Datos reales + código
abierto = publicación
BESSAIEvolve implementa un bucle evolutivo mu+lambda + CMA-ES + NSGA-II sobre 48 días de datos reales del mercado spot SEN Chile. Colabora, cita, publica.
Todo lo que necesitas para publicar
Datos reales — no sintéticos
48 días × 288 puntos 5-min de precio CMg del Nodo Maitencillo, SEN Chile. Fuente oficial CEN. Reproducible por cualquier investigador.
100% reproducible
GitHub + CITATION.cff + seeds fijos en benchmarks. Cualquier resultado puede ser replicado exactamente desde el repositorio público.
Verificado en producción real
Los benchmarks no son en simulación: son datos de operación real de un BESS conectado al SEN. Los resultados son de mercado real, no de laboratorio.
Algoritmos de vanguardia
PPO DRL, CMA-ES, NSGA-II Pareto, SHAP explainability, IsolationForest IDS. Inspirado en AlphaEvolve (DeepMind, 2025) y técnicas de RL actuales.
Entorno de simulación idéntico al real
El simulador usa la física real de batería (Steinbuch, cycle aging) y precios históricos CMg. Resultados de simulación son directamente comparables con producción.
Colaboración aceptada
Co-autoría posible en trabajos que contribuyan al proyecto. Equipo de Chile con experiencia en mercados ERNC Latinoamérica.
El bucle evolutivo que mejora la política de arbitraje
BESSAIEvolve es el motor de mejora autónoma de BESSAI. Cada semana corre un bucle evolutivo que genera variantes de la política DRL, las evalúa en el simulador y selecciona las que maximizan revenue con menor degradación de batería.
RESEARCH STACK
REFERENCIAS ACADÉMICAS
Datos de mercado eléctrico real · CC-BY 4.0
CMg — Costo Marginal Nodo Maitencillo
Generación ERNC (misma zona)
Research topics sugeridos
Dataset CC-BY 4.0
listo para publicar.
En colaboración con la Universidad de Santiago de Chile, publicamos el primer dataset de Costo Marginal horario del SEN con 39 meses de cobertura (2023–2026) y 4 nodos del sistema de transmisión nacional.
CMg 4 Nodos SEN · v1.0.0
CC-BY 4.0QUICK START
pip install pandas pyarrow matplotlib seaborn
import pandas as pd
df = pd.read_parquet("cmg_4nodos_2023_2026.parquet")
# Vertimiento en Cardones (~40%)
pct = (df[df.node=="Cardones"].cmg_clp_kwh == 0).mean()
print(f"Vertimiento: {pct:.0%}")
BACKTEST ARBITRAJE — BESS 5 MWh · Rule-Based P25/P75
| Nodo | Rev/mes | IRR | Vertim. |
|---|---|---|---|
| Cardones | $8,800 | 4.1% | 40% |
| Crucero | $9,200 | 4.6% | 38% |
| Charrúa | $1,200 | 0.3% | <1% |
| Quillota | $980 | 0.2% | <1% |
CAPEX 200 USD/kWh · 15 años · RT eff 85% · 111,100 pts reales
CÓMO CITAR EL DATASET
@dataset{bessai_cmg_2026,
author = {BESS Solutions},
title = {BESSAI CMg Dataset — SEN Chile 2023-2026},
year = {2026},
version = {v1.0.0},
url = {github.com/bess-solutions/bessai-academic},
license = {CC-BY 4.0}
}Colabora. Cita. Publica.
¿Qué ofrecemos?
- Datos reales de mercado + entorno de simulación abierto
- Mentoring técnico del equipo BESSAI
- Co-autoría posible en trabajos que contribuyan al proyecto
- Acceso a infraestructura de pruebas (GitHub CI)
- Acceso anticipado a algoritmos en desarrollo
¿Qué pedimos?
- Usar CITATION.cff para citar el software
- Contribuir mejoras de vuelta al repositorio si es posible
- Paper publicado / preprint con mención del dataset/código
CITATION.cff — Cómo citar BESSAI
@software{bessai_edge_2025,
author = {BESS Solutions},
title = {BESSAI Edge Gateway},
year = {2025},
url = {https://github.com/bess-solutions/open-bess-edge},
version = {2.11.0},
license = {Apache-2.0}
}CÓMO APLICAR
¿Tienes una pregunta de investigación sobre BESS?
Probablemente tenemos los datos y el entorno para responderla. Conversemos.