L’encariment i minva dels recursos fòssils durant els darrers anys, junt amb l’inquietat social per el cost mediambiental del seu us, han promogut un auge de les energies renovables al món. Aquest fet suposa un repte per la integració massiva de generació no gestionable, com son les produccions eòliques i fotovoltaiques, a les xarxes elèctriques que han de preservar en tot moment l’equilibri oferta demanda donat que l’energia elèctrica no es pot emmagatzemar sense incórrer en costos prohibitius. A banda del repte tècnic de l’ integració qualitativa d’aquestes aportacions, com el manteniment de freqüència, i la correcta distribució geogràfica, que pertoca al gestor de la xarxa, la previsió de la magnitud horària de la producció implica els Agents Representants a mercat d’aquestes fonts Aquests han de subministrar previsions i sovint assumir els costos que el gestor de xarxa els hi atribueixi per els desviaments provocats en contra de l’equilibri del sistema elèctric. És en aquest marc que sorgeix la necessitat d’aquest projecte. A partir del 2008, Nexus Energia SA va guanyar un concurs promogut per l’ASIF (Associació de la Industria Fotovoltàica) per ser l’Agent Representant dels seus associats, cosa que va suposar l’entrada massiva de plantes fotovoltaiques a la seva cartera, 15.000 a dia d’avui, amb un total de més de 1.600 MW de potència instal•lada. A partir del novembre 2011 totes les instal•lacions de més de 15 kW son subjectes de penalitzacions per desviament cosa que obliga l’empresa a desenvolupar un sistema de previsions horàries per al dia següent que suposi un cost específic per desviaments com a mínim inferior a la quota percebuda per el servei de representació. En aquest projecte es revisen algunes aproximacions a aquesta problemàtica, en particular l’adoptada per l’empresa i els seus resultats com a referència de millora per afrontar la competitivitat del sector i poder reduir el seu grau de supervisió. Per això s’estudia el funcionament de les xarxes neuronals artificials (XNA), que és una tecnologia robusta davant el torrent de dades difícilment verificables de què es disposa i la gran varietat de les tipologies i configuracions de les plantes. Es proposa un disseny d’experiments per triar entre algunes configuracions d’una xarxa Feed Forward Propagation o MLP (Multi Layer Perceptron) per respondre a la variable índex de nuvolositat (IN) subministrada per l’AEMET (associació Espanyola de Meteorologia) i s’obté com a millor model una configuració de màxima simplicitat, sense capa oculta i basada només en producció i nuvolositat del dia anterior. Els resultats son comparables als obtinguts per l’empresa i en tot cas millors que els observats en procés completament automàtic, cosa per la que la seva adopció i desenvolupament és fortament recomanable.