Análisis del impacto del COVID-19 en la demanda de energía eléctrica de los sistemas eléctricos de Canarias utilizando técnicas de Machine Learning

Con la aparición del virus del COVID-19 en Wuhan en diciembre de 2019, las sociedades de todo el mundo han tenido que cambiar su modo de vida debido a las duras restricciones impuestas por los gobiernos. Estos cambios en los patrones de vida tienen un reflejo directo en el consumo de energía. El sistema eléctrico de las islas canarias consta de seis sistemas aislados, de reducido tamaño, elevada vulnerabilidad de suministro y con una red de infraestructuras eléctricas débilmente mallada. En el presente trabajo se realiza una predicción a medio plazo de la demanda de energía eléctrica en el archipiélago canario mediante técnicas de Machine Learning con el objetivo de cuantificar el impacto en la demanda de electricidad provocado por las limitaciones del movimiento de personas y de la actividad económica para controlar la expansión de la pandemia. El enfoque propuesto incluye un análisis exploratorio previo de todos los factores que afectan a la demanda: temperatura, festividades y eventos fortuitos. A continuación, se ajustan los modelos para cada sistema eléctrico, incluyendo estos factores para garantizar una buena capacidad de predicción que permita obtener una estimación del impacto del COVID-19 en la demanda de electricidad. Los resultados muestran que los sistemas de Lanzarote-Fuerteventura, Tenerife y Gran Canaria fueron los más afectados durante los primeros meses de confinamiento, con reducciones de 32,96%, 20,4% y 14,21%, respectivamente. Este estudio demuestra la utilidad del enfoque propuesto basado en modelos para cuantificar el impacto del COVID-19 en la demanda de energía eléctrica.

With the emergence of the COVID-19 virus in Wuhan in December 2019, societies around the world have had to change their way of life due to the harsh restrictions imposed by governments. These changes in living patterns have a direct reflection on energy consumption. The electricity system of the Canary Islands consists of six isolated systems, of small size, high supply vulnerability and with a weakly meshed network of electrical infrastructures. In the present work, a medium-term prediction of electricity demand in the Canary Islands archipelago is carried out using Machine Learning techniques with the aim of quantifying the impact on electricity demand caused by the limitations of the movement of people and economic activity to control the spread of the pandemic. The proposed approach includes a previous exploratory analysis of all the factors affecting demand: temperature, festivities and special events. Models are then fitted for each power system, including these factors to ensure good predictive capability to obtain an accurate estimation of the impact of COVID-19 on electricity demand. The results show that the Lanzarote- Fuerteventura, Tenerife and Gran Canaria systems were the most affected during the first months of confinement, with reductions of 32.96%, 20.4% and 14.21%, respectively. This study demonstrates the usefulness of the proposed model-based approach to quantify the impact of COVID-19 on electricity demand.