La Universidad Pablo de Olavide y la empresa ISOTROL han llegado a un acuerdo de colaboración mediante el cual un equipo de investigación  compuesto por  miembros del Data Science and Big Data Lab de la UPO y la propia empresa llevarán a cabo el Proyecto ‘ANAMEL: Análisis de datos asociados a la predicción en los mercados eléctricos’, orientado al desarrollo de modelos basados en técnicas de Machine Learning y Big Data para su posterior aplicación al sector eléctrico. En concreto, en este proyecto se obtendrán modelos para la previsión de la dinámica de los mercados eléctricos que soporten la toma de decisiones en las subastas del sector.

Personal investigador del Data Science and Big Data Lab de la UPO

La predicción de los precios de energía eléctrica es un área de investigación muy activa debido a la complejidad del mercado eléctrico español. La obtención de una predicción de precios aproximada posible es fundamental para que los agentes participantes en el mercado puedan optimizar su estrategia, más aún en el caso de las energías renovables como la eólica o fotovoltáica, dada su gran influencia en el precio del mercado eléctrico.

El equipo de investigación, dirigido por la profesora de la UPO y vicerrectora de Tecnologías de la Información e Innovación Digital Alicia Troncoso Lora, determinará qué variables son fundamentales para obtener un modelado de la dinámica del mercado eléctrico y usará técnicas de Machine Learning desarrolladas por el propio personal investigador para predecir los precios y definir la algoritmia que permita llevar a cabo la estrategia a seguir para la participación del agente en el mercado eléctrico. En la actualidad, ya se están obteniendo los primeros resultados que demuestran la capacidad de las técnicas de Machine Learning para aprender modelos a partir de los datos, dando lugar a conocimiento útil para los expertos.

Con este proyecto, el equipo de investigación potencia su línea de Big Data al desarrollar algoritmos capaces de procesar grandes volúmenes de datos obteniendo modelos predictivos de una gran fiabilidad en numerosos campos de aplicación.