Predicción de la generación de energía eólica en la región de Biobío en Chile utilizando Machine Learning y series temporales - Investigación

Aug 5, 2026

El análisis predice la generación diaria de energía eólica en 15 centrales de la región del Biobío, abordando el reto chileno de fortalecer su transición energética y reducir la dependencia de fuentes externas. Se entrenan modelos de aprendizaje automático como Extra-Trees Regressor (ETR) y XGBoost, modelos de deep learning con LSTM y modelos de series temporales como SARIMAX. El uso de variables meteorológicas (presión atmosférica, dirección y velocidad del viento) mejora la captura de la dinámica de generación. La comparación del rendimiento identifica el enfoque más preciso y confiable, complementado con predicciones conformales para cuantificar la incertidumbre.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas62

Tiempo de lectura1 h 35 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Introducción

Marco Teórico

Enfoque de medición de la generación de energía

Métodos de pronóstico de energía eléctrica

Sistema eléctrico en Chile

Impacto de la energía eólica en el país y en la región

Mercado eléctrico chileno

Mercado spot

Mercado de contratos

Pregunta de investigación

Objetivos

Alcance

Metodología

Descripción de los datos

Variables

Análisis descriptivo

Modelos entrenados

Aprendizaje automático

Deep Learning

Series temporales

Selección de modelo

Métricas de evaluación

Resultados de modelos predictivos

Predicciones conformales

Observaciones finales o conclusiones

Anexos

Código fuente

Predicción de la generación de energía eólica en la región de Biobío en Chile utilizando modelos de Machine Learning y Series Temporales Autores: Paula Andrea Cadena Valencia, ([pcadenav@unbosque.edu.co](pcadenav@unbosque.edu.co)) Julio Alberto Muñoz Puga, ([jmunozpu](jmunozpu@unbosque.edu.co)[@unbosque.edu.co](jmunozpu@unbosque.edu.co)) William Rodrigo Parada Suarez, ([wparadap@unbosque.edu.co](wparadap@unbosque.edu.co)) Director: Alfonso Cubillos, ([acubillosde@gmail.com](acubillosde@gmail.com)) Maestría en Estadística Aplicada y Ciencia de Datos Departamento de Matemáticas y Estadística Facultad de Ciencias Universidad El Bosque Junio 07, de 2024 Contenido Resumen..................................................................................................................................... 3 Abstract......................................................................................................................................4 1. Introducción...........................................................................................................................5 2. Marco Teórico........................................................................................................................6 Enfoque de medición de la generación de energía................................................................7 Métodos de pronóstico de energía eléctrica.......................................................................... 8 Sistema eléctrico en Chile..................................................................................................... 9 Impacto de la energía eólica en el país y en la región......................................................... 11 Mercado eléctrico chileno................................................................................................... 12 El mercado spot................................................................................................................... 14 Mercado de contratos.......................................................................................................... 15 3. Pregunta de investigación................................................................................................... 16 4. Objetivos.............................................................................................................................. 16 5. Alcance................................................................................................................................. 17 6. Metodología......................................................................................................................... 18 6.1. Descripción de los datos.............................................................................................. 18 6.1.1. Variables.............................................................................................................. 18 6.1.2. Análisis descriptivo.............................................................................................21 7. Modelos entrenados............................................................................................................ 30 7.1. Modelo de Aprendizaje Automático............................................................................ 30 7.1.1. Modelos de Deep Learning....................................................................................... 32 7.1.2. Modelos de Series Temporales..................................................................................33 8. Selección de modelo............................................................................................................ 33 8.1. Análisis de métricas de evaluación de los modelos..................................................... 33 8.2. Resultados de los modelos predictivos........................................................................ 38 9. Predicciones conforma

Preguntas frecuentes

Qué modelos se utilizan para predecir la generación eólica en la región de Biobío?

Se emplean modelos de aprendizaje automático como Extra-Trees Regressor (ETR) y XGBoost, modelos de deep learning con LSTM y modelos de series temporales como SARIMAX.

Qué datos y variables influyen en el entrenamiento de los modelos?

Los modelos se entrenan con tres años de datos históricos e incorporan variables meteorológicas como presión atmosférica, dirección y velocidad del viento.

Cómo se determina qué modelo ofrece la mayor precisión y confiabilidad?

Se realiza una comparación del rendimiento de los modelos mediante métricas de evaluación, y luego se selecciona el enfoque con mejores resultados.

Para qué se aplican las predicciones conformales en este trabajo?

Las predicciones conformales se usan para obtener estimaciones más precisas y para evaluar la incertidumbre asociada a las predicciones.

Aug 5, 2026

Subir por Evangeline