Resumen Técnico: Una Red Neuronal Informada por Reglas de Mercado para la Predicción Eficiente de Precios de Desequilibrio Eléctrico

Enunciado del Problema

La predicción precisa y eficiente de los precios de desequilibrio eléctrico es crítica para los sistemas de comercio energético industrial, particularmente a medida que los activos de baterías y las pipelines de ofertas automatizadas participan cada vez más en los mercados de ajuste. Sin embargo, la predicción en tiempo real enfrenta tres desafíos principales:

1. Reglas de Mercado No Lineales: Los precios de desequilibrio se determinan mediante reglas de liquidación transparentes pero complejas, por partes y no lineales que mapean señales del sistema (por ejemplo, volúmenes de desequilibrio, reservas activadas) a precios.
2. Heterogeneidad de Datos y Latencia: La predicción requiere sincronizar señales heterogéneas (datos del sistema, del mercado y de reservas) bajo estrictas restricciones temporales, a menudo complicadas por retrasos en la comunicación, retrasos en la publicación y fallos en la medición.
3. Pérdida de Información en la Compresión: Los enfoques existentes de aprendizaje profundo a menudo tratan los precios de desequilibrio como objetivos genéricos de series temporales. Un problema crítico identificado es la no invertibilidad de la función de fijación de precios: comprimir características crudas ($F_t$) en un precio rezagado ($P_t$) descarta información predictiva porque múltiples estados distintos de características crudas pueden mapearse al mismo precio, haciendo que las predicciones futuras sean indistinguibles si solo se utiliza el precio comprimido como entrada.

Metodología

Los autores proponen la Red Neuronal Informada por Reglas de Mercado (MRINN), un marco que incorpora las reglas conocidas de formación de precios de desequilibrio directamente en el espacio latente de una red neuronal expresiva.

Arquitectura Central

1. Procesamiento de Entrada: Las señales crudas (por ejemplo, volúmenes de aFRR/mFRR, precios intradiarios, desequilibrio del sistema) se proyectan en un espacio vectorial latente en lugar de comprimirse en un precio escalar.
2. Inyección Diferenciable de Reglas: Las reglas deterministas de fijación de precios (Ecuaciones 1–16 en el artículo) se implementan como operadores diferenciables dentro del espacio latente. Para manejar operaciones no diferenciables o discontinuas inherentes a las reglas del mercado, los autores introducen aproximaciones específicas:
   • Mínimo/Máximo: Reemplazados con funciones softplus para garantizar un flujo suave de gradientes.
   • Valor Absoluto: Aproximado mediante $\sqrt{a^2 + \epsilon}$.
   • Función Signo: Aproximada mediante la tangente hiperbólica (tanh).
   • División: Estabilizada añadiendo una constante pequeña al denominador.
   • Lógica Condicional (Si-Entonces): Reemplazada con un mecanismo de selección suave utilizando pesos softmax para crear una estructura de ramificación diferenciable.
   • Constantes: Las constantes predefinidas del mercado se transforman mediante RobustScaler para coincidir con la escala del espacio latente.
3. Cabeza de Predicción: El modelo utiliza una cabeza jerárquica de cuantiles para producir predicciones probabilísticas. Este diseño impone incrementos no negativos entre cuantiles (por ejemplo, de la mediana a los límites superior/inferior), garantizando cero cruce de cuantiles y mejorando la fiabilidad.
4. Objetivo de Entrenamiento: El modelo se optimiza utilizando la Pérdida Promedio de Cuantiles (AQL).

Configuración Experimental

• Conjunto de Datos: Datos con resolución de 15 minutos del mercado de ajuste austriaco (2022–2026).
• Líneas Base: El modelo se compara con:
  • Modelos ingenuos: Persistencia (último precio) e índices intradiarios.
  • Modelos basados en Precios Rezagados: Regresión Cuantílica Lineal (LQR), XGBoost y MLP utilizando solo precios pasados.
  • Modelos basados en Características Crudas: Arquitecturas avanzadas de aprendizaje profundo (AttnBiLSTM, iTransformer, PatchTST, TimesNet, TimeXer) utilizando señales crudas.
• Evaluación: Un protocolo de validación cruzada temporal de 3 pliegues que cubre un año completo, con métricas que incluyen AQL, Error Absoluto Medio (MAE), Error Cuadrático Medio Raíz (RMSE) y Tasa de Cruce de Cuantiles (AQCR).

Resultados Clave

1. Rendimiento vs. Líneas Base:

   • MRINN logró un AQL de 20.70, superando a la mejor línea base ingenua (25.44) en un 18.63% y a la mejor línea base basada en precios rezagados (MLP, 22.51) en un 8.04%.
   • En la predicción puntual, MRINN redujo el MAE a 49.36 y el RMSE a 277.33, superando a todos los demás modelos.
   • Crucialmente, MRINN logró un 0.00% de cruce de cuantiles, mientras que las líneas base puramente basadas en datos de características crudas exhibieron tasas de cruce entre 6.58% y 8.53%.

2. Eficiencia de Parámetros:

   • MRINN requiere solo 1,817 parámetros entrenables (~400 KB de tamaño de modelo).
   • Esto es significativamente más pequeño que las líneas base genéricas de aprendizaje profundo (por ejemplo, AttnBiLSTM con 28.3k parámetros, TimeXer con 21.7k), que a menudo requieren cientos de megabytes al escalarse.
   • El tiempo de entrenamiento es de aproximadamente 40 segundos tanto en CPU como en GPU, demostrando una alta eficiencia computacional.

3. Ablación y Sensibilidad:

   • Contribución de Componentes: Eliminar cualquiera de los tres componentes de precios (Energía de Ajuste, Referencia de Mercado, Función de Escasez) degradó el rendimiento. El componente de Escasez fue el más crítico para el modelado de incertidumbre (AQL), mientras que el componente de Energía de Ajuste fue el más crítico para la precisión puntual (MAE).
   • Leyes de Escala: La predicción a corto plazo (horizonte < 180 min) funcionó mejor con ventanas de entrada cortas (0–60 min), mientras que horizontes más largos se beneficiaron de ventanas de entrada más largas (1440 min), sugiriendo una compensación entre el ruido reciente y el contexto estacional a largo plazo.

Significado y Afirmaciones

El artículo argumenta que los priores de reglas de mercado y las redes neuronales expresivas deben utilizarse conjuntamente para aplicaciones de comercio energético industrial. Las contribuciones y afirmaciones clave son:

• Abordar la No Invertibilidad: El estudio demuestra que comprimir señales crudas en precios rezagados conduce a una pérdida de información. Al retener características crudas e incrustar reglas, MRINN preserva información predictiva que los modelos puramente basados en datos deben reaprender.
• Eficiencia de Recursos: La integración de un sesgo inductivo estructural (reglas de mercado) permite que el modelo logre una precisión competitiva con sustancialmente menos parámetros y tiempos de entrenamiento más cortos que las líneas base genéricas de aprendizaje profundo. Esto hace que el enfoque sea adecuado para despliegues con recursos limitados (por ejemplo, servidor en sitio o gestión de activos de baterías) donde la memoria y la latencia son limitadas.
• Robustez Operativa: El marco proporciona orientación práctica para el despliegue en el mundo real, mostrando cómo el rendimiento del modelo escala con la longitud de entrada y el horizonte de predicción, y cómo se comporta cuando faltan señales específicas.
• Fiabilidad Probabilística: La cabeza jerárquica de cuantiles garantiza predicciones probabilísticas físicamente consistentes (sin cruce de cuantiles), un requisito crítico para la gestión de riesgos en el comercio energético.

Los autores concluyen que, aunque las reglas específicas dependen del mercado, la metodología de incrustar operadores diferenciables en espacios latentes ofrece un camino hacia la predicción "computacionalmente sostenible" en sistemas energéticos operativos. Se sugiere trabajo futuro para investigar la reutilizabilidad de estos bloques de operadores en diferentes marcos de mercado.