Predicciones juzgadas por las decisiones que hacen posibles

Mi tesis doctoral, Advanced Photovoltaic and Load Power Forecasting Methods for Optimal Microgrid Scheduling, estudia cómo deben diseñarse juntas la predicción y la optimización. La práctica convencional entrena los modelos de predicción para la precisión estadística y entrega su salida a un programador. Muestro que esa separación deja valor sin aprovechar y desarrollo métodos de predicción entrenados sobre el coste de las decisiones que alimentan.

El trabajo va del método a la aplicación: predicción sensible al coste y orientada a la decisión, garantías para modelos que siguen aprendiendo mientras el sistema opera, coordinación de varios predictores dentro de un mismo sistema de gestión de energía, entrenamiento consciente del riesgo para los días que más importan y herramientas de diagnóstico que indican al operador qué errores de predicción resultan realmente costosos. Cada método se valida en una microrred real de laboratorio con generación fotovoltaica, almacenamiento en baterías y recarga de vehículos eléctricos, y en el marco de proyectos de investigación europeos.