Pronóstico eficiente de la demanda diaria del sistema eléctrico interconectado del Perú mediante análisis estocástico ARIMA con sucesos externos
DOI:
https://doi.org/10.21754/tecnia.v24i1.35Palabras clave:
Pronóstico de Demanda, Despacho Eléctrico, ARIMA, Sucesos Externos, Serie Temporal, Proceso Estocástico, MAPE, Sistema Interconectado NacionalResumen
La demanda diaria del Sistema Eléctrico Interconectado Nacional-SEIN, posee características muy peculiares de tendencia, estacionalidad y aleatoriedad, situación que complica al proceso de estimación de su pronóstico. El objetivo del presente trabajo consiste en formular y calcular modelos ARIMA con Análisis de Sucesos Externos, a fin de lograr pronósticos eficientes de la demanda eléctrica de cada día siguiente, a nivel total y desagregado por áreas. Un buen pronóstico de la demanda diaria garantiza el despecho eficiente y económico de generación y transmisión, así como el aseguramiento y calidad de la demanda sectorial nacional. El enfoque metodológico lo constituye el tratamiento de cada serie temporal objetivo, mediante transformaciones estadístico-matemáticas apropiadas para alcanzar estabilidad tanto en varianzas como en medias regulares y estacionales; paralelamente filtrar los sucesos externos hasta alcanzar a un Modelo ARIMA predictivo de cada área del sistema eléctrico del Perú (Centro, Sur y Norte) y para cada día de la semana. Los resultados alcanzados en la presente investigación demuestran la eficiencia predictiva comparativa. Es decir, tomando como indicador de calidad de pronóstico al Error Absoluto Promedio Porcentual (MAPE), se han obtenido valores inferiores al 1% en las proyecciones de la demanda diaria total del SEIN, frente al 2% que se logra con actuales técnicas determinísticas.
Descargas
Citas
[1] Makridakis, S.,Wheelwright, S.C.“Forecasting Methods for Management”. JohnWiley, New York, 1989.
[2] Box, G.E.P.,Jenkins, G.M.“Time SeriesAnalysis: Forecasting and Control”. HoldenDay, San Francisco, 1976.
[3] Parzen, E.,“Procesos Estocásticos”.Paraninfo, Madrid,1972.
[4] Prawda, J.,“Métodos y Modelos deInvestigación de Operaciones, ModelosEstocásticos”. Limusa, Madrid, 1980.
[5] Jenkins, G.M.“Practical Experiences withModelling and Forecasting time Series”.Gwilym Jenkins and Partners, San Francisco,1979.
[6] Pankratz, A.“Forecasting with UnivariateBox-Jenkins Model: Concepts and Cases”.John Wiley, New York, 1983.
[7] Xiberta, J., Gonzáles, S.“Energetic Plan ofAsturias, Spain”. Oviedo University, Spain,1996.
[8] Quantitative Micro Software,E-VIEWS.“Estimation, Forecasting,AdvancedStatistical”. CA USA, 2012
[9] IBM SPSS,“Statistical Product and ServiceSolutions. Forecasting, Neural Networks”. NYUSA, 2012
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2014 TECNIA
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados por TECNIA pueden ser compartidos a través de la licencia pública internacional Creative Commons: CC BY 4.0. Permisos lejos de este alcance pueden ser consultados a través del correo tecnia@uni.edu.pe