Espejismo en el embalse: por qué se vacían las hidroeléctricas ✛ ✎

Original: "How optimistic inflow forecasts distort dispatch, prices, and contracts in hydro-dominated power systems: evidence from Brazil"
arXiv:2607.00504 · 2026-07-01 · arXiv non-exclusive · análisis propio · 2 min
Sobreestimar las lluvias futuras hace que se desperdicie el agua, y luego se agota en el peor momento.

Las presas brasileñas fueron engañadas durante décadas por un espejismo. Los programas informáticos que gestionan 160 centrales hidroeléctricas veían ríos llenos donde el agua ya menguaba. Casi el 60% de la electricidad del país depende de las lluvias, y cuando la inteligencia artificial predice lluvias abundantes, los operadores liberan agua generosamente por las turbinas. Pero las lluvias no llegaban: los pronósticos mentían sistemáticamente hacia la abundancia. Es como en el desierto: ves un lago, te acercas y es arena.

En 2021, por ese espejismo los brasileños pagaron casi 4.000 millones de dólares: tuvieron que quemar combustible caro en centrales térmicas de urgencia, cuando el agua se agotó.

En el fondo, es simple aritmética del valor del agua. Cada metro cúbico ahorrado hoy ahorra dinero mañana, porque la temporada de lluvias da paso a la seca. El programa informático de optimización (planificación de costos) calcula ese beneficio. Si espera grandes lluvias, el valor del agua cae... y se libera el agua. Los científicos verificaron este autoengaño en tres pasos. Primero, con ejemplos de juguete demostraron que incluso una diminuta sobrestimación del pronóstico anula el incentivo para almacenar agua. Luego, con datos reales de 12 años comprobaron que, en los meses con pronósticos erróneamente optimistas, los niveles planificados de los embalses también resultaban injustificadamente altos. Finalmente, realizaron una simulación numérica con miles de Métodos de Monte Carlo (método de Monte Carlo). El clima cambiaba como un proceso estocástico, donde cada paso depende solo del anterior: cadenas de Markov, llamadas así en honor a Andréi Markov. Compararon dos estrategias: una entrenada con pronósticos sesgados, y otra con inferencia bayesiana para eliminar el error sistemático. Correcciones así podrán incorporarse directamente en los algoritmos de aprendizaje automático e integrarse con la teoría del control de la red eléctrica.

El resultado es como despertar de una ilusión óptica. Sin corrección, el nivel medio de los embalses al final de la sequía caía un tercio por debajo de las necesidades del país. Las costosas centrales térmicas se encendían tarde, disparando los precios un 34%. La probabilidad de quedarse sin luz saltaba al 10,3% —apagones rotativos casi cada décimo día— frente al 0,9% con la estrategia honesta.

Una sola corrección —reemplazar el caudal medio multianual por una cifra fiable— devolvió la estabilidad al sistema y aumentó en un 17% la disposición de las hidroeléctricas a vender energía mediante contratos a largo plazo.

El espejismo desaparece cuando se aclaran los pronósticos. El agua en los embalses recupera su valor real, y los brasileños, luz sin sobrecostos.

Solo en 2021, los brasileños pagaron 3.800 millones de dólares de más por encender tarde las centrales térmicas: el precio del espejismo informático.

w = -\frac{\partial Q}{\partial v}
El valor del agua es igual a la derivada parcial negativa de la función de costes futuros respecto al volumen de agua almacenada.
Conceptos
probabilistic forecast Warm water volume Forecast lead distribución a priori IRI