SaaS – PREDICCION ENERGÍA

El SaaS (Software as a Service) de Solver Machine Learning es una plataforma web diseñada para realizar las predicciones de consumo de energía de nuestros clientes desde un único punto, de forma sencilla y en segundos, para facilitarnos la gestión diaria de compra. De esta forma podemos dedicar los recursos de nuestra compañía a otras áreas y a otras labores de investigación.

Predicción consumo puntos de suministro (CUPS)

El SaaS de Solver ML realiza la predicción de consumos para todos los puntos de suministro (CUPS) de cualquier comercializadora energética.
  • Simple, sencillo y eficaz.
  • Optimización de la compra diaria.
  • Sólo con el envío de un fichero de texto con los CUPS de nuestra comercializadora.
  • En unos segundos, obtiene las predicciones de consumo de energía para los próximos días y facilita la realización de las compras ante la OMIE
  • Basado en modelos de aprendizaje automático

  • Obtención automática y desatendida de las curvas de carga de cada una de las CUPS.
  • Posibilidad de introducción de valores de forma manual para una CUPS y periodo concreto. De esta forma podemos contenplar situaciones especiales de nuestro cliente como paradas temporales previstas, etc.
  • El sistema realiza una predicción específica para cada una de nuestras CUPS a partir de sus propios datos históricos de consumo.
  • Sistema de alertas de incidencias con  CUPS de las que no es posible obtener información.

Predicción diaria de los precios SPOT de la energía

El módulo de precios del SaaS, realiza varias predicciones diarias de los precios SPOT de la energía para el próximo período de subasta.
  • Realización de predicciones automáticas cada hora.
  • Utiliza diferentes parámetros de previsiones de generación de energía, predicciones meteorológicas que pueden afectar a la generación y a la demanda, precios históricos, precios de paises vecinos, etc.
  • Actualiza los precios en función de las previsiones de oferta y demanda.
  • Permite planificar nuestras compras de energía en función de las posibles evoluciones de los precios de la misma.
  • El sistema aprende diariamente de la evolución de los precios y del mercado.