Predicción y optimización del consumo energético de clientes mediante algoritmos de análisis y modelado de datos

Abstract

El presente Trabajo de Fin de Grado se centra en el desarrollo de un programa informático destinado a realizar previsiones de consumo de energía para una comercializadora eléctrica. El objetivo principal es determinar la cantidad de megavatios (MW), por hora y por día, que la empresa debe adquirir con antelación para cubrir la demanda de energía de sus suministros. El programa implementado utiliza técnicas de análisis y modelado de datos para estimar de manera precisa los niveles de consumo de anergia de cada uno de los suministros asociados a la comercializadora. Para ello, se recopilan y analizan datos históricos presentes en bases de datos, así como otros factores relevantes, como las condiciones meteorológicas, los patrones de consumo estacionales y las tendencias del mercado energético. Mediante algoritmos de pronóstico y procesamiento de datos, el programa genera predicciones a corto, medio y largo plazo sobre los niveles de consumo de energía. Estas previsiones permiten a la comercializadora tomar decisiones informadas y estratégicas sobre la compra anticipada de la cantidad adecuada de energía, evitando así problemas de desabastecimiento o exceso de oferta. La implementación de este programa proporcionara a la comercializadora una ventaja competitiva al optimizar su gestión de compras de energía, reducir los costos asociados a la adquisición y garantizar una cobertura adecuada de la demanda. Además, contribuirá a una mayor eficiencia energética al evitar desperdicios y ajustar la producción a las necesidades reales.

This Bachelor’s Thesis focuses on the development of a computer program aimed at forecasting energy consumption for an electricity retailer. The main objective is to determine the amount of megawatts (MW), per hour and per day, that the company needs to acquire in advance to meet the energy demand of its supplies. The implemented program utilizes data analysis and modeling techniques to accurately estimate the energy consumption levels of each supply associated with the retailer. Historical data stored in databases, along with other relevant factors such as weather conditions, seasonal consumption patterns, and energy market trends, are collected and analyzed. Through forecasting algorithms and data processing, the program generates short, medium, and long-term predictions of energy consumption levels. These forecasts enable the retailer to make informed and strategic decisions regarding the proactive procurement of the appropriate amount of energy, thereby avoiding supply shortages or excess. The implementation of this program will provide the retailer with a competitive advantage by optimizing their energy purchasing management, reducing acquisition costs, and ensuring adequate coverage of demand. Furthermore, it will contribute to greater energy efficiency by avoiding waste and adjusting production to real needs.