IEEE Power & Energy Magazine - Spanish - November 2019 - 55

Evaluación de pronósticos probabilísticos
La evaluación del desempeño de los pronósticos probabilísti-
cos es inevitablemente más compleja que la evaluación de las
predicciones deterministas, ya que los primeros contienen
más información. Existen tres atributos fundamentales que
describen el desempeño de los pronósticos probabilísticos:
1) confiabilidad, 2) nitidez y 3) resolución.
La confiabilidad de un pronóstico probabilístico es
el grado en que la frecuencia del resultado real coincide
con la probabilidad prevista. Por ejemplo, ¿se producen
eventos con una probabilidad del 60 % en el 60 % de
los casos? Si la confiabilidad no es alta, la predicción
presenta una visión distorsionada de la incertidumbre y
requiere calibración.
El atributo de nitidez mide la extensión de una pdf. La
predicción de probabilidad más nítida es aquella en la que un
valor de una variable del pronóstico tiene una probabilidad
del 100 %, y todos los demás valores tienen una probabili-
dad del 0 %, que es básicamente una predicción determi-
nista. Lo que se desea es un pronóstico más claro (es decir,
más próximo a una predicción determinista), pero solo si la
confiabilidad es alta. Si un conjunto de pdf previstas gene-
ralmente muestra menos dispersión que las frecuencias cli-
matológicas, entonces suele considerarse que el pronóstico
cuenta con una nitidez significativa.
El atributo de resolución se refiere a la capacidad de dis-
tinguir entre casos con diferentes pdf. Un método de predic-
ción que produce la misma distribución de probabilidad para
todos los casos (por ejemplo, cada ciclo de predicción) mues-
tra una resolución cero. Un ejemplo de predicción de reso-
lución cero es la distribución de frecuencia climatológica,
que no distingue entre los casos de predicción. Sin embargo,
dicha predicción puede ser altamente confiable (como en el
caso de una distribución climatológica). Un pronóstico pro-
babilístico con alta resolución permite al usuario distinguir
de manera más efectiva los casos con baja incertidumbre de
predicción de aquellos con alta incertidumbre, lo que puede
noviembre/diciembre 2019

ser el aspecto más valioso de los pronósticos probabilísticos
para muchas aplicaciones.
Existen métricas para medir cada uno de estos atributos,
la mayoría de las veces evaluando la confiabilidad. Si bien
es necesario un alto grado de confiabilidad para que un pro-
nóstico probabilístico tenga valor, rara vez es suficiente. En
la práctica, la nitidez y la resolución distinguen entre solu-
ciones alternativas de pronósticos probabilísticos. Los pro-
veedores de pronósticos a menudo usan puntajes compuestos
que son implícitamente sensibles a los tres atributos.

Cómo utilizan los usuarios finales los
pronósticos probabilísticos
Casi todos los operadores de sistemas de redes con altas
proporciones de VER utilizan pronósticos de generación
dependientes del clima. Por lo general, usan solo una mejor
predicción única (es decir, determinista). El uso de pronósti-
cos probabilísticos por parte de los operadores de la red con
fuertes penetraciones de recursos renovables está creciendo,
lo que lleva a una mejor toma de decisiones de gestión de la
red. Tal pronóstico también genera productos de incertidum-
bre del mercado que permiten el compromiso automático de
fuentes para ayudar con la incertidumbre renovable. En las
siguientes secciones, se presentan ejemplos del uso actual de
la información de incertidumbre prevista en los procesos de
gestión de la red.

Uso de información probabilística como
entrada para los cálculos de seguridad de la
red: un ejemplo alemán
Varios gestores de redes de transmisión (GRT) y gestores
de redes de distribución (GRD) alemanes han reconocido

10
Potencia (MW)

predicción. El posproceso estadístico de una sola predicción
de NWP representa la incertidumbre histórica compuesta
(es decir, basada en la muestra estadística), mientras que
un conjunto de NWP caracteriza más explícitamente la
incertidumbre del escenario actual. El gráfico 2 compara
la diferencia en la información de incertidumbre como se
ve en las bandas de incertidumbre para las predicciones de
energía eólica de todas las plantas eólicas alemanas que
derivan de un enfoque estadístico de tipo 1 usando un solo
modelo NWP y un enfoque multimodelo (tipo 3). Si bien la
dispersión del enfoque multimodelo indicó un alto riesgo de
aumento hacia el mediodía, los cuantiles del modelo único
indicaron un error potencial moderado, ya que los méto-
dos estadísticos construyeron una banda de climatología
constante en torno a un pronóstico único. Los extremos y
anomalías en situaciones climáticas actuales no están bien
modelados por estos métodos.

5
0
-5

-10
21
22
23
de mar. de 2019 de mar. de 2019 de mar. de 2019
Predicción de carga de red vertical
Propagación de predicción de carga de red vertical

gráfico 3. Predicción de la carga vertical de la red (línea
continua de color negro) para una subestación entre las
redes del GRT y GRD con bandas superiores e inferiores
que indican incertidumbre. Los valores negativos indican el
transporte hacia la red de menor tensión; los valores positivos representan el transporte hacia la red de mayor tensión.
ieee power & energy magazine

IEEE Power & Energy Magazine - Spanish - November 2019

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - November 2019