Evaluación y comparativa de algoritmos de machine learning para La predicción de la demanda energética nacional

Abstract

La presente tesis comprende la evaluación comparativa de algoritmos de predicción aplicados a la demanda energética nacional en el Ecuador, para así, identificar un modelo que nos permita hacer un estimado del consumo eléctrico basándonos en información obtenida entre el 2022 y 2025. Esta investigación usa la metodología KDD, la cual tiene un enfoque estructurado en descubrimiento de patrones en los datos integrando la preparación, transformación y modelado de series temporales. Como parte del desarrollo, se ha planteado un prototipo de aplicación denominado ELFO (Electric Forecast) que soluciona y automatiza el proceso de predicción, desde el procesamiento ETL hasta la generación de pronósticos...This thesis comprises a comparative evaluation of forecasting algorithms applied to Ecuador’s national energy demand, with the aim of identifying a model that enables us to estimate electricity consumption based on information collected between 2022 and 2025. This research applies the KDD methodology, which follows a structured approach to pattern discovery in data by integrating the preparation, transformation, and modeling of time series. As part of the development, a prototype application named ELFO (Electric Forest) was proposed to automate the forecasting process, from ETL processing to the generation of demand predictions...