Una guía paso a paso, clara pero técnicamente rigurosa, sobre qué es Türkiye Grid Foundation Model, por qué se creó, qué evidencia real de EPİAŞ ya se ha verificado, qué hitos ha superado, qué ha conseguido hasta ahora y cómo pueden ampliarlo futuros investigadores.
Es una plataforma abierta de investigación creada para estudiar tres señales horarias relacionadas del sistema eléctrico de Türkiye: consumo eléctrico, generación renovable y MCP/PTF del mercado diario.
El proyecto no presupone que un modelo de IA grande sea automáticamente mejor. Evalúa si una representación temporal compartida produce transferencia útil entre tareas o transferencia negativa en horizontes de +1, +6 y +24 horas, y además estudia la incertidumbre.
El proyecto comenzó con una pregunta más fuerte que «¿puede la IA predecir la electricidad?»: ¿puede una representación temporal compartida aprender estructura útil entre demanda, generación renovable y precio del mercado diario, y en qué condiciones esa compartición genera transferencia negativa?
Antes de abrir la evidencia final, se implementaron el cliente EPİAŞ, la alineación temporal, variables de calendario, ventanas resistentes a fugas de información, baselines, un Transformer compartido compacto, utilidades de incertidumbre, pruebas, CI y un smoke test sintético. Así se separa la depuración del software de la inferencia científica.
La primera solicitud empírica se limitó deliberadamente al periodo 1–31 de enero de 2024. El runner se diseñó para no aceptar fechas arbitrarias y el futuro holdout confirmatorio permaneció sin definir. Esto creó un cortafuegos de evidencia antes de inspeccionar los datos.
Se recuperaron tres flujos horarios oficiales: consumo en tiempo real, generación por fuente y MCP/PTF del mercado diario. Cada uno devolvió 744 de 744 horas esperadas, sin timestamps ausentes, duplicados, nulos numéricos clave ni registros fuera del alcance.
Los tres objetivos se alinearon en 744 filas horarias completas. Se documentaron comportamiento de zona horaria, campos del esquema, rangos, datos ausentes, resúmenes descriptivos, correlaciones y procedencia SHA-256. Los datos brutos de terceros permanecieron locales y fuera de Git.
La primera comprobación del cierre de generación mostró un residual porque el esquema contenía el campo importExport, que no se había incluido en la suma de fuentes. Se ejecutó una auditoría correctiva sobre el mismo snapshot local con cero nuevas solicitudes a EPİAŞ.
Al añadir importExport a la suma de fuentes, el total comunicado por EPİAŞ cerró exactamente durante las 744 horas, dentro de precisión numérica. El error absoluto medio, el P95 del error absoluto y el máximo error absoluto pasaron a cero.
Se encontraron dos observaciones solares de -0.01 MWh. Su magnitud absoluta total fue solo 0.02 MWh. No se eliminaron ni recortaron silenciosamente; se documentaron para que cualquier regla posterior de preprocesamiento pueda fijarse antes de la evaluación confirmatoria.
El logro actual no es afirmar que un Transformer gana. El logro es disponer de una capa empírica de datos verificada y reproducible, una trazabilidad auditable, una convención contable resuelta, código abierto y un futuro estudio confirmatorio protegido.
Ahora puede ampliarse el histórico solo en la parte exploratoria/de entrenamiento, auditar la estabilidad del esquema entre años, comparar baselines de persistencia/estacionales/lineales y medir CPU/GPU, tiempo de ejecución y almacenamiento. Solo después deberán congelarse familias de modelos, semillas, métricas, exclusiones y el holdout intacto.
744 filas completas y alineadas; zona horaria +03:00; hashes de procedencia conservados.
En las 744 horas auditadas, dentro de precisión numérica: total = suma de fuentes listadas + importExport.
Dos observaciones sun = -0.01 MWh fueron documentadas, conservadas y no alteradas silenciosamente.
Cliente autenticado, adquisición acotada, inspección del esquema, alineación temporal y política local para los datos brutos.
Divisiones cronológicas, ventanas de 168 horas, variables de calendario, baselines, modelo compartido y utilidades de incertidumbre.
Bloqueo de alcance, informes agregados, procedencia SHA-256, Pages públicas, hoja de ruta de publicación y puerta de prerregistro.
El objeto científico es la hipótesis, no la reputación del modelo. Un empate o una transferencia negativa siguen siendo resultados informativos.
Otros investigadores pueden sustituir modelos manteniendo el contrato de datos, la lógica de auditoría y el cortafuegos de evaluación.
Un puente reutilizable entre datos oficiales del mercado eléctrico y experimentación reproducible de IA/series temporales.
Todavía no existe una clasificación final de modelos, ninguna afirmación de superioridad del Transformer, ninguna afirmación causal ni ningún resultado confirmatorio de predicción. Es una protección metodológica deliberada, no una carencia oculta.
Faramarz Kowsari es autor e investigador radicado en Estambul. Su trabajo se sitúa en la intersección de tecnología, educación y desarrollo personal, y ha publicado más de 80 títulos digitales en plataformas internacionales. Sus áreas incluyen Inteligencia Artificial, prompt engineering, estrategias modernas de trading (Smart Money Concepts y trading algorítmico), literatura clásica y mindfulness. Además, desarrolla herramientas educativas web y contenido formativo especializado.
Sitio Web Oficial · Google Scholar · GitHub · LinkedIn · ORCID
El estado actual del ciclo de investigación se ha archivado en OSF como registro público y persistente. DOI del registro: 10.17605/OSF.IO/FMCYQ. Proyecto OSF asociado: osf.io/tz5pw.
El registro documenta la auditoría real de EPİAŞ de enero de 2024, la auditoría correctiva de contabilidad de generación, las reglas de reproducibilidad y la frontera entre el trabajo exploratorio y el futuro estudio confirmatorio. No es la prerregistración confirmatoria final; el holdout confirmatorio sigue indefinido y sin consultar.