Segmentación del consumo energético mediante K-Means: Aplicaciones en tarifación, detección de outliers y predicción de demanda en sistemas sin medición inteligente

Abstract

La gestión de la demanda de energía en sistemas que carecen de medición inteligente presenta un desafío importante para los distribuidores eléctricos, principalmente debido a la ausencia de datos en tiempo real. Esta investigación evalúa la eficacia del algoritmo K-Means cuando se aplica a los registros de facturación mensual de 221.401 clientes residenciales de Empresa Eléctrica Ambato Regional Centro Norte S.A. (EEASA) (Ecuador) durante el período 2023-2024. La metodología abarcó la limpieza de datos, la normalización de la puntuación Z y la validación empleando los índices Silhouette (0,55) y Davies-Bouldin (0,51). Además, se utilizaron modelos de regresión lineal (LR) y bosque aleatorio (RF) para pronosticar la demanda, y este último arrojó un R2 de 0,67. Los hallazgos delinearon ocho grupos distintos, lo que facilitó la formulación de tasas más representativas, la identificación de valores atípicos a través del método de rango intercuartílico (IQR) y la mejora de la estimación del consumo. Se concluye que este enfoque de segmentación no supervisada constituye una herramienta robusta y rentable para la planificación energética en entornos de red desprovistos de infraestructura inteligente.