/ Proyectos / Industria / Segmentación de empresas eléctricas con clustering
Segmentación de empresas eléctricas con clustering aplicado al VAD
Clustering para agrupar empresas de distribución eléctrica según su estructura de costos, replicando el criterio regulatorio del Valor Agregado de Distribución en Chile.
En Chile, lo que una empresa distribuidora de electricidad puede cobrar por su servicio no lo decide el mercado libremente, lo calcula un regulador cada cuatro años. Ese cálculo se llama Valor Agregado de Distribución, VAD, y se basa en el costo de una empresa modelo eficiente, no en el costo real de cada distribuidora.
Comparar a todas las empresas contra la misma empresa eficiente sería injusto, por eso el regulador agrupa primero a las empresas en Áreas Típicas de Distribución. Este proyecto exploró si el clustering podía replicar ese mismo criterio a partir de indicadores de costo por empresa, tanto para uso académico como para cualquier ejercicio de benchmarking entre empresas de una industria regulada.
Mapa del casoContenido
- Diagrama de la solución. Dos análisis en paralelo que convergen en el mismo objetivo regulatorio
- Construcción de la solución. Por qué entender el criterio regulatorio importó más que el modelo
- Condiciones del proyecto. Restricciones reales y opciones descartadas antes de construir
- Pasos. Qué se dejó al agente y qué criterio se aplicó en cada uno
- Proceso de iteración. La diferencia frente al criterio oficial, documentada sin maquillar
- Descargables. Notebook y repositorio del proyecto
- Lecciones importantes. La lección concreta que deja este caso
Estructura de alto nivelDiagrama de la solución
Pasa el cursor sobre cada bloque para ver qué hace ese paso.
El clustering y el análisis del perfil de carga son análisis distintos, pero ambos alimentan el mismo objetivo regulatorio: agrupar empresas de forma justa y estimar el costo de una empresa modelo eficiente por grupo.
Cómo se construyóConstrucción de la solución
Condiciones del proyecto
| Restricción | Dato |
|---|---|
| Origen de los indicadores de costo | No son datos abiertos declarados, se protege la fuente con anonimización y datos sintéticos |
| Variables disponibles para el clustering | Solo VADT y CxK normalizados, un espacio simple a propósito |
| Criterio de agrupación "correcto" | Ya lo define el regulador, el clustering se usa como referencia, no como reemplazo |
| Perfil de carga del alimentador | Insumo real de otra empresa, tratado con el mismo cuidado de confidencialidad |
| Opción | Por qué se descartó |
|---|---|
| Replicar exactamente las 12 Áreas Típicas de Distribución del estudio oficial | Requeriría todas las variables y la metodología completa del estudio regulatorio |
| Clustering jerárquico o basado en densidad | Con solo dos variables normalizadas, K-Means es suficiente y más simple de interpretar |
| K-Means con 6 clústeres sobre VADT y CxK normalizados | Suficiente para explorar el criterio de agrupación con un espacio de variables simple, opción elegida |
| Ignorar el perfil de carga por no ser la variable principal | Se mantiene como insumo complementario para el costo teórico, parte del mismo VAD |
Pasos
Entender el criterio antes de programar el modelo
Agente: puede escribir el clustering sin ningún contexto regulatorio.
Criterio aplicado: investigar qué es el VAD y por qué existen las Áreas Típicas de Distribución antes de decidir qué variables tenían sentido.
Elegir y normalizar las variables correctas
Agente: hubiera usado las variables tal cual, sin normalizar.
Criterio aplicado: normalizar VADT y CxK dividiendo entre su valor máximo, para que ninguna dominara la distancia euclidiana solo por su escala.
Definir el número de grupos con criterio
Agente: hubiera asumido que el número debía coincidir con las 12 Áreas Típicas reales.
Criterio aplicado: usar 6 clústeres como punto de partida razonable para dos variables, sin pretender replicar el estudio oficial completo.
Explorar el perfil de carga como insumo complementario
Agente: no relacionaría este análisis con el clustering por defecto.
Criterio aplicado: mantenerlo como insumo del costo teórico de infraestructura, el otro componente del VAD, sin forzarlo dentro del clustering.
Proceso de iteración
Resultado inesperado, no forzado
El ejercicio exploratorio usó 6 clústeres, mientras que el estudio oficial de la Comisión Nacional de Energía define 12 Áreas Típicas de Distribución para el sector completo. La diferencia no es un error, es consecuencia directa de trabajar con solo dos variables normalizadas en vez de las variables completas del estudio regulatorio, y limita cuánto se puede comparar el resultado exploratorio contra la clasificación oficial.
CierreLecciones importantes
La lección más importante fue de contexto antes que de código. Entender por qué existe el VAD y qué resuelven las Áreas Típicas de Distribución fue lo que permitió decidir qué variables normalizar e interpretar el resultado del clustering.
La segunda es de honestidad de alcance: seis clústeres con dos variables no son doce Áreas Típicas con la metodología oficial completa, y decirlo con claridad es parte de un trabajo serio. La tercera es sobre los datos: cuando la fuente es una empresa, la autorización, la anonimización y, cuando hace falta, los datos sintéticos, son parte legítima del proceso.
Si quieres ver un enfoque publicado que combina clustering con benchmarking regulatorio en distribución eléctrica, este trabajo, aplicado al regulador finlandés, es una buena referencia del nivel de la contribución: Best-practice benchmarking using clustering methods: Application to energy regulation.
Termina ya tu proyecto
¿Tienes un problema regulatorio o de benchmarking entre empresas y no sabes por dónde empezar? Yo te ayudo a diseñarlo.
El 92% de los profesionales de datos desbloquea sus proyectos al ver ejemplos completos resueltos.
Sin registro. Acceso inmediato