El algoritmo que predice la demanda de electricidad

El proyecto, desarrollado en Bilbao por Álvarez junto con sus compañeros Santiago Mazuelas y José Antonio Lozano, consiste en un sistema de inteligencia artificial que analiza bases de datos de consumo y aprende de ellas para hacer estimaciones. Un algoritmo de predicción que acierta mucho, aprende en condiciones cambiantes y permite manejar bien la incertidumbre. El trabajo ha sido merecedor del Premio SEIO-Fundación BBVA en la categoría de Mejor contribución aplicada en Estadística.

Publicado en la revista 'IEEE-Transactions on Power Systems', el estudio ha sido puesto a prueba con bases de datos de áreas de múltiples tamaños, desde un grupo de cien edificios hasta una ciudad entera como Bélgica (11,5 millones de habitantes), pasando por poblaciones intermedias, como la ciudad de Dayton en Ohio (algo más de 137.000 residentes). «El algoritmo estudia esos datos y hace una predicción de consumo para cada una de las 24 horas de la jornada siguiente. Luego comprueba si ha acertado, registra los nuevos datos reales y vuelve a hacer una predicción. Y, así, sucesivamente. Nunca deja de aprender, y sus resultados han acabado siendo realmente buenos comparados con otras herramientas del sector: su tasa de error está entre el 4% y el 10%«, explica Álvarez.

Además, el sistema también está diseñado teniendo en cuenta la variabilidad del tiempo, porque los patrones de consumo cambian no solo de un año a otro, sino también entre estaciones o de una semana a la siguiente.

Este fue uno de los dos problemas que se encontró Álvarez junto con su equipo cuando comenzaron a diseñar un método para predecir el consumo energético. El otro, la volatilidad de los datos, que no permitía dar resultados de un único valor, porque los datos siempre serían inexactos.

Han trabajado mucho en el diseño del sistema para que pueda trabajar con datos puntuales, como la temperatura, la humedad, si el día es festivo o si ese día ocurre un evento deportivo como un partido de fútbol. «Son condiciones que afectarán al consumo de energía y, por tanto, relevantes«. Y además, para suplir el problema de compartir resultados en un único valor, la inteligencia artificial de Álvarez proporciona predicciones probabilísticas. Ofrece resultados del tipo: la probabilidad de que el consumo sea de 2 kW es de un 90%; la probabilidad de que el consumo sea de 1,5 kW es de un 60%. Y eso es muy importante porque cuantifica la incertidumbre, »como cuando la agencia meteorológica le pone un tanto por ciento a la probabilidad de precipitaciones«.

La gran capacidad de aprendizaje continuo con la que se ha diseñado permite que la inteligencia artificial se pueda adaptar a cualquier variable, por muy cambiante que sea. «Por ejemplo, si se va ampliando el número de coches eléctricos es un dato muy volátil, porque no sabemos cuántos hay o cuándo la gente los va a enchufar; pero si en una urbanización de cien casas aumenta este tipo de vehículos y los propietarios los cargan por la noche, el sistema lo detectará y adaptará la previsión de consumo de modo correlativo».

El código fuente de esta inteligencia artificial está disponible de manera abierta para todos los investigadores que la quieran utilizar. De hecho, a Álvarez le consta que ya hay varios grupos de investigadores probando y utilizando su algoritmo. Además del interés científico, la investigadora aclara que esta inteligencia artificial se podría utilizar en cualquier otro ámbito. «A nivel empresarial, permitiría conocer la demanda energética de sus negocios, o a nivel particular, siendo realmente útil si haces uso de energías renovables en tu hogar, para conocer la energía que debes de producir y no excederte«.

Ante un invierno complejo, «tener previsiones precisas ayuda a garantizar el suministro, dado que vamos a tener que recurrir mucho más a las fuentes de energías renovables, cuya capacidad de generación no siempre coincide con el momento en que se las necesita».