Pronósticos en el mercado eléctrico: qué se pronostica y cómo se evalúa

La pregunta "qué tan bueno es este pronóstico" no tiene respuesta sin saber qué decisión alimenta. Un error de 200 MWh en la energía semanal y un error de 200 MWh en la hora pico del martes valen cosas distintas, y ninguna métrica genérica lo sabe.

Este artículo ordena el problema desde el otro extremo: primero las decisiones que el reglamento obliga a tomar, después el pronóstico que cada una necesita, y al final el protocolo de evaluación que hace comparables los resultados. El octavo artículo de la serie sobre el mercado aplica todo esto a un caso concreto con código; este fija el método.

Qué se pronostica, y para decidir qué

El reglamento no pide pronósticos en abstracto: los pide como insumos de decisiones fechadas. Reconstruir esa correspondencia es el primer paso, porque determina horizonte, granularidad y tolerancia.

Dos exigencias concretas del texto vale citarlas porque definen el producto. La programación semanal necesita una proyección de demanda en energía semanal y demanda de potencia horaria por barra (cuerpo, 9.3.1 a): son dos productos, no uno, y tienen que ser coherentes entre sí. Y la programación anual necesita, entre otros insumos, estadística y pronóstico de caudales, proyección de demanda y tasas de indisponibilidad forzada (8.3.1).

De ahí sale el primer principio: el horizonte del pronóstico lo fija la decisión, no la disponibilidad de datos. Un modelo que pronostica siete días porque el conjunto de datos alcanza para siete días, y no porque haya una decisión a siete días, está resolviendo un problema que nadie tiene.

La función de pérdida sale de la decisión

El error cuadrático medio penaliza igual quedarse corto y quedarse largo. Casi ninguna decisión de un mercado eléctrico tiene esa simetría.

Dimensionar reserva. Subestimar la demanda deja al sistema con menos margen del necesario, y el reglamento describe qué pasa entonces: si el despacho libre no alcanza la reserva requerida, la UT puede requerir la entrada de una unidad no despachada, y si aun así no se cumple, disminuye el porcentaje de requerimiento hasta igualarlo con la reserva disponible, bajando hasta niveles de emergencia (cuerpo, 12.4.3.6 y 12.4.3.7). Sobreestimar cuesta dinero; subestimar cuesta margen de seguridad. No son la misma unidad.

Programar combustible. Un inventario por debajo del mínimo no se sanciona con multa sino penalizando la tasa de salida forzada, que es insumo de la capacidad firme (Anexo 04, 9.4). Subestimar el consumo tiene un costo que aparece meses después en el ingreso por capacidad.

Anticipar el precio. Para un participante, un error hacia arriba y uno hacia abajo cambian de signo según esté largo o corto contra sus contratos. La misma serie de errores es buena para uno y mala para otro.

Cuando la pérdida es asimétrica, el objeto correcto no es un pronóstico puntual sino un cuantil. Minimizar la pérdida pinball en el cuantil $\tau$

$$L_{\tau}(y, \hat q) = \begin{cases} \tau\,(y - \hat q) & \text{si } y \ge \hat q \\ (1-\tau)\,(\hat q - y) & \text{si } y < \hat q \end{cases}$$

produce el cuantil $\tau$ de la distribución predictiva, donde $y$ es el valor observado y $\hat q$ el cuantil pronosticado. Elegir $\tau$ es elegir cuánto más caro es quedarse corto que quedarse largo: con $\tau = 0.9$, quedarse corto pesa nueve veces más.

Ese es el puente entre estadística y decisión, y conviene tenerlo explícito: no se elige un cuantil por convención, se elige por la razón de costos de los dos errores.

El protocolo de evaluación

Sin protocolo, dos pronósticos no son comparables. El mínimo defendible tiene cinco elementos, y ninguno es opcional.

Origen móvil, nunca partición al azar. Una partición aleatoria sobre una serie de tiempo deja días posteriores dentro del entrenamiento y días anteriores dentro de la prueba: el modelo aprende del futuro y la métrica sale excelente por la razón equivocada. El origen móvil reajusta el modelo en cada corte y pronostica hacia adelante, que es lo que ocurre en operación.

Línea base obligatoria. La comparación contra un modelo trivial no es una cortesía metodológica, es el instrumento que detecta que algo se rompió. El valor del mismo día de la semana anterior es una línea base razonable para demanda diaria. Un modelo que no le gana no justifica su existencia, y uno que pierde contra ella por mucho casi siempre tiene un defecto de construcción, no una limitación de fondo.

Métricas desagregadas por horizonte. El promedio sobre los siete días de un pronóstico semanal esconde la forma de la degradación, que es la información más útil. Un modelo plano y uno que empieza muy bien y se degrada rápido pueden tener el mismo promedio y servir para cosas distintas.

Una métrica adimensional. El MAE en unidades originales no se puede comparar contra nada. El MASE, que divide el error por el de la línea base ingenua, convierte la conversación en una sobre desempeño y no sobre escalas:

$$\text{MASE} = \frac{\text{MAE}_{\text{modelo}}}{\text{MAE}_{\text{base}}}$$

Un MASE de 0.4 dice que el modelo se equivoca 60 % menos que la referencia trivial, y eso significa lo mismo en MWh, en caudales o en precio.

Evaluación de los intervalos, no solo del punto. Es el elemento que más se omite y el que más importa cuando el pronóstico alimenta el dimensionamiento de un margen.

Los intervalos son el producto, no el adorno

Un intervalo del 80 % que contiene el valor real el 59 % de las veces no es un intervalo del 80 % mal hecho: es un objeto distinto presentado con una etiqueta falsa. Quien lo use para dimensionar reserva va a quedarse corto una de cada tres veces en vez de una de cada cinco.

Evaluar un intervalo exige dos cosas a la vez, y ninguna alcanza sola.

Cobertura: la fracción de veces que el valor real cae dentro. Una cobertura del 80 % nominal debería observarse cerca del 80 %.

Ancho: porque la cobertura se puede comprar. Un intervalo de cero a infinito tiene cobertura perfecta y no informa nada. La pérdida pinball evaluada en los dos cuantiles resume ambas cosas en un número y es la métrica correcta para comparar.

La causa más común de subcobertura en este dominio es específica y vale conocerla: el error está autocorrelacionado. Un modelo que trata cada intervalo como independiente subestima la varianza acumulada del horizonte, porque la dispersión condicional que aprende de los datos de entrenamiento no es la dispersión de un error que se acumula a lo largo de siete días.

Ensanchar la banda hasta que la cobertura cuadre es hacer trampa. Lo correcto es calibrar sobre un conjunto de datos separado, con calibración conforme o con un factor estimado fuera de la muestra de entrenamiento. Y mientras eso no se haga, lo honesto es reportar la cobertura observada junto al intervalo.

Coherencia entre productos

El reglamento pide dos productos de demanda que deben ser consistentes: energía semanal y potencia horaria por barra (9.3.1 a). Nada garantiza que un modelo semanal y setenta modelos horarios por barra produzcan cifras que sumen igual.

Esa es la reconciliación jerárquica, y el problema tiene tres estructuras posibles:

En un sistema con generación distribuida creciente el enfoque de arriba hacia abajo pierde validez rápido, y por una razón que conviene entender: lo que se mide en la barra ya no es la demanda sino la demanda neta, es decir la demanda menos la generación conectada aguas abajo. Dos barras con la misma demanda subyacente y distinta penetración solar producen perfiles distintos, así que las proporciones históricas dejan de describir el presente.

Eso lleva al problema más incómodo del dominio.

Cuando el dato deja de significar lo mismo

Un modelo aprende de la historia, y la historia de una serie de demanda neta mezcla dos fenómenos que cambian a ritmos distintos: el consumo, que se mueve lentamente, y la generación distribuida, que se agrega por proyectos.

Cada instalación nueva cambia la forma de la serie sin cambiar nada del consumo. Un modelo que no lo sabe interpreta ese cambio como una variación de demanda y lo proyecta hacia adelante como si fuera a repetirse.

El marco regulatorio ofrece dos anclas para tratarlo. La primera es que la capacidad de generación distribuida no es un misterio: la DGEHM es responsable de los estudios de integración que determinan la capacidad máxima por circuito y para todo el sistema (LGE, art. 32-C), y los generadores distribuidos deben poner sus señales de registro, monitoreo y control a disposición de la distribuidora, que a su vez las pone a disposición de la UT (art. 32-D). Es decir que la información para separar demanda de demanda neta existe dentro del sistema.

La segunda es que la separación conviene hacerla explícita en el modelo: pronosticar demanda subyacente y generación distribuida por separado, y combinarlas, en vez de pronosticar la resta. Cuestan más las dos, y a cambio el modelo no confunde una decisión de inversión de terceros con un cambio de hábito de consumo.

Lista de verificación antes de publicar un pronóstico

Fuentes

• Reglamento de Operación del Sistema de Transmisión y del Mercado Mayorista Basado en Costos de Producción (ROBCP), versión actualizada a junio de 2026. Unidad de Transacciones. PDF. Numerales citados: 8.2.4 (escenarios hidrológicos), 8.3.1 (insumos de la programación anual, incluidos pronóstico de caudales, proyección de demanda y tasas de indisponibilidad forzada), 9.2.1 (umbral del 5 % que dispara la reprogramación semanal), 9.3.1 literal a (proyección de demanda en energía semanal y potencia horaria por barra), 9.4.2 y 9.4.3 (las dos fases del valor del agua) y 12.4.3.6 y 12.4.3.7 (qué ocurre cuando la reserva disponible no alcanza el requerimiento). Copia local: normativa/robcp.pdf. Consultado el 22 de agosto de 2026.
• ROBCP, Anexos, misma versión. Anexo 04, 9.4: el incumplimiento del inventario mínimo se penaliza en la tasa de salida forzada, que es insumo de la capacidad firme. Copia local: normativa/robcp-anexos.pdf. Consultado el 22 de agosto de 2026.
• Ley General de Electricidad, Decreto Legislativo No. 843 del 10 de octubre de 1996, con reformas hasta el Decreto No. 548 del 9 de abril de 2026. Artículos 32-C (estudios de integración y capacidad máxima de generación distribuida por circuito) y 32-D (señales de registro, monitoreo y control). Copia local: normativa/ley-general-electricidad.pdf. Consultado el 22 de agosto de 2026.
• Código: el protocolo de evaluación descrito acá es el que implementa proyectos/pronostico-demanda, y el laboratorio de seis algoritmos sobre tres series está en proyectos/lab-series-tiempo.