Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Forecasting de Demanda y Generación

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Fundamentos de predicción energética» a «Proyecto de forecasting energético», pasando por «Previsión de generación renovable».

Mapa del programa · pulsa un módulo
Módulo 1 · Fundamentos de predicción energética
800 hDuración total
8Módulos
80Submódulos
OnlineModalidad

Competencias y resultados

6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.

Fundamentos de predicción energética

Saldrás manejando horizontes: muy corto, corto, medio y largo plazo, usos de la previsión en operación y mercado y series temporales: tendencia y estacionalidad. Es lo que se trabaja en «Fundamentos de predicción energética», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Modelos estadísticos

Saldrás manejando suavizado exponencial y Holt-Winters, modelos ARIMA y SARIMA y modelos con variables exógenas (ARIMAX). Es lo que se trabaja en «Modelos estadísticos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Aprendizaje automático

Saldrás manejando ingeniería de variables temporales, árboles de decisión y random forest y gradient boosting: XGBoost y LightGBM. Es lo que se trabaja en «Aprendizaje automático», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Previsión de generación renovable

Saldrás manejando previsión fotovoltaica: modelos físicos, modelos de transposición y de potencia FV y previsión eólica con curvas de potencia. Es lo que se trabaja en «Previsión de generación renovable», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Previsión probabilística

Saldrás manejando regresión cuantílica, intervalos de predicción y métricas de evaluación: pinball loss y CRPS. Es lo que se trabaja en «Previsión probabilística», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Operación de sistemas de previsión

Saldrás manejando arquitectura de un sistema de previsión, pipelines de datos en tiempo real y reentrenamiento y deriva de modelos. Es lo que se trabaja en «Operación de sistemas de previsión», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Comprender los horizontes y usos de la predicción energética.
  • 02Aplicar modelos estadísticos de series temporales a la demanda eléctrica.
  • 03Desarrollar modelos de aprendizaje automático para predicción energética.
  • 04Utilizar predicciones meteorológicas numéricas como entrada de los modelos.
  • 05Predecir la generación eólica y solar de plantas y carteras.
  • 06Construir y evaluar previsiones probabilísticas.
  • 07Desplegar y operar un sistema de previsión en producción.

Plan de estudios

8 módulos, 80 submódulos, 800 h. Elige un módulo y ves su contenido completo.

1 de 8 módulos abiertos
Módulo 1 de 8 · 10 submódulos

Fundamentos de predicción energética

1.1Horizontes: muy corto, corto, medio y largo plazo
1.2Usos de la previsión en operación y mercado
1.3Series temporales: tendencia y estacionalidad
1.4Patrones de demanda eléctrica
1.5Variabilidad de la generación renovable
1.6Variables explicativas: meteorología y calendario
1.7Fuentes de datos energéticos y meteorológicos
1.8Métricas de error: MAE, RMSE y MAPE
1.9Previsión puntual frente a probabilística
1.10Taller: análisis exploratorio de la demanda de REE
Módulo 2 de 8 · 10 submódulos

Modelos estadísticos

2.1Suavizado exponencial y Holt-Winters
2.2Modelos ARIMA y SARIMA
2.3Modelos con variables exógenas (ARIMAX)
2.4Regresión lineal múltiple
2.5Modelos de efectos de temperatura
2.6Modelos de calendario y festivos
2.7Descomposición STL
2.8Selección de modelos y validación cruzada temporal
2.9Prophet y modelos aditivos
2.10Laboratorio: SARIMAX para demanda horaria en Python
Módulo 3 de 8 · 10 submódulos

Aprendizaje automático

3.1Ingeniería de variables temporales
3.2Árboles de decisión y random forest
3.3Gradient boosting: XGBoost y LightGBM
3.4Redes neuronales LSTM y GRU
3.5Transformers para series temporales
3.6Modelos fundacionales de series temporales
3.7Ajuste de hiperparámetros
3.8Interpretabilidad con SHAP
3.9Riesgos de sobreajuste y fuga de datos
3.10Laboratorio: previsión de demanda con LightGBM
Módulo 4 de 8 · 10 submódulos

Predicción meteorológica

4.1Modelos numéricos de predicción (NWP)
4.2Modelos ECMWF y GFS
4.3Predicción por conjuntos (ensembles)
4.4Downscaling y corrección de sesgos
4.5Radiación solar: componentes y medida
4.6Viento: perfil vertical y extrapolación
4.7Imágenes de satélite para nowcasting
4.8Cámaras de cielo para predicción a minutos
4.9Datos de reanálisis ERA5
4.10Práctica: corrección de sesgo de un pronóstico NWP
Módulo 5 de 8 · 10 submódulos

Previsión de generación renovable

5.1Previsión fotovoltaica: modelos físicos
5.2Modelos de transposición y de potencia FV
5.3Previsión eólica con curvas de potencia
5.4Efectos de estela y disponibilidad
5.5Previsión de agregados regionales
5.6Previsión de autoconsumo detrás del contador
5.7Eventos de rampa
5.8Curtailment y su efecto en los datos
5.9Comparativa de proveedores de previsión
5.10Laboratorio: previsión fotovoltaica con pvlib
Módulo 6 de 8 · 10 submódulos

Previsión probabilística

6.1Regresión cuantílica
6.2Intervalos de predicción
6.3Métricas de evaluación: pinball loss y CRPS
6.4Calibración y diagramas PIT
6.5Escenarios con cópulas
6.6Predicción conformal
6.7Combinación de previsiones
6.8Previsión jerárquica y reconciliación
6.9Uso en reservas y mercado
6.10Práctica: previsión cuantílica de generación eólica
Módulo 7 de 8 · 10 submódulos

Operación de sistemas de previsión

7.1Arquitectura de un sistema de previsión
7.2Pipelines de datos en tiempo real
7.3Reentrenamiento y deriva de modelos
7.4Monitorización del rendimiento
7.5Previsión para mercados diario e intradiario
7.6Coste de los desvíos y su optimización
7.7Previsión para el operador del sistema
7.8Requisitos de previsión en la normativa
7.9Comunicación de incertidumbre
7.10Caso práctico: impacto económico del error de previsión en desvíos
Módulo 8 de 8 · 10 submódulos

Proyecto de forecasting energético

8.1Definición del problema y del horizonte
8.2Recopilación y limpieza de datos
8.3Análisis exploratorio
8.4Modelos de referencia
8.5Modelos avanzados de aprendizaje automático
8.6Previsión probabilística y evaluación
8.7Despliegue y monitorización
8.8Análisis de valor económico
8.9Memoria y presentación
8.10Revisión final con el tutor

¿Cuánto me va a llevar?

Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 800 h del programa.

—meses a ese ritmo
—semanas por módulo
—frente a los 800 horas · 6 a 8 meses previstos

¿Qué nivel tienes ya?

Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.

Variabilidad de la generación renovable
Módulo 1 · Fundamentos de predicción energética
Modelos ARIMA y SARIMA
Módulo 2 · Modelos estadísticos
Riesgos de sobreajuste y fuga de datos
Módulo 3 · Aprendizaje automático
Viento: perfil vertical y extrapolación
Módulo 4 · Predicción meteorológica
Previsión eólica con curvas de potencia
Módulo 5 · Previsión de generación renovable

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

Reglamento (UE) 2017/1485 (operación del sistema)Reglamento (UE) 2017/2195 (balance eléctrico)Reglamento (UE) 1227/2011 (REMIT)IEC 61724-1 (monitorización de plantas fotovoltaicas)ISO 9060 (piranómetros)OMM-N.º 8 (guía de instrumentos meteorológicos)

Cuerpo docente y expertos

Este programa se imparte en el área de Energía & Redes, que dirige Dr. Carlos Navarro Sanz. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.

Dr. Carlos Navarro Sanz Dr. Carlos Navarro SanzDirector Académico del SEN — Energy & Networks Institute.
Dr. Kevin O’Connor Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji Takahashi Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.

El claustro completo y los once institutos, con sus líneas de trabajo, están en institutos SEIUM y en liderazgo y consejo asesor.

Dónde se trabaja con esto

Perfiles a los que da acceso el programa.

Analista de previsión energética
Científico de datos energéticos
Meteorólogo energético
Ingeniero de operación de mercados
Analista de demanda eléctrica
Ingeniero de sistemas de previsión

Para quién es

Analista de previsión energética
Científico de datos energéticos
Meteorólogo energético
Ingeniero de operación de mercados
Analista de demanda eléctrica
Ingeniero de sistemas de previsión
Titulados en ingeniería o ciencias que busquen entrar en operadores del sistema

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Gestión inteligente de la demanda: papel de los vehículos en las redes del futuro · Hidrógeno en movilidad: perfiles técnicos más demandados en los próximos años · Vehículos eléctricos y flexibilidad de red: smart charging, V2G y respuesta de demanda.

Áreas cercanas: todas las de Energía & Redes · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Autónomos, ADAS & Vehículo Definido por Software · Civil, Rail & Smart Cities · Data, IA, Simulación & Analytics · Defensa, Ingeniería Militar & Sistemas Terrestres (enfoque académico, legal y ético) · Diseño, HMI & Producto · todas las facultades.

Opiniones de alumnos

Opiniones verificadas de alumnos de SEIUM, recogidas en Opynio.

Ver reseñas completas

De la solicitud al aula, sin esperas

  1. 1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
  2. 2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
  3. 3Eliges modalidad de pago y reservas tu plazaPago único con descuento o entrada más cuotas mensuales. La matrícula de esta semana cierra el 27-11-2026.

El proceso completo, con documentación, plazos, convalidaciones y becas, está en admisión, cómo aplicar y becas y ayudas.

Comprueba tu acceso en tres respuestas

¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Energía & Redes?
¿Puedes mantener un ritmo de estudio constante durante 800 horas · 6 a 8 meses?

Responde las tres y te decimos por dónde seguir.

Requisitos de acceso

  • ·Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria.
  • ·Conexión a internet y un ordenador capaz de ejecutar el software del programa.
  • ·Nivel de español suficiente para seguir lectura de normativa técnica.

Cómo se estudia

Formación 100 % online en el campus de SEIUM, con material descargable, clases grabadas y tutor técnico asignado. Sin horarios fijos: el alumno avanza a su ritmo dentro de la convocatoria, lo que permite compatibilizarlo con el trabajo.

Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. El software de trabajo es Python (scikit-learn, statsmodels), R (forecast), TensorFlow, Prophet, CDO (datos meteorológicos), en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de previsión de demanda con datos históricos, previsión eólica y solar con modelos meteorológicos, evaluación de previsiones probabilísticas. La evaluación es continua por módulo más el proyecto integrador final.

Las modalidades, el calendario y las tasas son comunes a todos los programas: modalidades, calendario académico y tasas y financiación.

Preguntas frecuentes

Son 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «Fundamentos de predicción energética» y cierra con «Proyecto de forecasting energético».

Se trabajan Reglamento (UE) 2017/1485 (operación del sistema), Reglamento (UE) 2017/2195 (balance eléctrico), Reglamento (UE) 1227/2011 (REMIT), IEC 61724-1 (monitorización de plantas fotovoltaicas), ISO 9060 (piranómetros) y OMM-N.º 8 (guía de instrumentos meteorológicos).

Los perfiles más directos son Analista de previsión energética, Científico de datos energéticos, Meteorólogo energético, Ingeniero de operación de mercados y Analista de demanda eléctrica.

En un pago son 712 €, sobre una tarifa de 890 €. A plazos, una entrada de 356 € y 6 cuotas de 89 €, 890 € en total, sin intereses: lo mismo que la tarifa.

Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria, Conexión a internet y un ordenador capaz de ejecutar el software del programa y Nivel de español suficiente para seguir lectura de normativa técnica.

El programa son 800 horas totales repartidas en 6 a 8 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.

Se trabaja con Python (scikit-learn, statsmodels), R (forecast), TensorFlow, Prophet, CDO (datos meteorológicos). Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.

Diploma propio de SEIUM al superar la evaluación continua y el proyecto integrador. Es formación propia, no un título oficial del Ministerio.

Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.

Las dudas comunes a todos los programas (titulación, convalidaciones, visado, idiomas) están resueltas en preguntas frecuentes, equivalencias y convalidaciones e idiomas.

Inicio de clases: 21 de diciembre de 2026712 € Matricularme
Contactar con Seium
Pago al contado712 €ahorras 178 €
Reservar plaza
Seium - Universidad de ingeniería avanzada
Resumen de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.