Modelo de Demanda Eléctrica Mediante Ciencia de Datos y Machine Learning: Caso Sistema Eléctrico del Ecuador

Electricity Demand Model Using Data Science and Machine Learning: Case Study of the Ecuadorian Electricity System

Resumo

En el presente trabajo se compararon modelo de aprendizaje automático y modelos estadísticos con el fin de revisar su comportamiento frente a datos multifuentes correspondientes al intervalo desde 2001 al 2025, dichos datos corresponde a valores climáticos, socioeconómicos y de energía disponible del Ecuador, esta última fue tomada como variable objetivo, fueron evaluados los modelos SARIMAX, XGBoost y LightGBM, en una comparación de validación temporal, los resultados encontrados presentan a SARIMAX con un desempeño superior a los otros (R²=0.987; MAPE<1%), evidenciado la autocorrelación , estacionalidad y las tendencias, de esta manera se muestra que los modelos de aprendizaje automático, excluyendo los modelos híbridos, no siguen cambios drásticos, obteniéndose bajos niveles de precisión en los resultados, también se evidencia la colinealidad de la energía facturada con la disponible, siendo coherente con las restricciones estructurales del sistema, siendo la dinámica del tiempo preponderante de las complejidades del modelo.