Cas d’èxit
Previsió de demanda
de consum elèctric
El repte
Per les comercialitzadores d’energia elèctrica és molt important tenir una bona predicció de l’energia que cal comprar per satisfer la demanda del consumidor, ja que la compra anticipada té uns preus més baixos. Actualment, realitzen la predicció a 8 dies vista i amb resolució horària.
Objectius
Minimitzar els costos de la compra anticipada d’energia per excés o per insuficiència, mitjançant una estimació precisa de l’energia que cal comprar. Un excés d’energia suposa vendre el sobrant en el darrer moment o, en el cas contrari, comprar a preu de mercat en a última hora.
Com ho hem fet?
- Temporal fusion Transformer
- Feature engineering d’informació meteorològica
- Derivades temporals
- Customer profiling
- Amazon Deep AR
- Gluonts & MXNet (Python)
- Sagemaker AWS
El resultat
El nou model redueix en un 52% l’error respecte al model actual. Això implica una reducció de costos d’aproximadament 100k € cada mes i mig pel grup de clients pertinent a la tarifa 3.0, sent el més rellevant.