Implementación de un modelo híbrido CNN-LSTM con HGB para pronóstico de demanda eléctrica de corto plazo en una distribuidora local

Resumen

El pronóstico de demanda eléctrica de corto plazo aporta información anticipada para la operación, la compra de energía y la evaluación de restricciones en redes de distribución. Se desarrolla y evalúa una metodología híbrida para la Cooperativa de Energía y Consumos de Ibarlucea, Santa Fe, a partir de mediciones reales de potencia activa cada 15 minutos, registradas entre julio de 2024 y abril de 2026 en el punto de interconexión con la red aguas arriba, datos meteorológicos de la estación meteorológica del aeropuerto de Rosario y descriptores temporales. El pronóstico multihorizonte combina una arquitectura CNN-LSTM sequence-to-sequence con un modelo Histogram Gradient Boosting que estima los residuos del predictor inicial. Se evaluaron resoluciones horaria y de 15 minutos, horizontes de uno a tres días y ventanas históricas de dos, cuatro y siete días. Para una ventana de dos días y un horizonte de un día, la configuración de 15 minutos redujo el MAE de 64,46 a 51,83 kW y el RMSE de 102,57 a 94,33 kW; el MAE en picos disminuyó de 102,29 a 83,79 kW. En general, la corrección residual mejoró la precisión global y en alta demanda, aunque persiste un sesgo de subestimación. La mayor granularidad temporal resultó ventajosa, mientras que ampliar la ventana histórica no produjo mejoras sistemáticas.