Pronóstico de generación eólica a 24 horas para parque en Pamplona
Visión general
De qué trata este proyecto.
Recibes 3 años de generación horaria por parque y previsiones meteorológicas numéricas (viento a 10 m y 100 m, dirección, temperatura, presión) actualizadas cada 6 horas. Construye dos modelos: (a) un ARIMAX con regresores meteorológicos, (b) un modelo neuronal sequence-to-sequence (Temporal Fusion Transformer o un LSTM con atención). Evalúa con error porcentual absoluto medio (Mean Absolute Percentage Error, MAPE) por horizonte (1h, 6h, 24h) y por parque. El éxito es reducir MAPE a 24h en >= 12 % frente al baseline actual basado en persistencia más promedio histórico.
El Briefing
Lo que harás y lo que demostrarás.
Reducir el MAPE de pronóstico de generación eólica a 24 horas en al menos 12 % frente al baseline actual combinando ARIMAX y modelos neuronales.
Earning criteria — what you'll demonstrate
- Aplicar ARIMAX con regresores exógenos a generación renovable
- Entrenar modelos neuronales sequence-to-sequence para pronóstico
- Evaluar pronósticos por horizonte y por instalación
- Comunicar resultados a equipos de trading energético
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosCientífico/a de Datos
Combinar modelos clásicos y neuronales para pronóstico de generación renovable es trabajo cotidiano de una persona data scientist en operadoras energéticas.
Este proyecto afina
- time-series-forecasting
- arima
- neural-forecasting
Investigador/a de Aprendizaje Automático
Comparar familias de forecasting y entender cuándo cada una gana refleja el perfil de una persona investigadora ML aplicada a energía.
Este proyecto afina
- neural-forecasting
- evaluation
- arima
Ingeniero/a de Aprendizaje Automático
Empaquetar pipelines de forecasting reproducibles con evaluación por horizonte es el patrón con el que MLEs entregan a trading.
Este proyecto afina
- python
- evaluation
- exogenous-variables