Este trabajo propone un modelo de demanda de energía eléctrica basado en métodos de series de tiempo y estadística semi-noparamétrica (SNP). Esto permite conocer no solo el valor esperado de la demanda sino también su distribución de probabilidad de manera que, mediante el cálculo de métricas como la Medida de Riesgo de Cuantil (Quantile Risk Metrics), se puedan tomar decisiones basadas en valores extremos menos o más favorables que el valor esperado. Los resultados muestran que para el caso de la demanda de energía eléctrica del mercado colombiano entre los años 2000 y 2018 la distribución de probabilidad de la demanda diaria promedio es leptocúrtica. Es decir, los eventos extremos ocurren con mayor frecuencia que aquellos que suponen una distribución normal. De modo que, el supuesto de distribución gaussiana conlleva a la subvaloración del riesgo en términos de la subvaloración de la frecuencia de valores extremos.