Generación Sintética De Perfiles De Consumo Eléctrico Mediante Redes Generativas Antagónicas (GAN)

Résumé

La previsión precisa del consumo de energía es esencial para la planificación y gestión eficaces
de las infraestructuras eléctricas. Este artículo presenta un modelo que aprovecha las redes
generativas adversariales (GAN) para producir perfiles sintéticos de consumo de energía,
abordando los retos planteados por el acceso limitado a los datos críticos corporativos o
empresariales necesarios para el funcionamiento de los sistemas eléctricos. El enfoque basado
en GAN genera perfiles de consumo realistas, cuya similitud estadística con los conjuntos de
datos del mundo real se evaluó rigurosamente. Los resultados demuestran que los perfiles
sintéticos se asemejan mucho a los datos auténticos, lo que subraya la capacidad de los GAN
como herramienta robusta para simular y predecir patrones de consumo energético. En
conclusión, este artículo subraya el potencial transformador de los GAN para avanzar en la
planificación energética y permitir simulaciones más precisas en contextos en los que los datos
del mundo real son escasos o difíciles de obtener