Aplicación de la metodología de Ciencia de Datos para analizar datos de facturación de energía eléctrica. Caso de estudio: Uruguay 2000-2022

The objective of this research is to analyze the electricity billing data in Uruguay during the period 2000-2022, using machine learning algorithms. It is a descriptive-explanatory type of research, and the Data Science methodology is used to achieve the stated objective. The K-Means algorithm is used to group the data according to the types of clients, the K-NN algorithm to generate a model that allows predicting the type of client of the new records, the PCA technique to reduce the dimensionality of the data, prior to the application of the Linear Regression algorithm to obtain a model to predict the total electric energy billed from the new records. The model obtained with K-Means generated a cluster for each type of customer, perfectly grouping the data. The model obtained through K-NN made it possible to predict whether the client was residential or non-residential, with 100% accuracy. Combining the correlation analysis with the PCA analysis, the dimensionality was reduced until only three explanatory variables were obtained. The linear regression model had a high coefficient of determination R2 of 0.981, and the residuals were normally distributed.La presente investigación tiene como objetivo analizar los datos de facturación de energía eléctrica en Uruguay durante el período 2000-2022, utilizando algoritmos de aprendizaje automático. Es una investigación de tipo descriptiva-explicativa, y se utiliza la metodología de la Ciencia de Datos para alcanzar el objetivo planteado. Se maneja el algoritmo K-Means para agrupar los datos de acuerdo con los tipos de clientes, el algoritmo K-NN para generar un modelo que permite predecir el tipo de cliente de los nuevos registros, la técnica PCA para reducir la dimensionalidad de los datos previo a la aplicación del algoritmo de Regresión Lineal para obtener un modelo para predecir la energía eléctrica total facturada de los nuevos registros. El modelo obtenido con K-Means generó un clúster para cada tipo de clientes, agrupando perfectamente los datos. El modelo obtenido a través de K-NN, permitió predecir si el cliente era de tipo residencial o no residencial, con una exactitud del 100%. Combinando el análisis de correlación con el análisis PCA, se redujo la dimensionalidad hasta obtener sólo tres variables explicativas. El modelo de regresión lineal tuvo un alto coeficiente de determinación R2 de 0,981, y los residuos se distribuyeron normalmente