Modelo de estimación del precio intradiario de la bolsa de energía eléctrica en Colombia mediante redes LSTM

Abstract

El mercado energético colombiano atraviesa una etapa de transformación, caracterizada por la volatilidad de los precios y la integración creciente de energías renovables. En este contexto dinámico, anticipar con precisión el precio intradiario de la energía eléctrica es fundamental para que generadores, comercializadores y consumidores tomen decisiones informadas, gestionen riesgos y optimicen sus estrategias comerciales. Este trabajo de grado desarrolla un modelo de predicción basado en redes neuronales LSTM (Long Short-Term Memory), una técnica de aprendizaje profundo especialmente adecuada para el análisis de series de tiempo en mercados eléctricos. Su idoneidad radica en la capacidad para capturar relaciones a largo plazo, manejar patrones no lineales y adaptarse a la alta volatilidad de los precios en los mercados energéticos, que dependen de múltiples variables históricas y exógenas como: consumo de combustible (MBTU), contratos de energía, variables temporales y cíclicas (hora, día, mes), etc. A partir de datos históricos y variables exógenas relevantes, se diseñaron modelos LSTM univariados y multivariados, los primeros se basan únicamente en la serie temporal del precio de la energía para hacer sus predicciones, es decir, toman como entrada una sola variable y generan una única respuesta; mientras que los modelos multivariados incorporan, además del historial de precios, otras variables exógenas (consumo de combustible (MBTU), contratos de energía, variables temporales y cíclicas, etc.). El desempeño obtenido por el modelo multivariado se comparó con el método tradicional ARIMA, así mismo con redes neuronales no recurrentes. Los resultados encontrados evidencian que los modelos LSTM presentan no lo una mayor precisión en la predicción de precios, sino también una mayor adaptabilidad. En este contexto, la adaptabilidad se refiere a la capacidad del modelo para ajustar eficazmente sus pronósticos frente a cambios abruptos o a nuevas dinámicas del mercado eléctrico, manteniendo un buen desempeño incluso bajo condiciones no vistas previamente o ante fluctuaciones inesperadas en las variables que afectan el precio. Esto destaca el potencial de las LSTM para responder a la naturaleza dinámica y compleja de los mercados eléctricos actuales. El presente trabajo proporciona una herramienta valiosa para la gestión de riesgos y la toma de decisiones en el sector eléctrico colombiano porque permite anticipar las fluctuaciones del mercado, posibilitando a las empresas generadoras, comercializadoras y demás actores del sector ajustar sus estrategias de compra y venta, optimizar contratos y diseñar esquemas de cobertura que minimicen pérdidas ante escenarios adversos.