El motor predice riesgo de corte por viento. Acá se contrasta,
comuna por comuna, contra los clientes que efectivamente reportó afectados la
SEC en temporales pasados. Sin ajustar nada a posteriori.
Clima real (ERA5 / Open-Meteo)Cortes reales (SEC pública)Métrica fijada antes de ver resultadosGenerado 17-10-2026 10:47
Separa las zonas de riesgo1.63×más exceso de cortes (mediana) en las comunas en alerta que en las verdes, en el temporal estrella.
No da falsas alarmas2/2días calmos o de viento moderado que dejó en verde… y no hubo cortes por clima. Cuando avisa, hay motivo.
Su límite = el argumento del pilotoLa SEC no dice la causa del corte. Validar contra el total castiga fallas que no son de clima. Ese techo solo lo levanta la distribuidora.
Qué se cruza aquí
La validación enfrenta, comuna por comuna, dos datos que salen de fuentes independientes:
A · Lo que predijo el modelo
El semáforo de riesgo por viento que GIEZI le asignó a cada comuna, calculado
solo con el pronóstico meteorológico — sin mirar ningún corte.
B · Lo que ocurrió de verdad
El exceso real de clientes sin luz que reportó la SEC durante el evento,
sobre el nivel habitual de cada comuna (por cada 1.000 habitantes).
El gráfico de abajo funde los dos: el color de cada
barra es (A), el largo es (B). Si el modelo acierta, las barras en alerta (rojas y amarillas)
deberían quedar más largas que las verdes.
Evento estrella: Temporal 15-jul-2026
Cada barra es una comuna. El largo mide el exceso: cuántos clientes
más de lo habitual quedaron sin luz durante el evento, por cada 1.000 habitantes
(«lo habitual» = la línea base propia de cada comuna). El color es el semáforo que le
asignó el modelo. Las líneas punteadas marcan la mediana de cada grupo; cuántas
veces más larga es la de alerta respecto a la verde es el lift.
1.63×Cuando GIEZI avisó, la realidad pegó ~1.63 veces más fuerte que donde
no avisó. Las comunas que puso en alerta acumularon, en la mediana,
35.1 clientes sin luz por cada 1.000 habitantes de exceso, contra
21.6 en las que dejó en verde — de ahí el 1.63×.
Se usa la mediana (el valor del medio) y no el promedio, para que una sola
comuna verde con un corte grande no-eólico (p.ej. Los Andes) no vuelque la conclusión.
Nota: las medianas se muestran con un decimal a propósito. Redondeadas a entero (35/22) darían 1.59; el cálculo real usa 35.1 y 21.6 → 1.63×.
Todos los eventos analizados
Saldo honesto: en los dos eventos independientes con datos completos
(12-jun-2025 y 21-jul-2026, este último recuperado tras cerrar su hueco de captura) el
modelo no logró separar. La causa probable es conocida — el dato público no distingue
corte por viento de falla de equipo, y validar contra el total castiga al modelo por causas
no-eólicas (ver el caso testigo más abajo) — pero la separación robusta aún no está
establecida, y se dice así. El color del borde marca ese estado; el número grande es el
lift del evento.
separa1.63×
Temporal 15-jul-2026
Temporal grande (costa central) · cobertura SEC 48–48/48 h
Sistema frontal 14-20 jul. Es el evento donde el modelo mejor separa.
Datos completos (48/48h): el modelo no separó aquí. Los cortes grandes fueron al norte, con viento calmo — ruido no-eólico que el dato público no distingue (ver caso Vicuña).
Datos completos (48/48h): el modelo tampoco separó. El hueco de captura se recuperó (ago-2026: el endpoint SEC sí sirve histórico), y aun con la ventana completa la señal no aparece. Segundo evento independiente donde el modelo no separa.
Caso testigo — 12-jun-2025, un evento donde el modelo no separa la métrica…
justamente porque el dato público lo castiga:
Su distribuidora sí tiene la causa de cada corte. Con un piloto
sobre datos etiquetados, la validación pasa de “separa en temporales” a un
número operativo por alimentador. Eso es lo que proponemos probar.