Modelo de previsión de precios en mercados de electricidad de corto plazo

En las últimas décadas, la necesidad de pronosticar el precio diario de la electricidad no ha hecho más que aumentar. Hay diferentes beneficios que derivan de buenas predicciones. Estos incluyen, entre otros, mayores márgenes de beneficio para los distintos agentes del mercado y favorecer la integración de fuentes de energía renovables en el mercado eléctrico español (Querol Herrá, Javier, 2019).
Pronosticar los precios de la electricidad es un proceso muy complejo que no tiene una única solución. A lo largo de estas décadas desde que el mercado eléctrico dejó de ser un
monopolio, se han investigado y probado muchas técnicas y métodos con este fin en mente. Los modelos ARIMA, Regresión Multi Linear e IA son ejemplos de modelos que se utilizan frecuentemente. Todos ellos dependen de la estacionariedad y normalidad para pronosticar con precisión. En los últimos años, esto es menos realidad con respecto a los precios de la electricidad en España, ya que los comportamientos del mercado dependen de más factores (Electricity in Spain, 2023).
Este proyecto se centrará en la previsión utilizando herramientas estadísticas y no herramientas impulsadas por IA para las predicciones en sí mismas y en el uso de algoritmos
de aprendizaje automático para crear un recomendador/selector de modelos. El proyecto consiste en estudiar y comparar diferentes métodos de modelización y previsión. El primer objetivo ha sido crear dos modelos principales: uno que incluyera términos de estacionalidad y/o autorregresivos y un modelo de regresión.

In the last decades, the relevance of forecasting Day-ahead electricity price has only increased. There are different benefits to this prediction including but not limited to bigger
profit margins for individual market agents and assistance in the integration of renewable energy sources to the Spanish Electricity Market (Querol Herrá, Javier, 2019),
Be that as it may, forecasting electricity prices is a very complex process that has no one good solution. Over those decades since the electricity market stopped being a monopoly many techniques and methods have been tried and tested for this specific purpose. ARIMA, Multi Linear Regression and AI models are examples of them. All those depend on stationarity to forecast accurately. In recent years, this has become less of a reality regarding electricity prices in Spain (Electricity in Spain, 2023).
This project will focus on forecasting using statistical tools and not AI powered tools for
the predictions themselves and using Machine Learning Algorithms to create a Model Recommender or Model Selector.
This project consisted of the study and comparison of different methods for modeling and forecasting. The first goal was to create two main models, one that would include seasonality or autoregressive terms and a regression model.