La electricidad es uno de los recursos más importantes de nuestra sociedad actual, sin ella no podríamos vivir de la forma en que vivimos. Hay que tener en cuenta que es extremadamente complicado almacenarla, sobre todo cuando se trata de almacenar grandes cantidades de energía. Lo ideal es generarla e instantáneamente después consumirla, por lo que se debería predecir el consumo de electricidad, para así ser capaz de adaptarse y generar la cantidad de electricidad necesaria para que no haya pérdidas.
Para abordar este problema de demanda eléctrica, y con el objetivo de predecir el precio de la electricidad para un espacio de tiempo concreto, se han analizado y limpiado una serie de datos relacionados con las diferentes formas de generar energía y con las condiciones meteorológicas, hasta convertirlos en datos bastante fiables. Por otra parte, se han implementado modelos de predicción basados en dos tipos de modelos distintos, los modelos auto regresivos y las redes neuronales artificiales profundas.
Al final ya solo queda evaluar dichos modelos y elegir cuál de ellos se adapta mejor a los datos de los que se disponen a medida que se van realizando experimentos y extrayendo conclusiones de los mismos, lo que permite tomar una decisión inteligente y acertada.
Electricity is one of the most important resources in our society nowadays, without it we would not be able to live they way we do. It has to be taken into account that it is extremely difficult to store it, especially when it comes to storing large amounts of energy. Ideally, it should be generated and then instantly consumed, so electricity consumption should be predicted, in order to be able to adapt and generate the necessary amount of electricity so that there are no losses.
To tackle this electricity demand problem, and with the aim of predicting the price of electricity for a specific period of time, a series of data related to the different ways of generating energy and to meteorological conditions have been analysed and cleaned, until they have been converted into fairly reliable data. Moreover, prediction models based on two different types of models, auto-regressive models and deep artificial neural networks, have been implemented.
In the end, all that remains is to evaluate these models and choose which of them best fits the available data as experiments are carried out and conclusions are drawn from them, allowing an intelligent and accurate decision to be made.