Publication: Predicción del consumo eléctrico mediante análisis de Big Data y series temporales
No Thumbnail Available
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Corporación Universitaria Remington
Abstract
El propósito fundamental de esta investigación es idear un modelo predictivo que nos permita visualizar cómo será el consumo eléctrico en el futuro, partiendo de datos históricos detallados. Para lograrlo, echaremos mano de técnicas de Big Data y, por supuesto, de series temporales. Para este fin, recurrimos al conjunto de datos "Household Electric Power Consumption", que guarda registros minutos a minuto del consumo de un hogar desde diciembre de 2006 hasta noviembre de 2010. Al principio, trazamos un marco conceptual y contextual y pusimos todo en contexto, aclarando ideas clave como Big Data, series temporales y predicción del consumo eléctrico. Además, definimos el problema, justificamos el proyecto y fijamos los objetivos a alcanzar. Después, en la etapa de desarrollo e implementación, nos encargamos de subir, limpiar y alistar el conjunto de datos. Esto implicó deshacernos de los valores vacíos, adaptar los datos a los formatos correctos y crear un índice temporal. Explorar los datos análisis exploratorio de datos nos ayudó a detectar patrones importantes, como los momentos de mayor consumo, las diferencias entre los días de semana y los fines de semana, y un ritmo estacional que se repite cada año. Para predecir, usamos la librería Prophet. Con ella, entrenamos el modelo usando el consumo promedio diario y calculamos una proyección para los siguientes 180 días. Las predicciones respetan la tendencia del pasado y la estacionalidad, lo que indica que el modelo puede prever cuándo habrá más demanda. Los resultados señalan que predecir el consumo eléctrico es muy útil para usar mejor los recursos, planificar la generación y ser más conscientes al usar la energía. No obstante, sabemos que añadir más factores, como datos del clima o socioeconómicos, podría hacer que las predicciones sean aún más precisas.
Description
Keywords
Big Data, Predicción, Consumo eléctrico, Series temporales, Prophet