Innovating Works

TED2021-131671B-I00

Financiado
PREDICCION A CORTO PLAZO DE VARIABLES ENERGETICAS MEDIANTE MODELOS DE “MACHINE L...
PREDICCION A CORTO PLAZO DE VARIABLES ENERGETICAS MEDIANTE MODELOS DE “MACHINE LEARNING” ASOCIADAS AL PREPROCESAMIENTO DE LOS DATOS. EL OBJETIVO DE ESTE PROYECTO ES DEFINIR MODELOS DE PREDICCION HIBRIDOS PARA PREDECIR SERIES TEMPORALES RELACIONADAS CON LA ENERGIA. SE GENERARAN VARIOS DATOS FUTUROS CADA VEZ QUE SE REALICE UNA PREDICCION. ESTOS MODELOS ESTARAN CO... EL OBJETIVO DE ESTE PROYECTO ES DEFINIR MODELOS DE PREDICCION HIBRIDOS PARA PREDECIR SERIES TEMPORALES RELACIONADAS CON LA ENERGIA. SE GENERARAN VARIOS DATOS FUTUROS CADA VEZ QUE SE REALICE UNA PREDICCION. ESTOS MODELOS ESTARAN COMPUESTOS POR HERRAMIENTAS DE “MACHINE LEARNING” EN COMBINACION CON PREPROCESAMIENTO DE DATOS. SE ENTRENARAN CON DIFERENTES ESTRATEGIAS DE APRENDIZAJE-PREDICCION. LAS PREDICCIONES LAS REALIZARAN TRES TIPOS DE REDES NEURONALES. LA PRIMERA SERA EL PERCEPTRON MULTICAPA (MLP), UN MODELO MUY SIMPLE QUE HA DEMOSTRADO SER MUY EFICIENTE EN LA PREDICCION DE SERIES TEMPORALES. LOS OTROS DOS SERAN MODELOS DE “DEEP LEARNING”: LA “LONG SHORT-TERM MEMORY” (LSTM) Y UNA SIMPLIFICACION DE SU ESTRUCTURA, LA “RECURRENT GATED UNIT” (GRU). HAN DADO MUY BUENOS RESULTADOS EN EL TRATAMIENTO DE TEXTO Y VOZ, POR LO QUE ES DE ESPERAR QUE TAMBIEN PROPORCIONEN PREDICCIONES PRECISAS CON SERIES TEMPORALES COMPLEJAS CON MUCHOS DATOS COMO LAS QUE SE UTILIZARAN EN ESTE TRABAJO. ADEMAS, SE UTILIZARA, A MODO DE COMPARATIVA, OTRO MODELO DE “DEEP LEARNING” BASADO EN ARBOLES DE DECISION, QUE HA DADO MUY BUENOS RESULTADOS EN PROBLEMAS DE REGRESION: “XGBOOST”. SE AÑADIRA UNA ETAPA DE PREPROCESAMIENTO PARA DESCOMPONER CADA SERIE TEMPORAL EN UN CONJUNTO DE SUBSERIES QUE PUEDAN PREDECIRSE CON MAYOR FACILIDAD Y MEJORAR ASI LA PRECISION. PRIMERO, SE PROBARA UNA DESCOMPOSICION EN TENDENCIA-FLUCTUACIONES. A CONTINUACION, UNA HERRAMIENTA HEURISTICA, LA “EMPIRICAL MODE DECOMPOSITION” (EMD), JUNTO CON UN ALGORITMO MATEMATICAMENTE MAS RIGUROSO: LA “VARIATIONAL MODE DECOMPOSITION” (VMD). SE PROBARAN VARIAS ESTRATEGIAS DE ENTRENAMIENTO-VALIDACION ADEMAS DE LA DESCOMPOSICION FIJA DE LOS DATOS EN ESOS DOS SUBCONJUNTOS. PRIMERO SE PROBARA LA “CROSS VALIADATION” CON DIFERENTES TAMAÑOS DE LOS SUBCONJUNTOS DE ENTRENAMIENTO Y VALIDACION. A CONTINUACION, SE UTILIZARA TAMBIEN LA “WALK FORWARD VALIDATION”, EN LA QUE LOS MODELOS PREDICTIVOS SE VUELVEN A ENTRENAR CADA VEZ QUE SE PROPORCIONA UNA NUEVA PREDICCION.LAS SERIES TEMPORALES QUE SE UTILIZARAN SON EL CONSUMO HORARIO DE VARIAS PEQUEÑAS EMPRESAS, JUNTO CON VARIABLES METEOROLOGICAS, LOS PRECIOS DIARIOS DE LOS DERECHOS DE EMISION DE CO2 Y LA PRODUCCION DIARIA DE ENERGIA EN ESPAÑA, TANTO SU VALOR GLOBAL COMO DESAGREGADO PARA CADA TECNOLOGIA DE PRODUCCION.LAS HERRAMIENTAS QUE SE DESARROLLEN PODRIAN AYUDAR A LAS EMPRESAS GENERADORAS DE ELECTRICIDAD A PLANIFICAR UN USO MAS EFICIENTE DE SUS FUENTES DE ENERGIA, CONSIGUIENDOSE UN DOBLE BENEFICIO: POR UN LADO, UNA REDUCCION DEL COSTE ASOCIADO A LA COMPRA DE COMBUSTIBLE Y, POR OTRO, UNA REDUCCION DE LAS EMISIONES CONTAMINANTES. PARA LAS EMPRESAS QUE COMPRAN ELECTRICIDAD, PODRIAN AYUDARLES A REDUCIR SU FACTURA ELECTRICA GLOBAL.ADEMAS, LA PREDICCION DE LOS PRECIOS DE LOS DERECHOS DE EMISION DE CO2 TAMBIEN PODRIAN AYUDAR A ESAS EMPRESAS A OBTENER UNA ESTIMACION DE LA EVOLUCION DE LOS PRECIOS DE LA ELECTRICIDAD DEBIDO A LA INFLUENCIA QUE SOBRE ELLOS TIENEN ESOS PRECIOS.POR OTRO LADO, COMO TAMBIEN SE OBTENDRAN PREDICCIONES DE LA PRODUCCION DESAGREGADA DE LAS DIFERENTES FUENTES DE ENERGIA QUE COMPONEN EL MERCADO ENERGETICO ESPAÑOL, ESTA INFORMACION PUEDE SER UTIL PARA ESTUDIAR SU EVOLUCION Y PODER ASI SIMULAR DIFERENTES ESCENARIOS DE PRODUCCION QUE AYUDEN A DEFINIR POLITICAS ENCAMINADAS A REDUCIR LAS EMISIONES CONTAMINANTES, IMPULSANDO LA TRANSICION ECOLOGICA HACIA LAS ENERGIAS RENOVABLES. REDICCION DE SERIES TEMPORALES\PREDICCION DE LA PRODUCCION Y EL CONSUMO\REDES NEURONALES ver más
01/01/2021
UNEX
93K€
Perfil tecnológico estimado

Línea de financiación: concedida

El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01
Presupuesto El presupuesto total del proyecto asciende a 93K€
Líder del proyecto
UNIVERSIDAD DE EXTREMADURA No se ha especificado una descripción o un objeto social para esta compañía.
Total investigadores 803