Using neural networks to forecast the electric demand in Iberia

Abstract

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.