La previsión precisa del consumo eléctrico residencial (REC) constituye un componente esencial para la planificación energética, especialmente en países donde la demanda crece de manera sostenida y la infraestructura aún presenta limitaciones.
En este contexto, un equipo de investigadores de la Facultad de Ciencias Exactas y Naturales de la Universidad Nacional de Asunción (FACEN-UNA) en conjunto con miembros del Sistema Nacional de Investigadores (SISNI) publicó un estudio en una revista científica internacional de la editorial Springer, ofreciendo un análisis comparativo para el caso paraguayo.
La investigación, titulada “Residential electricity consumption forecasting using machine learning and SARIMA approaches: a case study of Paraguay”, fue desarrollada por el profesor doctor Gustavo Rivas, el doctor Sebastián Grillo, el doctor Édgar Benítez y la MSc. Celia Ortigoza-Larroza.
El trabajo analiza el comportamiento del consumo eléctrico residencial en Paraguay y pone a prueba distintos enfoques de modelado para identificar cuáles ofrecen mejores resultados para realizar pronósticos confiables.
RESULTADOS
Los resultados destacan que los modelos basados en Random Forest lograron la mayor precisión en predicciones de corto y mediano plazo, gracias a su capacidad para capturar patrones no lineales sin depender de supuestos estadísticos estrictos.
La investigación también introduce un enfoque metodológico replicable para la evaluación de modelos en contextos con disponibilidad limitada de datos, lo que resulta especialmente relevante para países con infraestructura estadística reducida.
PRIMERA APLICACIÓN EMPÍRICA
Este estudio representa la primera aplicación empírica de estos métodos a datos de electricidad residencial en Paraguay y sus hallazgos pueden ser útiles para otros países que enfrentan desafíos similares en la previsión y planificación energética. El trabajo se deriva de la tesis de Maestría en Estadística de MSc. Celia Ortigoza-Larroza, que aportó los datos y el enfoque inicial del estudio.