Revista Energética. Noviembre 2024

AleaSoft utiliza inteligencia artificial en su metodología de previsión energética, ¿Cómo se emplea esta tecnología y qué tipos de algoritmos consideran más ade- cuados para el análisis predictivo en mer- cados energéticos volátiles? ¿Qué ventajas específicas aporta la IA en términos de pre- cisión y adaptación al cambio climático? El uso de la Inteligencia Artificial (IA) en los modelos AleaModel de AleaSoft permite analizar grandes volúmenes de datos para identificar patrones y realizar previsiones precisas. Gracias a la IA, nuestros modelos se adaptan rápidamente a los cambios en las variables, incluyendo los cambios en los patrones meteorológicos resultantes del cambio climático, lo cual es fundamental para predecir precios y otras variables de los mercados de energía. En particular, las redes neuronales recurren- tes son especialmente útiles para trabajar con series temporales, como los datos de mercado, y resultan efectivas para predecir patrones de precios, demanda y producción en el sector de la energía. Después de 25 años de experiencia, ¿cuál es el margen de error promedio de los mo- delos de predicción de AleaSoft, y cómo han logrado reducirlo con el tiempo? ¿Po- dría describir algún caso específico en el que sus previsiones hayan marcado una diferencia significativa en las decisiones estratégicas de sus clientes? La base de nuestra metodología AleaMo- del se ha mantenido desde la fundación de AleaSoft, y aunque hoy en día la Inteligencia Artificial (IA) esté en auge. En AleaSoft fuimos pioneros en su uso para realizar previsiones para el sector de la energía con gran preci- sión. La constante inversión en I+D+i ha sido fundamental para la evolución de nuestros modelos, que hemos ido mejorando gracias a la investigación y la innovación continua. El margen de error promedio de nuestras previsiones varía según el horizonte tempo- ral y la variable analizada. Por ejemplo, en las previsiones de demanda eléctrica nacional de corto plazo, el margen de error suele ser infe- rior al 2%. Sin embargo, en las previsiones de precios de mercado, este margen puede ser mayor debido a la complejidad y volatilidad intrínsecas de los mercados de energía. En las previsiones de curvas de precios a largo plazo, el objetivo principal es captar el equilibrio del mercado y proyectarlo hacia el futuro. Un ejemplo que solemos mostrar es una previsión de precios de largo plazo que realizamos en octubre de 2010, cuya preci- sión se ha mantenido a lo largo de los años. En aquel momento, el mix de generación era muy distinto al actual, con un predominio de los ciclos combinados de gas, una presencia significativa del carbón y menor capacidad de interconexión con Francia. Desde entonces, el mercado ha cambiado considerablemente, con el crecimiento de la fotovoltaica, también de la eólica, que ya estaba presente el 2010, pero que ha conti- nuado desarrollándose, el aumento de la ca- pacidad de interconexión con Francia hasta el doble de lo que había en el momento en que hicimos la previsión, y la práctica desa- parición del carbón. Sin embargo, nuestras previsiones se han mantenido precisas, ya que nuestros modelos lograron captar el equilibrio de mercado en los datos históricos y proyectarlo al futuro. En un contexto de transición energética hacia una economía descarbonizada y digitalizada, ¿cuál considera que será el papel de AleaSoft en el desarrollo de un sistema eléctrico más resiliente y flexible a nivel global? ¿Qué innovaciones tecno- lógicas o metodológicas planean imple- mentar en los próximos años para afrontar estos desafíos? En nuestros más de 25 años de experien- cia, hemos sido testigos de la evolución del mercado eléctrico español prácticamente desde sus inicios, y nos motiva seguir acom- pañando este proceso en los próximos 25 años, cuando Europa se ha propuesto al- canzar las cero emisiones netas de gases de efecto invernadero. Nuestros clientes serán protagonistas en la transición energética, enfrentándose al reto de seguir desplegan- do las energías renovables y desarrollar nuevos vectores como el almacenamiento de energía. Al mismo tiempo, los grandes consumidores tendrán el desafío de des- carbonizar sus procesos, y los operadores y distribuidores de red deberán planificar y garantizar la estabilidad de un sistema con una mayor penetración de fuentes de ener- gía intermitentes. En este contexto, nuestro objetivo es se- guir apoyando a nuestros clientes en la planificación y optimización de sus ope- raciones a través de nuestras previsiones, análisis y conocimientos sobre los merca- dos de energía. Para lograrlo, continuare- mos invirtiendo en I+D+i, mejorando nues- tros modelos y servicios, y adaptándonos a los cambios que experimentará el sector en los próximos años ◉ Previsión de precios de largo plazo del mercado ibérico de electricidad MIBEL realizada a finales de octubre de 2010 por AleaSoft. Elaborado por AleaSoft Energy Forecasting. “Gracias a la IA, nuestros modelos se adaptan rápidamente a los cambios en las variables, incluyendo los cambios en los patrones meteorológicos resultantes del cambio climático, lo cual es fundamental” entrevista 62 ENERGÉTICA XXI · 241 · NOV 24