Este proyecto desarrolla un modelo de red neuronal para predecir la demanda eléctrica, mejorando la anticipación de las necesidades de suministro. Se implementó una red neuronal utilizando Python, entrenada con datos históricos de demanda de CNEL Guayaquil desde 2015 hasta 2022. El modelo se evaluó en varios casos de estudio, incluyendo proyecciones para alimentadores específicos, demanda a nivel de distribuidora y nacional. Los resultados muestran una mejora significativa en la precisión de las predicciones comparado con métodos tradicionales como promedios ponderados. Se observó una reducción sustancial del error cuadrático medio al utilizar datos históricos extendidos. El modelo capturó eficazmente patrones estacionales y tendencias a largo plazo, demostrando su capacidad para adaptarse a cambios en los patrones de consumo. Se identificó una tendencia general de crecimiento en la demanda, con variaciones estacionales marcadas. Esta herramienta proporciona una base sólida para la planificación y gestión eficiente del sistema eléctrico, permitiendo una mejor anticipación de picos de demanda y optimización de recursos. Palabras Clave: Redes Neuronales, Predicción de Demanda Eléctrica, Planificación Energética, Aprendizaje Automático, Distribución Eléctrica