Caso de éxito
Previsión de demanda
de consumo eléctrico
El reto
Para las comercializadoras de energía eléctrica es muy importante tener una buena predicción de la energía que se necesita comprar para satisfacer la demanda del consumidor, ya que la compra anticipada tiene unos precios más bajos. Actualmente, realizan la predicción a 8 días vista y con resolución horaria.
Objetivos
Minimizar los costos de la compra anticipada de energía por exceso o insuficiencia, mediante una estimación precisa de la energía que se necesita comprar. Un exceso de energía implica vender el sobrante en el último momento o, en caso contrario, comprar a precio de mercado en la última hora.
¿Cómo lo hemos hecho?
- Temporal Fusion Transformer
- Feature engineering de información meteorológica
- Derivadas temporales
- Customer profiling
- Amazon Deep AR
- Gluonts y MXNet (Python)
- Sagemaker AWS
El resultado
El nuevo modelo reduce en un 52% el error respecto al modelo actual. Esto implica una reducción de costos de aproximadamente 100k € cada mes y medio para el grupo de clientes pertinentes a la tarifa 3.0, que es el más relevante.