El consumo eléctrico a nivel global ha aumentado y lo seguirá haciendo de forma ininterrumpida en corto y mediano plazo. La tendencia despierta en investigadores, proveedores y consumidores, el interés de entender cómo se consume el recurso. Un insumo para el entendimiento son los datos de consumo, obtenidos en procesos de monitoreo no intrusivo de cargas o mediante la instalación de medidores dentro de los establecimientos. Un buen entendimiento del uso permite planificar la demanda basándose en datos reales (e.g., elaborar tarifas, controlar picos de consumo, etc.) y promover el uso consciente y óptimo del recurso (e.g., identificar dispositivos de mayor consumo, detectar comportamientos anómalos, etc.). Esta tesis presenta una caracterización del consumo eléctrico residencial en Uruguay. Se presenta un algoritmo de desagregación de consumo eléctrico residencial, utilizando técnicas de inteligencia computacional y datos sintéticos de consumo. Se crea un conjunto de datos de consumo eléctrico de hogares en Uruguay, Electricity Consumption Dataset of Uruguay, ECD-UY, que cuenta con tres subconjuntos: consumo total, consumo del termotanque, y consumo desagregado de electrodomésticos. Finalmente, se presenta un índice de consumo potencial construido a partir de datos socioeconómicos y datos de consumo de electrodomésticos presentes en el mercado local. El rendimiento del algoritmo de desagregación fue comparado con el de dos métodos de la literatura: Combinatorial Optimization y Factorial Hidden Markov Models, obteniendo rendimientos satisfactorios en todas las instancias evaluadas. El conjunto de datos ECD-UY es el primero de su tipo referente a consumo residencial de un país de América Latina. Por último, el índice de consumo potencial fue validado utilizando regresiones lineales y datos de consumo total presentes en ECD-UY, presentando valores de R2 altos para los niveles geográficos de departamentos y segmentos censales.

Global electricity consumption has been experiencing a steady increase and is projected to continue this upward trajectory in the short to medium term. This trend has sparked interest among researchers, providers, and consumers to gain a deeper understanding of consumption patterns. Data pertaining to consumption, obtained through non-intrusive load monitoring or by employing metering devices within establishments, provides crucial insights. A comprehensive understanding of usage enables demand planning based on real data (e.g., tari↵ formulation, peak consumption management, etc.) and fosters conscious and optimal resource utilization (e.g., identifying high-consumption appliances, detecting anomalies, etc). This thesis o↵ers a characterization of residential electricity consumption in Uruguay. It introduces a residential electricity disaggregation algorithm that leverages computational intelligence techniques and synthetic consumption data. The thesis presents the Electricity Consumption Dataset of Uruguay (ECD-UY), which encompasses three subsets: total consumption, water heater consumption, and disaggregated appliance consumption. Furthermore, we introduce a potential consumption index built from socioeconomic data and local appliance consumption data. The performance of the disaggregation algorithm has been compared with two methodologies from the existing literature: Combinatorial Optimization and Factorial Hidden Markov Models. The results indicate satisfactory performance across all evaluated instances. The ECD-UY dataset represents the first of its kind related to residential consumption in a Latin American country. Lastly, the potential consumption index was validated using linear regressions and total consumption data from the ECD-UY, demonstrating high R2 values for geographical levels of departments and census segments.