attempts to provide a tool that allows the users to manage the efficient consumption. This development through a statistical software and programming language R has allowed to use reproducible research techniques, teamwork in all phases of the project in an integrated way (connection to databases, visualization, exploratory analysis, modeling, prediction), as well as the parameterization of different lineal models and automatic selection of those affecting to the markets, production, resources, forecasts, futures, etc. The analysis of all the studied parameters has been done on the historical data of the last four years (2012-2015) and for carrying out the predictions, regression models using Multiple Lineal Regression techniques, adjusted by least squares, have been used. Within these models, we have taken into account seasonal behaviors that exist in our data series, as well as the behavior of some days as holidays, among others, identified by the technique of Analysis of Variance (ANOVA). In addition, the highly volatile temporal structure of the data has been addressed by a “rolling horizon” strategy, resulting in a methodology that automatically adapts to the new data and can generate predictions with relative error levels around 10%. This tool is completely new and to validate it, a prediction and a comparison with the real prices obtained in the market have been made.