En aquest Treball de Fi de Grau es presenta el procés d'elecció i entrenament d'un model de predicció de càrregues elèctriques mitjançant Aprenentatge Automàtic. Les càrregues objecte d'estudi són agregats de càrregues residencials i agregats de càrregues industrials connectades a una xarxa de distribució rural. Les mesures utilitzades per a l'entrenament han estat registrades en subestacions de transformació de mitja a baixa tensió. L'horitzó temporal de la predicció que es vol realitzar és d'una hora. Per tant, s'entrena un model de predicció short-term. En primer lloc, s'exposa una part teòrica en la qual es tracten els conceptes clau sobre xarxes de distribució i tipus de potència, el procés d'Aprenentatge Automàtic i la predicció de sèries temporals. Després, s'analitza l'estat de l'art de la predicció de càrregues elèctriques. En l'estudi es presenta una metodologia completa que, a partir de les dades sense processar (les mesures registrades a la subestació), permeti obtenir models de predicció entrenant algoritmes d'Aprenentatge Automàtic. La metodologia inclou les següents fases: selecció d'un model benchmark de referència, preparació i preprocessament de les dades, anàlisi de l'autocorrelació, introducció de la informació derivada de la marca de temps, entrenament i avaluació dels models i validació del model definitiu. Seguint aquests passos, s'entrenen diferents tècniques d'AA i se seleccionen les que compten amb millors resultats. Tant per a la càrrega residencial com per a la càrrega industrial s'entrenen models de predicció horària específics per a cada dia de la setmana. Quan s'avaluen els algoritmes, es troba que en la majoria dels casos se superen les precisions dels benchmarks (els models queden validats). No obstant, això no succeeix en cinc casos concrets relatius a les potències de càrrega industrial. Per aquesta raó, es proposa (per a futurs estudis) l'ajust dels models mitjançant l'optimització dels seus hiperparàmetres.
