Predicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15

Abstract

La estimación precisa de la demanda eléctrica es fundamental para la planificación y operación eficiente de los sistemas de distribución. En la subestación K15, ubicada en un área de crecimiento sostenido como Minga Guazú, se identificó la necesidad de contar con herramientas de pronóstico que anticipen con mayor certeza el comportamiento futuro del consumo eléctrico, considerando el impacto de variables climáticas. Este trabajo tuvo como objetivo comparar la efectividad de los modelos estadísticos SARIMAX y Prophet en la predicción de la demanda eléctrica horaria, incorporando variables exógenas como temperatura, humedad relativa y ocurrencia de lluvias. Se procesaron datos históricos de la ANDE y fuentes meteorológicas confiables, aplicando técnicas de limpieza, transformación y alineación temporal. Los modelos se ajustaron mediante scripts en Python y se evaluaron con métricas como RMSE, MAE y MAPE. Los resultados evidenciaron que ambos modelos ofrecen predicciones precisas, con diferencias en el manejo de la estacionalidad y sensibilidad a variables externas. La comparación permitió identificar fortalezas y limitaciones de cada enfoque, aportando una herramienta útil para la planificación energética local y la gestión sostenible del sistema eléctrico.