Modelado y predicción del consumo energético de vehículos eléctricos ligeros en hogares costarricenses a partir de patrones de carga y características técnicas.

Chacón Garro, Maverick Josué; López López, Marni Andrei

dc.contributor.author	Chacón Garro, Maverick Josué
dc.contributor.author	López López, Marni Andrei
dc.date.accessioned	2026-03-18T22:06:28Z
dc.date.available	2026-03-18T22:06:28Z
dc.date.issued	2025-08
dc.identifier.uri	xmlui/handle/123456789/642
dc.description.abstract	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.	es_MX
dc.language.iso	es	es_MX
dc.publisher	Universidad Cenfotec	es_MX
dc.subject	Vehículos eléctricos	es_MX
dc.subject	Consumo energético residencial	es_MX
dc.subject	Aprendizaje automático	es_MX
dc.subject	Redes neuronales artificiales	es_MX
dc.subject	XGBoost, regresión multivariable	es_MX
dc.subject	Modelado predictivo	es_MX
dc.subject	Estado de carga (SoC)	es_MX
dc.subject	Simulación tarifaria	es_MX
dc.subject	Tarifas eléctricas	es_MX
dc.subject	Movilidad eléctrica	es_MX
dc.subject	Costa Rica	es_MX
dc.title	Modelado y predicción del consumo energético de vehículos eléctricos ligeros en hogares costarricenses a partir de patrones de carga y características técnicas.	es_MX
dc.type	Thesis	es_MX