Desarrollo de un software simulador basado en modelos matemáticos y machine learning para analizar y optimizar redes híbridas de energía renovable en centros educativos rurales del cantón Riobamba.

Abstract

La presente investigación tuvo como objetivo desarrollar un software simulador basado en modelos matemáticos y técnicas de machine learning para analizar y optimizar redes híbridas de energía renovable en centros educativos rurales del cantón Riobamba. La problemática identificada se relaciona con el limitado acceso a energía confiable en zonas rurales y la ausencia de herramientas accesibles que permitan planificar sistemas energéticos autosuficientes. El simulador integra ecuaciones diferenciales y métodos numéricos para modelar la generación, almacenamiento y consumo energético; además, incorpora algoritmos de predicción como Random Forest, Gradient Boosting, XGBoost y redes neuronales para estimar la producción solar/eólica y el consumo eléctrico. También se desarrolló un módulo de optimización mediante programación lineal y algoritmos genéticos, orientado a minimizar costos y maximizar la eficiencia. Los resultados mostraron que las redes híbridas solares-eólicas modeladas alcanzan entre un 68% y 82% de autosuficiencia energética, con ahorros de hasta un 40% en comparación con el consumo eléctrico tradicional. El modelo Random Forest obtuvo el mejor desempeño predictivo, con un R² de 0.936, mostrando robustez frente a datos climáticos ruidosos en entornos de altura. El simulador constituye una herramienta útil para la planificación energética en zonas rurales, contribuyendo a la sostenibilidad, la reducción de costos y la mitigación del impacto ambiental.