Using neural networks to forecast the electric demand in Iberia

El sector de redes eléctricas es sin duda uno de los mayores y más relevantes gigantes
industriales conocidos en el mundo contemporáneo. Moviendo cantidades billonarias
de capital todos los años, resulta de gran interés al público general y más
específicamente a compañías inversoras debido a su volatilidad a corto plazo. Siendo
así muy interesante tanto académica como económicamente encontrar una forma
fehaciente de predecir la demanda eléctrica tomando y considerando múltiples factores.
Es aquí cuando toma lugar el uso de redes neuronales, un método ampliamente utilizado
durante las últimas décadas en variedad de campos de investigación como la
inteligencia artificial, la detección de patrones sociales, manejo de datos, machine
learning o incluso medicina.
Una gran variedad de factures de entrada deben ser considerados cuando se aplica el
método de las redes neuronales a nuestro problema, siendo unos de ellos, datos como
la temperatura, climatología o la demanda eléctrica histórica del país.
Los dos principales núcleos de estudio en este proyecto han sido el funcionamiento y
operación del sistema eléctrico español y su relación con los factores de entrada a tener
en cuenta sobre la variación de la demanda eléctrica y por supuesto y principalmente,
el funcionamiento y la operación de una red neuronal artificial multicapa, siendo este
el objeto de estudio mayoritario del trabajo.
Datos tanto de la Red Eléctrica Española S.A. como de la NOAA (National Oceanic
Atmospheric Administration (USA)) del 2020 han sido recolectados, tratados y usados
para entrenar no una, sino dos redes neuronales formadas por tres capas que usan los
algoritmos de feedforward y backpropagation para lograr cumplir el objetivo principal
del trabajo, lograr una predicción semi-precisa de la demanda eléctrica peninsular.

The electricity network sector is undoubtedly one of the most relevant and powerful
giants to be known of in the modern world. Moving billions of euros every year,
becomes of great interest to the general public and more specifically to companies such
as the investment type due to its increasing short-term volatility. Therefore, finding a
reliable way to forecast the demand prices considering a large variety of factors would
be very interesting both academic and economically. This is where neural networks
come into place, being an extensively used prediction method over the last few decades
in a wide range of fields, namely artificial intelligence, social trends detection, data
management, machine learning and even medicine.
A variety of input factors should be considered when applying the neural networks
methodology, the main ones being temperature, climatology and historic demand.
The two main items that will need deeper research are to be the peninsular electric
network operation and its intrinsic relationship with each one of the individual factors
that will be used to perform the calculations inside the neural network, and of course,
the operation method of the neural network, being the latter the main focus of the study
as not so much on how the electric system works.
Data both from Red Eléctrica Española S.A. and National Oceanic Atmospheric
Administration (USA) has been collected and used to train a pair of three-layered
feedforward neural networks using the backpropagation algorithm, modifying their
parameters to fulfill the objective of the project, which is a semi-accurate prediction on
the peninsular electric demand.