Integrantes:
Huayascachi Barreto, Oscar.
Candia Nina, Daryl

Resumen:
Este estudio presenta una metodología de segmentación de clientes eléctricos en el departamento de Puno, Perú, utilizando técnicas de aprendizaje automático no supervisado. Se empleó el algoritmo K-Means sobre una base de datos de más de 9 millones de registros proporcionados por Electro Puno S.A., complementada con variables climáticas del SENAMHI y coordenadas geográficas. El proceso incluyó la normalización de datos, el enriquecimiento espacial mediante polígonos de Voronoi y la selección óptima de clústeres mediante los métodos del codo, silueta y gap estadístico. Como resultado, se identificaron tres perfiles de clientes según su consumo promedio, ubicación y condiciones ambientales. Esta segmentación permite mejorar la planificación energética, definir estrategias tarifarias diferenciadas y promover políticas orientadas a un uso más eficiente de la energía en contextos urbanos y rurales.

Keywords: K-Means, segmentación de clientes, consumo eléctrico, aprendizaje automático, Puno, Voronoi, energía, clustering, variables climáticas, georreferenciación