Desarrollo de un modelo de predicción del precio de la energía eléctrica para el mercado a plazo mediante redes neuronales

Abstract

[ES] En este Trabajo Final de Máster se aborda la implementación de diferentes modelos de predicción del precio de la energía eléctrica para el mercado a plazo. El mercado a plazo presenta múltiples productos según el plazo de entrega, de esta forma hay productos para: fin de semana, semanal, mensual, cuatrimestral y anual. Por ello, en el trabajo se describe el funcionamiento del mercado a plazo. En el desarrollo del trabajo se realiza un recorrido sobre los modelos de predicción existentes para dar un enfoque de la situación actual en el campo de la investigación. Se fija la atención en los sistemas de predicción de precios de la energía eléctrica basados en redes neuronales. Se constata que los trabajos realizados en la predicción del precio de la electricidad a más de tres meses son muy reducidos, en plazos mayores no se ha encontrado referencias. El objetivo del trabajo es realizar la previsión a un año vista de los precios para el mercado a plazo empleando modelos basados en redes neuronales. Para ello se plantea generar tres modelos de predicción. Un primer modelo de red neuronal artificial de base que será el punto de partida de los otros, de ahí su denominación. El segundo modelo es un modelo de red neuronal artificial con retroalimentación. Este segundo modelo se plantea como alternativa a los modelos convencionales de redes neuronales, partiendo del concepto de los controles que se emplean para regular el sistema eléctrico para garantizar la calidad del servicio. Finalmente se desarrolla un modelo en cascada, donde una primera red neuronal recibe unas determinadas entradas para generar su predicción, para que una segunda red neuronal procese como variables de entrada las de la primera red junto con la salida de la misma. Para el correcto desarrollo de estos modelos de predicción se definirán las variables necesarias y parámetros que los caracterizarán. La determinación de las variables de entrada se realizará mediante un análisis gráfico y un análisis de la sensibilidad que determinen la influencia en el precio del producto eléctrico de cada variable de entrada. Posteriormente se determinará la arquitectura de los modelos de predicción y se describirá su funcionamiento. Después de esto se procederá a describir como se obtienen los diferentes modelos. Una vez generados, se realizará su aplicación para la predicción a largo plazo del precio de cinco productos, pertenecientes cada uno a uno de los tipos que encontramos en el mercado a plazo según el periodo de entrega del mercado a plazo. También se aplicarán a la predicción del precio de la electricidad en el mercado diario. Finalmente, se determinará el periodo de predicción óptimo de los modelos para cada uno de los casos de aplicación anteriores analizando los resultados obtenidos.

[EN] In this work, it is addressed the implementation of different prediction models of the price of electric power for the forward market. The forward market presents multiple products according to the delivery time, so there are products for: weekend, weekly, monthly, quarterly and annual. Therefore, the work describes the functioning of the forward market. In the development of the work, it will see the existing of prediction models to give an approach of the current situation in this field of the investigation. Attention is focused on electricity price prediction systems based on neural networks. It is verified that the works carried out in the prediction of the price of electricity for more than three months are very reduced, in longer terms no references have been found. The objective of the work is to forecast a year ahead of the prices for the forward market using models based on neural networks. For this, it is proposed to generate three prediction models. A first artificial base neural network model that will be the starting point of the others, hence its name. The second model is an artificial neural network model with feedback. This second model is proposed as an alternative to conventional models of neural networks, based on the concept of controls that are used to regulate the electrical system to guarantee the quality of the service. Finally, a cascade model is developed, where a first neural network receives certain inputs to generate its prediction, so that a second neural network processes as input variables those of the first network together with the output of it. For the correct development of these prediction models, the necessary variables and parameters that will characterize them will be defined. The determination of the input variables will be carried out through a graphical analysis and an analysis of the sensitivity that determine the influence on the price of the electrical product of each input variable. Subsequently, the architecture of the prediction models will be determined and their operation will be described. After this, we will proceed to describe how the different models are obtained. Once generated, its application will be made for the long-term prediction of the price of five products, each one belonging to one of the types that we find in the forward market according to the delivery period of the forward market. They will also apply to the prediction of the price of electricity in the daily market. Finally, the optimal prediction period of the models for each of the previous application cases will be determined by analyzing the results obtained.

[CA] En aquest Treball Final de Màster s'aborda la implementació de diferents models de predicció del preu de l'energia elèctrica per al mercat a termini. El mercat a termini presenta múltiples productes segons el termini de lliurament, d'aquesta forma hi ha productes per a: cap de setmana, setmanal, mensual, quadrimestral i anual. Per això, en el treball es descriu el funcionament del mercat a termini. En el desenvolupament del treball es realitza un recorregut sobre els models de predicció existents per a donar un enfocament de la situació actual en el camp de la investigació. Es fixa l'atenció en els sistemes de predicció de preus de l'energia elèctrica basats en xarxes neuronals. Es constata que els treballs realitzats en la predicció del preu de l'electricitat a més de tres mesos són molt reduïts, en terminis majors no s'ha trobat referències. L'objectiu del treball és realitzar la previsió a un any vista dels preus per al mercat a termini emprant models basats en xarxes neuronals. Per a això es planteja generar tres models de predicció. Un primer model de xarxa neuronal artificial de base que serà el punt de partida dels altres, d'ací la seua denominació. El segon model és un model de xarxa neuronal artificial amb retroalimentació. Aquest segon model es planteja com a alternativa als models convencionals de xarxes neuronals, partint del concepte dels controls que s'empren per a regular el sistema elèctric per a garantir la qualitat del servei. Finalment es desenvolupa un model en cascada, on una primera xarxa neuronal rep unes determinades entrades per a generar la seua predicció, perquè una segona xarxa neuronal processe com a variables d'entrada les de la primera xarxa juntament amb l'eixida d'aquesta. Per al correcte desenvolupament d'aquests models de predicció es definiran les variables necessàries i paràmetres que els caracteritzaran. La determinació de les variables d'entrada es realitzarà mitjançant una anàlisi gràfica i una anàlisi de la sensibilitat que determinen la influència en el preu del producte elèctric de cada variable d'entrada. Posteriorment es determinarà l'arquitectura dels models de predicció i es descriurà el seu funcionament. Després d'això es procedirà a descriure com s'obtenen els diferents models. Una vegada generats, es realitzarà la seua aplicació per a la predicció a llarg termini del preu de cinc productes, pertanyents cadascun a un dels tipus que trobem en el mercat a termini segons el període de lliurament del mercat a termini. També s'aplicaran a la predicció del preu de l'electricitat en el mercat diari. Finalment, es determinarà el període de predicció òptim dels models per a cadascun dels casos d'aplicació anteriors analitzant els resultats obtinguts.