Los puntos clave no están disponibles para este artículo en este momento.
La predicción de energía abarca una amplia gama de problemas de predicción en la industria de servicios públicos, como la previsión de demanda, generación, precio y carga eléctrica a lo largo de horizontes temporales y diferentes niveles de potencia. La predicción de carga a corto plazo permite al operador del sistema tomar decisiones importantes durante la gestión y planificación de la red, lo que representa una mejora económica en el sistema eléctrico global, además de actuar como un componente fundamental para abordar los desafíos impuestos por la transición energética. A pesar de la urgente necesidad, la investigación sobre el estado actual de la técnica en la predicción de baja tensión, más allá del nivel de los medidores inteligentes, aún no se ha llevado a cabo de manera profunda. Proponemos un enfoque sistemático desde el nivel del sistema hasta la baja tensión considerando no solo el rendimiento de los modelos, sino también la aplicabilidad, interpretabilidad y reproducibilidad del método/modelo. Se comparó un modelo de referencia inicial con modelos de regresión mejorados al introducir nuevas variables explicativas sintéticas y una técnica de regresión diferente, modelos aditivos generalizados. El error se redujo en un 42%–47% en comparación con el modelo de referencia, preservando la interpretabilidad. Adicionalmente, se evaluó un método de conjunto simple para determinar cómo mejora la precisión para períodos específicos, como fines de semana, vacaciones de verano o días festivos, en los que la modelización es particularmente difícil utilizando modelos aditivos generalizados de forma independiente. El método se aplicó a la carga eléctrica nacional y, por primera vez, a las 100,000 subestaciones secundarias que integran la red eléctrica de Portugal, en lugar de abordar los pocos conjuntos de datos abiertos en esta área. El enfoque fue utilizado para construir un sistema de previsión diario en vivo llamado PREDIS (acrónimo portugués de Predicción Distribuida) cuyos resultados se utilizan para anticipar picos de carga y restricciones en la red en el contexto del operador del sistema de distribución de Portugal.
Pinheiro et al. (Mon,) estudiaron esta cuestión.