La profesora del área de Ingeniería Mecánica de la Universidad Miguel Hernández (UMH) de Elche Carolina Senabre ha presentado en un congreso internacional un modelo de inteligencia artificial para mejorar la predicción de la demanda eléctrica en el corto plazo mediante la introducción de variables meteorológicas. El estudio ha sido premiado como mejor comunicación en el congreso ICELFA celebrado en Tokyo (Japón).

Fuente: UMH

Este sistema de redes neuronales y motores de estimación fue puesto a prueba en las islas Baleares. Los investigadores analizaron distintas variables meteorológicas como la temperatura, la nubosidad, la radiación solar y la velocidad del viento, alcanzado errores de predicción de la demanda eléctrica entorno a un 2,7%.

Actualmente, la Red Eléctrica Española (REE) elabora la previsión de la demanda eléctrica a partir de valores de consumo de periodos precedentes similares (históricos de datos) y ajusta este cálculo con una serie de factores como son el calendario, la climatología y la actividad económica. En el caso de las islas, la predicción de la demanda eléctrica requiere de un análisis más concreto de estos parámetros al ser sistemas diferentes con respecto a la demanda peninsular. Una previsión acertada de la demanda eléctrica es esencial para reducir los costes operativos del sistema eléctrico y para mejorar la eficiencia de los recursos de generación y de las redes de distribución eléctrica de Alta y Media Tensión disponibles.

La profesora de la UMH ha recibido el premio a la mejor presentación del Congreso ICELFA 2019 celebrado en Tokyo (Japón). Este congreso internacional está centrado en aplicaciones para la previsión de demanda eléctrica. El estudio de la profesora Senabre ha sido financiado por la Generalitat Valenciana en la convocatoria para Grupos de Investigación Consolidables AICO/2018.