Resumen:
El acelerado crecimiento de vehículos eléctricos (VE) en Costa Rica ha generado la necesidad de comprender el impacto energético y económico asociado a la recarga residencial.
Este artículo presenta un enfoque predictivo basado en aprendizaje automático para estimar el consumo energético y el incremento en la factura eléctrica en hogares costarricenses. Se emplearon datos del Electric Vehicle Population Dataset de 2024 y se procesaron mediante ingeniería de características, selección de variables, algoritmos de regresión, XGBoost y redes neuronales artificiales.
Los resultados muestran que el modelo MLP logra un desempeño sobresaliente (R² = 0,89), superando alternativas tradicionales. Se integra además una simulación tarifaria basada en tarifas reales de Costa Rica, permitiendo estimar costos y generar escenarios de uso.
El trabajo aporta una base técnica y metodológica para la adopción informada de electromovilidad en la región.
