Este documento destaca la importancia de la precisión en la previsión de precios de la electricidad (EPF) para una toma de decisiones eficaz en el mercado spot de electricidad y evalúa el rendimiento de la previsión de precios de la electricidad de los modelos basados en series temporales (TSFM) desarrollados recientemente, basados en inteligencia artificial generativa (GenAI) y modelos de lenguaje gigante (LLM) preentrenados. Se comparan y analizan modelos preentrenados de última generación, como Chronos-Bolt, Chronos-T5, TimesFM, Moirai, Time-MoE y TimeGPT, con los métodos estadísticos y de aprendizaje automático (ML) existentes. Utilizando los datos de precios de la electricidad del Mercado de Futuros Diarios (DAA) de 2024 de Alemania, Francia, Países Bajos, Austria y Bélgica, se realizan previsiones de un día. Los resultados muestran que Chronos-Bolt y Time-MoE tienen el mejor rendimiento entre los TSFM, logrando un rendimiento comparable al de los modelos existentes. Sin embargo, el modelo MSTL biestacional, que considera la estacionalidad diaria y semanal, supera sistemáticamente al modelo MSTL, independientemente del país o el índice de evaluación. Ningún TSFM supera estadísticamente al modelo MSTL.
