Cuando hacemos predicciones, en general, y particularmente en el caso de predicción de producción de energía eólica, es importante especificar la escala de tiempo para la que se va a hacer la predicción:

1.       Si lo que queremos es controlar las turbinas en tiempo real, la gestión de la red eléctrica o la compensación del mercado, estaremos utilizando una escala de segundos o minutos.  

2.       Si lo que estamos haciendo es la planificación de despacho o las decisiones de deslastre de carga, los pronósticos serán desde 30 minutos hasta horas. 

3.       Para tomar decisiones de encendido o apagado de la turbina por seguridad o condiciones del mercado ya vamos a intervalos desde 6 horas hasta un día.

4.       Por último, para programar el mantenimiento o el compromiso de la unidad y para optimizar el coste de operación se utilizan pronósticos a más largo plazo, desde un día hasta una semana o incluso un año.

Las mejoras en la predicción de la energía eólica pueden venir de distintos factores. Por una mejora al usar mejores modelos, variables o previsiones de las variables que afectan al modelo, mayor número de datos como entrada en los modelos implicados y en proporcionar estimaciones de incertidumbre junto con las predicciones proporcionadas tradicionalmente.
En RAVEN hemos desarrollado una aproximación con Machine Learning que mejora las predicciones y que es además una aplicación diferente, innovadora, que creemos tiene mucho recorrido. Nuestra aproximación combina mejoras en todos estos ámbitos.