Un pronóstico que recuerda el ciclo exprés
Un panel solar en el tejado produce poca corriente por la mañana, mucha al mediodía y nada por la noche. El viento tampoco sopla de cualquier manera: a menudo es más fuerte por la mañana y por la tarde que durante el día. Los gestores de energía necesitan saber con antelación cuánta energía habrá dentro de una hora o tres, para activar a tiempo las plantas de respaldo o almacenar electricidad en baterías.
El método habitual de pronóstico es "como ahora, así será": si el sol brilla intensamente, se asume que dentro de una hora brillará igual. Pero esto no funciona cuando el día da paso a la noche o cuando llega la calma. La nueva fórmula se adapta al ritmo diario: no compara simplemente el valor actual con el pasado, sino el actual con el que hubo a la misma hora del día ayer o hace unos días. Es como un jardinero experimentado que sabe que los pepinos no se riegan "cuando está seco", sino cada tarde después de la puesta del sol.
La prueba con datos reales de plantas solares y eólicas mostró que el nuevo método es más preciso que el antiguo, especialmente en horizontes de varias horas. Esto significa que se pueden mantener menos turbinas de gas en reserva y confiar más en el pronóstico de energía renovable.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2602.18949
Time series in energy systems, such as solar irradiance, wind speed, or electrical load, are characterized by strong diurnal and seasonal periodicities. Accurate forecasting requires accounting for time varying statistical properties that stationary or classical persistence models cannot capture. A family of analytical forecasting operators for cyclostationary processes is introduced, extending persistence through a closed form coefficient $$\tilde{\lambda}(t,\tau)=\tfrac{1}{2}\bigl(1+\rho(t,\tau)\bigr)$$, where $$\rho(t,\tau)$$ denotes the local correlation between the current observation and its phase aligned time lag ($$\tau$$). This formulation preserves periodic variance and covariance, achieving a symmetry induced reduction of effective degrees of freedom. The resulting operator defines a training free analytical limit of persistence under periodic non stationarity. Validation on synthetic cyclostationary signals and empirical renewable energy datasets demonstrates consistent accuracy gains over classical persistence, particularly at multi hour horizons. By embedding temporal symmetry into the prediction process, the framework provides a physically interpretable, reproducible, and computationally minimal baseline for forecasting periodic processes across energy and complex systems.
La energía solar que llega a la Tierra en una hora supera todo el consumo mundial de energía en un año; el problema es saber con precisión cuándo y cuánta habrá.