Resumen:
Con el incremento en el uso de las tecnologías derivado del crecimiento exponencial de la población, se ha incrementado la necesidad del uso de la energía eléctrica para la vida cotidiana, dicho de otra manera, la demanda de electricidad ha experimentado un evidente crecimiento en los últimos años, lo que conlleva, a tener que mejorar la gestión de los sistemas eléctricos de potencia para poder satisfacer la necesidad de los usuarios de estar conectados a la electricidad. En este aspecto, es necesario contar con métodos predictivos del consumo eléctrico como lo es la Carga de Referencia del Cliente o CBL por sus siglas en inglés, que calcula el patrón de consumo de los usuarios. Para ello, se hace uso de la herramienta de Aprendizaje Automático que cuenta con un conjunto de modelos estadísticos que mejora la estimación de los datos, reduciendo su error.
Descripción:
En este trabajo se utiliza el modelo de Regresión de Proceso Gaussiano (RPG)
basado en un modelo de regresión lineal, el cual es comparado con el modelo de Media Móvil Integrada Auto-Regresiva (ARIMA) y así, validar la eficiencia de la estimación del CBL. De igual manera, se hace uso de indicadores de rendimiento que justifican la eficiencia del modelo propuesto, siendo estos el Error Cuadrático Medio (MSE), el Error Absoluto Medio (MAE) y el Error Cuadrado de la Media Raíz (RMSE).