Ayala Chauvin, Manuel IgnacioMuyulema Masaquiza, Wilmer Darío2026-02-112026-02-112025Muyulema, Wilmer (2025). Segmentación del consumo energético mediante K-Means: Aplicaciones en tarifación, detección de outliers y predicción de demanda en sistemas sin medición inteligente.https://hdl.handle.net/20.500.14809/8193La 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.application/pdfspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Detección de anomalías, K-Mean, Previsión de la demanda, Segmentación de energía, Tarifación eléctrica.info:eu-repo/semantics/masterThesishttp://purl.org/pe-repo/ocde/ford#1.02.00