Resumen Técnico: Evaluación de Modelos de Fundación de Series Temporales para la Predicción de Precios de la Electricidad

Declaración del Problema

La predicción de precios de la electricidad (EPF, por sus siglas en inglés) a corto plazo es un componente crítico para las operaciones modernas de los sistemas de potencia, pero sigue siendo altamente desafiante debido a su fuerte no estacionariedad, variabilidad multiescala (estacionalidad, picos, eventos extremos) y una fuerte dependencia de dinámicas de sistema estructurales y contextuales complejas. Aunque los Modelos de Fundación de Series Temporales (TSFMs) han demostrado sólidas capacidades de pronóstico zero-shot en diversos dominios, su generalización en entornos impulsados por covariables y no estacionarios como el EPF está poco explorada.

Los benchmarks existentes para los TSFMs suelen enfrentar cuatro limitaciones específicas al aplicarse al EPF:

1. Riesgo de Contaminación: Muchos TSFMs han sido preentrenados con datos relacionados con la energía, lo que dificulta determinar si los conjuntos de datos de referencia se solapan con el corpus de preentrenamiento, lo que podría inflar las estimaciones de rendimiento.
2. No Estacionariedad: Los cambios distribucionales y los picos de precios pueden socavar la generalización del modelo.
3. Comportamiento de la Cola: El modelado preciso de eventos extremos (colas) es crítico para la toma de decisiones consciente del riesgo en los sistemas de potencia, pero a menudo se pasa por alto en las métricas de precisión promedio.
4. Dependencia de Covariables: Los precios históricos por sí solos suelen ser insuficientes; un EPF preciso depende fuertemente de covariables exógenas (carga, precios de combustibles, clima, generación), sin embargo, muchas evaluaciones no logran probar adecuadamente el soporte de las covariables.

Metodología

Marco de Benchmarking

Los autores proponen un marco de benchmarking de dos conjuntos de datos diseñado para mitigar el riesgo de contaminación y permitir una evaluación justa:

1. GEFCom2014-P: Un benchmark de EPF probabilístico estandarizado y ampliamente utilizado de la Competición Global de Pronóstico de Energía de 2014.
2. GridStatus2025: Un conjunto de datos recientemente curado derivado de la API GridStatus (2022–2025). Este conjunto de datos fue seleccionado específicamente porque su periodo de evaluación (2025) es posterior a los datos de preentrenamiento divulgados públicamente para los principales TSFMs (Chronos 2, TimesFM 2.5) o depende de datos sintéticos (TabPFN-TS), minimizando así el solapamiento temporal y la contaminación.

Modelos Evaluados

El estudio evalúa cuatro TSFMs, comparando variantes sin covariables y con soporte de covariables:

• Chronos 2
• TimesFM 2.5
• TabPFN-TS
• TOTO 1.0

Estos se comparan contra tres clases de líneas base:

1. Modelos Estadísticos: Seasonal Naïve, Auto-ARIMA, Auto-ETS, Auto-Theta.
2. Aprendizaje Profundo Entrenado para la Tarea: DeepAR, TFT, TiDE, TSMixer, DLinear, NLinear.
3. Métodos de EPF Específicos del Dominio: LEAR, DNN y CING-LEAR (diseñados específicamente para aprovechar la información del mercado eléctrico).

Protocolos de Evaluación

• Métricas: Error Absoluto Medio (MAE), Raíz del Error Cuadrático Medio (RMSE) y Pérdida de Cuantil Promedio (aQL) a través de nueve cuantiles.
• Dimensiones de Análisis:
  • Pronóstico Puntual y Probabilístico: Evaluando la precisión general y la calibración de la distribución.
  • Comportamiento de la Cola: Analizando el rendimiento en cuantiles extremos (por ejemplo, Q(0.01), Q(0.99)) para evaluar la robustez ante picos de precios y precios negativos.
  • Cambios Distribucionales: Análisis dedicado al rendimiento de los modelos durante eventos de picos de precios (definidos como observaciones fuera de los percentiles 5 y 95).
  • Significancia Estadística: Se utilizan las pruebas de Diebold-Mariano (DM) para verificar si el soporte de las covariables conduce a mejoras estadísticamente significativas.

Resultados Clave

1. Rendimiento Zero-Shot Competitivo con Dependencia de Covariables

• En GEFCom2014-P, los TSFMs lograron un rendimiento zero-shot competitivo en relación con muchas propuestas de la competición, pero no alcanzaron el top-5, siendo el mejor TSFM (TOTO 1.0) el octavo clasificado. Esto sugiere que, si bien el preentrenamiento ofrece una capacidad general, el diseño específico del dominio sigue siendo ventajoso.
• En GridStatus2025, los TSFMs generalmente superaron a las líneas base estadísticas y de aprendizaje profundo de propósito general. Crucialmente, las variantes con soporte de covariables (por ejemplo, Chronos 2 c., TabPFN-TS c.) se clasificaron consistentemente entre los modelos más fuertes.
• Las variantes sin covariables funcionaron sustancialmente peor, confirmando que la información exógena es crítica para el EPF. Las pruebas de Diebold-Mariano confirmaron estadísticamente que el uso de covariables reduce significativamente la pérdida de pronóstico para Chronos 2 c. y TabPFN-TS c.

2. Los Métodos Específicos del Dominio Siguen Siendo Altamente Competitivos

• CING-LEAR, un método específico del dominio, logró el segundo mejor rendimiento individual en GridStatus2025, superando a la mayoría de los TSFMs y modelos de propósito general.
• Esto indica que, para el EPF, los sesgos inductivos específicos de la tarea y la ingeniería de características adaptadas a las señales de precios de la electricidad siguen siendo altamente efectivos.

3. El Poder de los Ensembles

• Un ensemble simple, construido mediante el promedio de los pronósticos del TSFM con mejor desempeño (Chronos 2 c.) y el mejor método específico del dominio (CING-LEAR), logró el mejor rendimiento general en todas las métricas (MAE, RMSE, aQL).
• Esto sugiere que los TSFMs y los métodos conscientes del dominio capturan información predictiva complementaria, y combinarlos produce ganancias significativas sobre cualquiera de los dos enfoques por separado.

4. Comportamiento de la Cola y Robustez

• Rendimiento de la Cola: Los modelos estadísticos mostraron una degradación significativa en las regiones de la cola inferior (por ejemplo, precios negativos), mientras que los TSFMs produjeron pronósticos de cola más equilibrados. Los métodos específicos del dominio (CING-LEAR) fueron altamente competitivos en todos los cuantiles de la cola.
• Picos de Precios: Durante los eventos de picos, los modelos con soporte de covariables (Chronos 2 c., CING-LEAR) y su ensemble demostraron una mayor robustez en comparación con los modelos sin covariables.
• Asimetría: Los métodos estadísticos tendieron a desempeñarse mejor en la cola superior (precios altos) pero tuvieron dificultades con movimientos descendentes abruptos, mientras que los TSFMs ofrecieron una robustez distributiva más equilibrada.

5. Sensibilidad a la Contaminación

• TOTO 1.0 exhibió un fuerte rendimiento en GEFCom2014-P, pero se degradó sustancialmente en GridStatus2025. Los autores atribuyen esto a posibles diferencias en las condiciones del mercado y las características de los datos, resaltando la necesidad de protocolos de evaluación conscientes de la contaminación.

Significado y Reivindicaciones

El artículo afirma que, si bien los TSFMs son muy prometedores para el EPF, su éxito depende críticamente del soporte de las covariables y no superan consistentemente a los métodos diseñados específicamente para el dominio. El estudio enfatiza que:

1. La evaluación consciente de la contaminación es esencial para dominios estructurados como el EPF para evitar estimaciones de rendimiento infladas.
2. El diseño informado por el dominio sigue siendo vital para sistemas complejos con fuertes dependencias estructurales.
3. Los ensembles que combinan la generalización amplia de los TSFMs con modelos conscientes del dominio representan un camino fructífero para lograr una habilidad predictiva de vanguardia.

Los autores concluyen que el trabajo futuro debería centrarse en el ajuste fino (fine-tuning) de los TSFMs para objetivos específicos de EPF (como la precisión de la cola) y en el desarrollo de ensembles más fuertes que aprovechen las fortalezas tanto de los modelos de fundación como de las arquitecturas específicas del dominio.