Uso de herramientas de balanceo de clases para la mejora del desempeño de modelos de clasificación en la estimación de la hora de la demanda eléctrica máxima

Resumen

La estimación de la hora de ocurrencia de la demanda eléctrica máxima es útil para establecer la magnitud de la generación eléctrica requerida para satisfacer dicha demanda, para establecer tarifas diferenciadas con el fin de “aplanar” la curva de carga, entre otras razones. Esta hora de ocurrencia de la demanda podría pertenecer al horario diurno o al horario nocturno, con un claro desequilibrio hacia este último. El objetivo de esta investigación es mejorar el desempeño de los modelos de pronóstico de la hora de ocurrencia de demanda eléctrica máxima al aplicar herramientas para el balance de clases. Se trabajó con los datos históricos de un país suramericano del período 2021-2024, y se utilizaron los algoritmos de máquina de soporte vectorial y regresión logística para generar los modelos de clasificación. Los métodos de balanceo de clases considerados fueron SMOTE, SMOTE-NC, así como el argumento de ajuste de los pesos de las clases de los propios algoritmos de aprendizaje automático. Para cada algoritmo de generaron cuatro modelos: uno con las clases desbalanceadas, otros con las clases balanceadas con el argumento de ajuste de los pesos, otro utilizando el método SMOTE-NC, y el cuarto utilizando el método SMOTE. Como resultado se obtuvo que los modelos en los que estuvo presente el método SMOTE-NC tuvieron las mayores mejoras de sus métricas de desempeño, las cuáles fueron: Exactitud, Precisión, F1, y Recordatorio.