TRIBUNA

Su factura eléctrica se puede prever, y lo raro es no hacerlo

Redacción

Juan Marcelo Gutierrez Miranda
Arquitecto de IA y científico de datos en Todo Econometría

Llega la factura de la luz del mes y en la reunión de dirección nadie sabe explicar por qué ha subido. Producción jura que trabajó igual. Compras señala el mercado. Finanzas pregunta cuánto habrá que provisionar el mes que viene y recibe un encogimiento de hombros. Si le suena la escena, el problema no es la factura. Es que se mira cuando ya no se puede hacer nada.

La factura se lee mal porque mezcla cosas que no se parecen. Una parte depende de cuánta energía consumió su planta y cuándo. Otra, de a qué precio estaba el mercado mayorista en esas horas, un precio que en España se fija cada cuarto de hora. Y otra son cargos y peajes que usted no controla. Si el contrato está indexado, la variabilidad del mercado le llega casi entera, salvo que haya topes. Mirar el total del mes es como juzgar un partido solo por el resultado: no dice quién jugó bien.

Qué hace entonces un modelo de previsión. Menos magia de la que se vende. En palabras llanas, multiplica dos cosas: su perfil de consumo, es decir, cuánta electricidad pide la planta en cada tramo, y el precio de la energía en ese tramo. Los contadores ya registran el consumo en intervalos de quince minutos o de una hora, así que la materia prima existe y probablemente ya está en un cajón de su sistema.

El perfil de consumo no se inventa. Depende de lo que producen, de los turnos, del calendario con sus puentes y sus paradas, y de la temperatura si hay frío o climatización de por medio. Un modelo de datos aprende esas relaciones a partir de su propio historial y las usa como entradas: el plan de producción de la semana, la previsión meteorológica, el calendario. Con eso estima cuánto va a consumir. Después lo cruza con una previsión de precios.

Aquí conviene ser honesto sobre lo que no hace. No adivina el precio de mañana con exactitud, porque el mercado depende del viento, del agua, del gas y de decisiones que nadie conoce de antemano. Un shock inesperado, una parada no programada o un cambio brusco en el mercado romperán cualquier previsión. Lo que ofrece es un rango razonable y, sobre todo, una forma de entender de dónde viene cada euro.

Pongamos una planta hipotética con un horno que puede trabajar de noche o de día según el pedido. Si el modelo muestra que las horas caras coinciden casi siempre con el pico de su consumo, la pregunta deja de ser cuánto cuesta la luz y pasa a ser qué puedo mover. Quizá nada. Quizá un proceso que admite desplazarse unas horas. Esa decisión solo se toma con números por tramo, no con el total mensual.

Lo que una planta puede medir con esto es más de lo que parece. Cuánto de la desviación entre lo previsto y lo facturado se debe a que se produjo más o menos, cuánto al precio y cuánto a la potencia contratada. Separar esas tres causas convierte una discusión de reproches en una lista de decisiones: qué contrato encaja con su perfil, qué consumo es flexible y cuál no, qué margen conviene reservar en el presupuesto.

Y hay una disciplina que el modelo impone, quizá lo más valioso. Cada mes se compara lo previsto con lo real y se anota el error. Un modelo que se equivoca y lo reconoce es mejor que una intuición que acierta y nadie puede comprobar. La factura eléctrica seguirá teniendo una parte que no controla. La diferencia está en quién la explica antes de que llegue: usted, o la sorpresa.

Total
0
Shares
Previous Post

Savvy y TribuCorp se alían para impulsar la IA industrial en América Latina

Next Post
La planta de Resonac en A Coruña. Firma: Resonac Graphite

Resonac pone en venta su negocio de grafito: la historia del gigante japonés que abandona una parte de su industria en España

Related Posts