Manuel Oviedo de la Fuente. Abstract:
En esta charla se trata la predicción de variables relacionadas con la producción de energía, principalmente, con variables asociadas con el precio y la demanda de energía. En este tipo de entornos (industriales) es común tener un conjunto enorme de posibles predictores que deben seleccionarse de forma apropiada. Nuestra propuesta aborda el problema de la selección de variables tanto cuando algunas de las covariables tienen una naturaleza funcional (como la curva diaria del precio de la energía) como cuando se trata de otro tipo de variables (escalares, multivariantes, categóricas, etc.). El algoritmo comienza con un modelo nulo y selecciona secuencialmente una nueva variable para incorporarla al modelo basándose en el uso de la correlación de distancia (Szekely et al. 2007). Este procedimiento ha mostrado resultados satisfactorios tanto en simulaciones como en conjuntos de datos reales y está disponible en la librería fda.usc en R. Como ilustración, se mostrarán los resultados de la predicción de la demanda y precio de la energía en el mercado ibérico utilizando información procedente de diferentes fuentes como: el tipo de energía generada (nuclear, carbón, ciclo combinado, renovables, etc.), información meteorológica (temperatura, radiación solar, velocidad del viento, etc.) y variables estacionales o de efecto de calendario (año, mes, día de la semana, festivos, días de huelga, etc.).

José Luís Crespo Vázquez. Abstract:
Si bien la aplicación de técnicas de optimización en problemas relacionados con el sector eléctrico es abundante y variada, la aparición de nuevos actores está planteando nuevos problemas y oportunidades que requieren de la utilización de técnicas de optimización y análisis de datos. El objetivo de esta presentación es introducir dos ejemplos de esta necesidad.
Por un lado, las plantas de generación de electricidad basadas en fuentes renovables necesitan modelos de toma de decisiones que le permitan optimizar su participación en el mercado de electricidad en un entorno de incertidumbre. Se presenta así, un modelo estocástico de dos etapas que permita definir la estrategia de participación en el mercado eléctrico de una planta eólica que cuenta con capacidad de almacenamiento de energía. La incertidumbre asociada al recurso eólico y a los precios de energía se modela mediante escenarios obtenidos a partir de datos disponibles, utilizando técnicas de aprendizaje automático.
Por otro lado, se introducirá el concepto de mercados locales de energía ante el previsible aumento de nuevos agentes como el coche eléctrico o los prosumidores de electricidad, y cómo las técnicas de optimización ayudan a resolver problemas ligados a los mismos tales como la definición de precios.