Análisis y predicción del consumo de energía eléctrica en edificios de departamentos multifamiliares en Perú mediante técnicas de ciencia de datos

• Autor: Lucas Cornelio, Jose Antonio
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Continental
• Repositorio: CONTINENTAL-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.continental.edu.pe:20.500.12394/19395
• Enlace del recurso: https://hdl.handle.net/20.500.12394/19395
• Nivel de acceso: acceso abierto
• Materia: Consumo de energía; Oferta y demanda; Optimización; Power consumption; Demand Forecasting; Consumption optimization; Machine learning; https://purl.org/pe-repo/ocde/ford#1.02.00

Este estudio práctico tiene como objetivo utilizar las técnicas de ciencia de datos para implementar un modelo para analizar y predecir el consumo de energía eléctrica en edificios multifamiliares en Perú, teniendo como base el registro de consumos realizado por los medidores inteligentes. El estudio se centra en la identificación de patrones de consumo, la predicción de la demanda de energía eléctrica y la optimización del uso de energía eléctrica en franjas horarias específicas. La muestra de la población de estudio tiene un set de datos con históricos de consumo registrados cada 15 minutos desde enero de 2023 hasta diciembre de 2024. La metodología empleada es de enfoque cuantitativo, con un diseño no experimental y longitudinal. Se utilizaron técnicas de análisis de series temporales y modelos de machine learning, como LSTM (Long Short - Term Memory), para predecir la demanda de energía. Los resultados mostraron una estacionalidad mensual, semanal y diaria en el consumo de energía, con picos en meses determinados y durante los días laborables. El modelo LSTM demostró ser el más efectivo, con un error absoluto medio (MAE) inferior. Adicionalmente, se implementó un modelo de optimización que permitió reducir los costos de energía eléctrica, al distribuir teóricamente el consumo a horarios de menor costo. Las conclusiones indican que el uso de técnicas de ciencia de datos demuestra que es posible una mejora significa en la eficiencia del consumo de energía eléctrica y es posible reducir los costos para los residentes, contribuyendo a la sostenibilidad ambiental.