Predicción del precio en bolsa de la energía eléctrica en Colombia mediante modelos estadísticos y redes neuronales

Abstract

El precio en bolsa de la energía eléctrica en Colombia presenta alta volatilidad como consecuencia de la alta participación de generación hidroeléctrica en la matriz energética y la sensibilidad del sistema a variables climáticas y de demanda (Weron, 2014; XM S.A. E.S.P ,2023). Esta incertidumbre dificulta la planeación operativa, financiera y comercial de los agentes del mercado eléctrico. En respuesta a esta problemática, el presente trabajo tiene como propósito desarrollar y comparar modelos de predicción del precio en bolsa, utilizando enfoques estadísticos tradicionales como ARIMA ((Autoregressive Integrated Moving Average) y redes neuronales de tipo LSTM (Long Short-Term Memory), con el fin de determinar el modelo más preciso y robusto en el contexto colombiano. Para ello, se recopilarán y analizarán datos históricos de precios, demanda, generación, reservas y variables hidrológicas provenientes del operador del sistema (XM S.A. E.S.P.), aplicando técnicas de análisis exploratorio, limpieza y transformación de datos. Posteriormente, se entrenarán y evaluarán los modelos utilizando métricas como el Error Absoluto Medio (MAE), la Raíz del Error Cuadrático Medio (RMSE) y el Error Porcentual Absoluto Medio (MAPE), siguiendo lineamientos metodológicos ampliamente aceptados en la literatura (Hyndman & Athanasopoulos, 2018; Weron, 2014). Se espera que este proyecto aporte tanto desde el punto de vista técnico como práctico, proporcionando un marco comparativo para la aplicación de modelos predictivos en mercados eléctricos. La propuesta se enmarca en la analítica energética y busca fortalecer las capacidades de planificación bajo escenarios de incertidumbre, en línea con las tendencias actuales de uso de inteligencia artificial en sistemas eléctricos.