Claves para obtener unas predicciones precisas en un Mercado Eléctrico cuartohorario (QH)

La implementación del mercado cuartohorario (QH) en el sector eléctrico español es un cambio significativo que permite una asignación más precisa de los desvíos y una operación más optimizada del sistema eléctrico. Sin embargo, exige a los agentes adaptar sus sistemas de previsión, operación y liquidación para manejar estos intervalos de mayor granularidad.

A partir del próximo 1 de mayo, la liquidación de desvíos se realizará en base a la medida con granularidad quince minutal, según la Resolución de 28 de marzo de 2025 de la Secretaría de Estado de Energía.

De esta forma finaliza el periodo transitorio en el que REE ha realizado la liquidación de los desvíos mediante la aplicación de una misma medida en los cuatro cuartos de hora. A partir de mayo, se comenzará a liquidar de forma cuartohoraria, ya sea con datos reales de los contadores o con interpolaciones, en todas las instalaciones de producción y puntos de consumo del sistema eléctrico.

Esta nueva actualización en el sistema eléctrico conlleva que los sistemas de previsión también requieran de una interpolación horaria a cuarto horaria, para que los diferentes agentes de mercado puedan ajustar sus posiciones en el mercado intradiario, para definir los programas quinceminutales y reducir el impacto de los desvíos.

A continuación, os damos las claves para obtener que estas previsiones respondan a los nuevos requisitos del mercado.

Contar con la medida histórica de 15 Minutos

La disponibilidad de datos históricos en intervalos de 15 minutos siempre va a representar una ventaja competitiva significativa frente al enfoque tradicional con datos horarios, ya que permite capturar patrones intrahorarios con mayor precisión, lo queda lugar a modelos más robustos y adaptados a las necesidades del nuevo esquema de liquidación de 15 minutos.

Pero debido a que este enfoque quinceminutal representa un mayor coste tecnológico para los agentes, o por no disponer de históricos suficientes, habitualmente los agentes de mercado trabajan con predicciones base horaria, a la que posteriormente se realiza una interpolación para estimar valores en intervalos de 15 minutos.

La elección del método de interpolación dependerá del tipo de punto de medida y de los requisitos específicos del mercado eléctrico:

• Puntos de Medida Tipo 4 y 5: En estos casos, se seguirá utilizando una interpolación lineal, siguiendo el método establecido por REE. Este enfoque es suficiente para cumplir con los requisitos de liquidación en estos tipos de puntos.
• Puntos de Medida Tipo 1, 2 y 3: Para estos puntos, en los que la liquidación se realizará en base a medidas reales en QH, es necesario implementar un proceso avanzado de interpolación con propiedades específicas:

– Continuidad en la función y sus derivadas (hasta el segundo orden): Esto garantiza transiciones suaves entre segmentos adyacentes, evitando cambios bruscos en pendientes o curvaturas.

– Flexibilidad para modelar comportamientos no lineales, es decir la función de interpolación debe tener la capacidad de ajustar parámetros permite capturar patrones complejos.

– Consistencia integral: La interpolación debe asegurar que la suma de los valores interpolados en intervalos de 15 minutos reproduzca exactamente la medida horaria original. Esta condición es esencial para garantizar la coherencia entre las operación mercado diaria horarias y las intradiarias 15m.

1. En el caso particular de la energía fotovoltaica (PV), los estudios y análisis realizados por Gnarum demuestran que,una vez se disponga de los suficientes datos históricos quinceminutales, los resultados derivados del entrenamiento y calibración en esta misma granularidad, superarán a los que se obtendrían partiendo de un entrenamiento horario y con un proceso de interpolación posterior.

1. En el caso de previsión de consumo eléctrico, no es necesario acumular un histórico extenso en 15 minutos, ya que el comportamiento futuro depende más de tendencias recientes y patrones de corto plazo. Esto permite obtener resultados inmediatos sin necesidad de grandes volúmenes de datos históricos.

Contar con fuentes de datos meteorológicos con mayor resolución temporal

Otra de las claves para mejorar la precisión de las predicciones, es contar con datos meteorológicos con la misma resolución que la obtención de las medidas.

En ocasiones, la falta de coherencia temporal entre los datos meteorológicos y los intervalos de medidas QH puede introducir ruido y distorsionar los modelos predictivos. Por ello, es fundamental alinear la resolución temporal de ambos conjuntos de datos.

Esto es especialmente crítico para tecnologías como la eólica, ya que las rápidas fluctuaciones en la velocidad del viento hacen imprescindible disponer de datos meteorológicos en QH para capturar estas variaciones y mejorar la calidad de las predicciones. Según los modelos predictivos desarrollados por Gnarum, solo se obtienen mejoras significativas si los datos meteorológicos tienen la misma granularidad que los datos de generación.

El futuro del mercado eléctrico, como vemos, apunta hacia la adopción sistemas de predicción a muy corto plazo, que combine datos en tiempo real con modelos predictivos avanzados.

Con la entrada en vigor de la Reforma del Diseño del Mercado Eléctrico (EMDR), prevista para el 1 de enero de 2026, la negociación en el Mercado Intradiario Continuo (MIC) jugará un papel central ya que la frecuencia de negociación cada 30 minutos garantiza que las predicciones Nowcasting que se generan cada 15 minutos, puedan ser operadas en el mercado, maximizando su precisión y utilidad.

En el caso de que las plantas operen en Servicios de Ajuste (SSAA), el modelo se complementaría con integración de energía producible proporcionados por los SCADAs. 

Innovación en predicciones de 15 Minutos

En este contexto de transformación y exigencia creciente por predicciones precisas, a intervalos de 15 minutos, Gnarum se destaca como un actor clave, que está trabajando activamente para ofrecer las mejores soluciones predictivas del mercado.

Sus esfuerzos se centran en varios pilares fundamentales:

• • Entrenamiento de algoritmos directamente a partir de medidas históricas de 15 minutos: utilizamos datos históricos de resolución temporal 15m para entrenar sus algoritmos predictivos, como hemos visto, un enfoque que da lugar a modelos más robustos. De especial interés su uso en CUPS de gran Consumo, por su impacto directo en la mejora de desvíos, sin necesidad de acumular histórico.
  • Modelos meteorológicos con mayor resolución: Gnarum emplea fuentes meteorológicas de alta resolución temporal, para mejorar las predicciones de la generación energía renovable, especialmente en plantas eólicas.
  • Modelos de Nowcasting con integración de medida en tiempo real con Alta Frecuencia: Estos modelos desarrollados por Gnarum permiten anticipar eventos críticos, como cambios bruscos en la demanda o interrupciones en la generación, facilitando respuestas rápidas y eficientes.
  • Sistemas de trading para operar de forma automática con Alta Frecuencia de generación: Gnarum ha implementado sistemas de trading automatizados, que operan con alta frecuencia de generación de ofertas calculadas en base al desbalance de energía, con 45 minutos de antelación al envío de oferta. Estos sistemas permiten a los operadores del mercado ejecutar estrategias optimizadas en tiempo real y de forma desatendida. 

Gracias a estos avances, Gnarum se posiciona como un líder en la provisión de soluciones predictivas para el mercado eléctrico, ayudando a sus clientes a navegar con éxito el cambio hacia liquidaciones de 15 minutos.

¿Necesitas que te asesoremos? No dudes en ponerte en contacto con nosotros.