Aplicación de Técnicas de Clustering a la Serie Temporal de los Precios de la Energía en el Mercado Eléctrico

Abstract

La principal tarea de las técnicas de clustering es formar grupos de elementos que presenten una conducta similar a partir de una base de datos. Se trata de generar un modelo capaz de simular el comportamiento del sistema de la manera más precisa posible. Así, en primer lugar, se procede a extraer el conocimiento necesario del sistema para, en segunda instancia, buscar los patrones capaces de conservar la información original y conseguir de este modo un modelo válido de descripción del sistema. En este trabajo se presentan dos técnicas de clustering particionales ampliamente conocidas, K-means y Expectation Maximization, para el análisis de la serie temporal de los precios de la energía eléctrica. Se demuestra que aplicar dichas técnicas resulta efectivo a la hora de dividir un año completo en diferentes grupos de días. Concretamente, se distinguen dos tipos de clusters fundamentales: los que identifican a los días laborables y aquellos que representan a los días festivos y los fines de semana. Igualmente resaltable es la similitud mostrada en el comportamiento de los días pertenecientes a una misma estación.