Estudio de la mejora de modelos de comportamiento de variables energéticas mediante Committee Machine de redes neuronales Alain Porto IK4-Ideko, Arriaga Industrialdea 2, Elgoibar, 20870, Spain, aporto@ideko.es Mikel Larrea, Eloy Irigoyen DISA, EIB-1, UPV/EHU, Bilbao, 48013, {m.larrea,eloy.irigoyen}@ehu.eus Resumen El presente trabajo está basado en la modelización de sistemas dinámicos no lineales utilizando diferentes técnicas. Se presentarán los modelos neuronales de dos sistemas complejos, como son el consumo de gas natural y el de electricidad. Dado que el trabajo se ha llevado a cabo con la colaboración de EDP España, desde la compañía se han determinado una serie de directrices a la hora de desarrollar el estudio, de tal modo que cubran diferentes necesidades para cada uno de los sistemas. El objetivo principal de este trabajo es estudiar qué metodología de trabajo se ajusta mejor en el proceso de modelización de los sistemas energéticos, los cuales tienen el carácter de sistemas dinámicos no lineales, mediante la utilización de Redes Neuronales Artificiales, así como la búsqueda de nuevas técnicas que se puedan añadir a las herramientas de predicción que mejoren su rendimiento, como son las Comitte Machine y las operaciones de Boosting. Los resultados presentados mostrarán las mejoras logradas en la estimación de las variables energéticas por medio de estas técnicas. Palabras Clave: Redes Neuronales, Committee Machine, Boosting, Series Temporales, Sistemas Dinámicos. 1 INTRODUCCIÓN Uno de los principales objetivos de una empresa suministradora de energía es disponer de unas previsiones de consumo a corto plazo fiables, con el fin de optimizar la gestión de dicho consumo mediante los recursos de los cuales dispone. Un correcto pronóstico mejora la gestión del plan de operaciones de las empresas suministradoras, tarea que se realiza no sólo en función de los recursos disponibles sino también de la demanda prevista a abastecer y del cumplimiento de los compromisos contractuales con empresas suministradoras, distribuidoras y comercializadoras. La problemática de la predicción de energía ha sido abordada con diferentes tecnologías. Las metodologías clásicas distan de aportar una solución bien ajustada, viéndose que los modelos lineales no son capaces de representar series temporales reales que posean comportamientos no lineales, para los cuales, en muchos casos no existen suficientes leyes físicas o económicas que permitan especificar completamente un modelo estadístico para su representación (Haykin, 1994). Las redes neuronales artificiales son técnicas no paramétricas muy utilizadas en diversos ámbitos de la ciencia e ingeniería porque permiten resolver problemas complejos, que muchas veces no son fáciles de resolver utilizando técnicas tradicionales como la regresión lineal o polinómica. Las redes neuronales permiten obtener un modelo no explícito que relaciona un conjunto de variables de salida con un conjunto de variables de entrada. Así, estos modelos permiten predecir cuál es el valor de salida, dados unos valores de entrada al modelo (Viñuela, 2004). En el año 2017 en España, entre otros operadores se encontraba EDP Naturgas Energía, un grupo energético integral que tiene como objetivo el suministro de gas y electricidad a empresas y particulares a precios competitivos. Para ello, distribuye gas en el mercado regulado, y comercializa tanto gas, como electricidad. EDP Naturgas Energía cuenta con 425 kilómetros de gasoductos de transporte, localizados principalmente en el País Vasco, siendo el segundo transportista del mercado español en kilómetros de red. EDP Naturgas Energía prestaba servicio al cierre de 2011 a más de 963.873 puntos de suministro en el mercado regulado y a 787.800 clientes de gas en el mercado liberalizado, así como a más de 106.000 de electricidad. Lo cual la sitúa como el segundo distribuidor de gas natural del mercado español. El presente trabajo tiene como objetivo principal la modelización de sistemas dinámicos no lineales mediante Redes Neuronales (RN), estudiando nuevas técnicas que complementen las herramientas Actas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018 937