Modelo de Machine Learning para identificar el perfil de demanda de consumo en medidores de empresas distribuidoras de Energía Eléctrica

• Autor: Arcaya Huacasi, Milagros
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/21214
• Enlace del recurso: https://hdl.handle.net/20.500.12773/21214
• Nivel de acceso: acceso abierto
• Materia: Predicción; Consumo; Energética; https://purl.org/pe-repo/ocde/ford#5.01.01

En la actualidad, las empresas distribuidoras de energía eléctrica enfrentan el desafío de gestionar eficientemente la demanda de energía, lo cual es crucial para la optimización de recursos, la reducción de costos y la mejora de la sostenibilidad ambiental. Este trabajo presenta el desarrollo y aplicación de diferentes modelos estadísticos y de machine learning para identificar con precisión el perfil de demanda de consumo en medidores de empresas distribuidoras de energía eléctrica en la región de Puno. Se investigaron y compararon diferentes algoritmos, incluyendo redes neuronales para determinar el más adecuado basado en su precisión y capacidad de generalización. Los datos utilizados comprendieron registros históricos de consumo, información geográfica, y datos demográficos de los consumidores. El modelo más eficaz demostró ser capaz de predecir la demanda de energía con una alta precisión, facilitando así una mejor planificación y gestión de los recursos energéticos. Este estudio no solo aporta a la literatura existente en el campo del machine learning y su aplicación en la gestión de la energía, sino que también ofrece herramientas prácticas para las empresas distribuidoras para mejorar la eficiencia operativa y la satisfacción del cliente de los diferentes niveles económicos, como de aquellos cuya clasificación es del sector urbano y rural cuya demanda es creciente cada periodo y las empresas distribuidoras deben determinar el perfil de demanda de consumo .