Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas

Abstract

Uruguay ha sido reconocido a nivel internacional por su exitosa transición energética, alcanzando una matriz eléctrica compuesta en un 90 % por fuentes renovables, con una participación destacada de la energía hidroeléctrica, eólica y solar (REN21, 2024). Según datos preliminares del Balance Energético 2024 (MIEM, 2025), la generación eléctrica del país creció un 34 % respecto al año anterior, con un 99 % proveniente de fuentes renovables. Este proceso no solo involucró una diversificación en la generación, sino también el desarrollo de instrumentos de predicción y planificación avanzados, que hoy son clave para la gestión eficiente del sistema. En este contexto, disponer de herramientas que permitan traducir la información climática en indicadores operativos para el sistema eléctrico es cada vez más relevante. Este trabajo apunta a contribuir en esa dirección, presentando un enfoque que combina modelos climáticos regionales, corrección estadística y aprendizaje profundo para estimar el caudal en Salto Grande, una de las principales represas del país. El objetivo es utilizar las salidas corregidas de RegCM5 para calcular el caudal en la represa de Salto Grande.