Predicción de consumo de energía eléctrica en hogares utilizando modelos de aprendizaje automático

Abstract

En la actualidad la demanda del servicio energético es alta, envista que actualmente existe diversos entornos que es indispensable dicho servicio y factores que afectan el consumo energético. Según el Balance Energético Nacional del 2019, el consumo eléctrico en el Ecuador, se ha incremento del 39.4% por habitante. El problema radica en que las empresas de energía eléctrica no saben como predecir el consumo, para determinar estrategias y no exista sobre carga. Ante esta situación, se ha planteado el proyecto de investigación Predicción de consumo de energía eléctrica en hogares utilizando modelos de aprendizaje automático, para cumplir con el objetivo de determinar un modelo de aprendizaje automático para predecir el consumo energético en hogares del Ecuador en base a datos históricos. Se trabajó con un dataset de consumo de energía del año 2023, obtenida de la base de datos de la Agencia de Regulación y Control de Electricidad (ARCONEL), Se aplicó la metodología CRISP-DM, para estructurar por fases el proyecto, y determinar de mejor manera el proceso de datos y la selección de los modelos. En este caso se realizó el entrenamiento de tres modelos Regresión Lineal, Randon Forest y XGBoost. Se obtuvo como resultados que el modelo que más predomino y se obtuvo una predicción más exacta es el Random Forest que alcanzando un R² superior a 0.99. Se puede concluir que la variable predominante fue el numero de clientes, lo que significa que su incremento es un causal del incremento disminución del consumo de energía en los hogares. At present, the demand for energy service is high, since currently there are various environments that such a service is indispensable and factors that affect energy consumption. According to the 2019 National Energy Balance, electricity consumption in Ecuador has increased by 39.4% per inhabitant. The problem is that electric power companies do not know how to predict the consumption, to determine strategies and there is no overload.Faced with this situation, the research project Prediction of Electricity consumption in homes using learning models to meet the objective of determining a learning model automatic to predict energy consumption in homes in Ecuador based on Historical data.We worked with a dataset of energy consumption for the year 2023, obtained from the database of the Electricity Regulation and Control Agency (ARCONEL), The CRISP-DM methodology was applied to structure the project, and better determine the data processingand model selection. The results were that the most predominant model and a The most accurate prediction is the Random Forest that reaching an R² greater than 0.99. Herself can conclude that the predominant variable was the number of customers, which means that its increase is a cause of the increase decrease in the consumption of energy in homes.