Desarrollo de un sistema predictivo de consumo de energía eléctrica en la ciudad de Riobamba, mediante la aplicación de algoritmos de predicción, para la mejora de la gestión energética.

Abstract

El presente estudio tiene como objetivo desarrollar un sistema predictivo de consumo de energía eléctrica en la ciudad de Riobamba, mediante la aplicación de modelos de series temporales y redes neuronales, con el propósito de mejorar la gestión energética y asistir en la toma de decisiones con respecto a la crisis energética que atraviesa el país. Para ello, se analizaron datos históricos de consumo eléctrico correspondientes al periodo 2021-2023, con una frecuencia de 15 minutos, lo que resultó en un total de 105,320 registros. Las variables consideradas incluyen el consumo eléctrico como variable dependiente, el modelo utilizado como variable independiente y tres variables exógenas: la temperatura, el día de la semana y las festividades o feriados. En el desarrollo del modelo se evaluaron distintos enfoques predictivos, destacando el uso de SARIMAX, SARIMAX combinado con redes neuronales y modelos LSTM. Los resultados indicaron que el modelo LSTM proporcionó la mejor precisión en la predicción, basándose en métricas de error como el Error Absoluto Medio (MAE), el Error Porcentual Absoluto Medio (MAPE) y el Error Cuadrático Medio (RMSE). Sin embargo, se identificaron desafíos en la estimación de parámetros adecuados para los modelos ARIMAX y SARIMAX, así como en el manejo de grandes volúmenes de datos para redes neuronales. Finalmente, el estudio proporciona recomendaciones para la mejora de la gestión del consumo energético en la ciudad, con base en los patrones identificados y las predicciones generadas, lo que contribuye a una mejor planificación del suministro eléctrico.