AleaMid

Incorpora nuevos algoritmos para resolver la problemática de la previsión horaria a medio plazo, utilizando herramientas de inteligencia artificial y estadística.

• Obtiene previsiones de demanda horaria con horizonte de hasta tres años (26.280 horas)
• Tiene en cuenta las variables explicativas que inciden sobre la demanda energética en el medio plazo, relacionadas con los siguientes aspectos: calendario, condiciones climatológicas, umbrales de sensibilidad a la temperatura y actividad económica.
• La solución se instala a tu medida, de acuerdo a las necesidades específicas que nos plantees.
• El tipo de previsión puede ser: demanda nacional, regional, por tipología del consumidor (industrial o doméstico), puntas, valles…
• Una vez que los modelos de previsión han sido desarrollados por nuestros especialistas, la solución funciona automáticamente.
• Gracias a un esquema adaptativo que actualiza los parámetros de los modelos de forma continua, la aplicación puede ser utilizada por un usuario sin amplios conocimientos estadísticos
• La solución se alimenta a diario con datos de demanda y variables climatológicas, a partir de las fuentes internas o externas de actualización. La actualización de datos y la previsión puede generarse automáticamente a una determinada hora.
• Ayuda a la toma de decisiones, gracias a herramientas específicas para analizar la variabilidad de las previsiones:
  • Incorpora una funcionalidad de escenarios de temperatura y económicos.
  • Permite obtener un intervalo de confianza asociado a la previsión, que permiten conocer previsiones complementarias con menos probabilidad de ocurrir, pero a tener en cuenta para la toma de decisiones.
• La solución brinda información útil para el usuario:
  • Permite visualizar los datos involucrados en el proceso de previsión, para comprender el proceso de previsión.
  • Incorpora una función de reporting con información relativa a los resultados de previsión.
  • Permite realizar previsiones de fechas anteriores con temperaturas reales o previstas, con el fin de comprobar el efecto de la previsión de la temperatura sobre la previsión de demanda.