Método de Box-Jenkins para el pronóstico de consumo de energía eléctrica del 2021-2023

Autores/as

  • Dennis Uriel Añasco-Chata Facultad de Ingeniería Estadística e Informática-UNA-Puno Autor/a
  • Percy Huata-Panca Facultad de Ingeniería Estadística e Informática-UNA-Puno Autor/a
  • Ecler Mamani-Vilca Departamento de Ing. Informática y Sistemas- UNAMBA-Apurímac Autor/a
  • Adolfo Carlos Jimenez-Chura Escuela Profesional de Ingeniería de Sistemas -UNA-Puno Autor/a
  • Pablo Cesar Tapia-Catacora Escuela Profesional de Ingeniería de Sistemas -UNA-Puno Autor/a

Palabras clave:

Box-Jenkins, Pronóstico, Energía eléctrica

Resumen

El trabajo fue determinar un modelo de serie de tiempo basado en el método de Box-Jenkins, que se ajuste apropiadamente a la serie original en el pronóstico del consumo de energía eléctrica de la región de Puno – Perú,  para los próximos tres años (2021-2023), esto permitiría a la empresa Electro Puno contar con el modelo que respalde la toma de decisiones , que se ajusten a sus objetivos corporativos en un horizonte de tiempo a mediano plazo, garantizando  la distribución y la comercialización de energía eléctrica. El estudio fue  cuantitativo con diseño no experimental,  de corte longitudinal de tendencia (trend),  la población fue, 84 reportes de consumo mensual de energía eléctrica representados en (MWh/mes), considerando un periodo comercial de 7 años, se aplicó las tres fases de la metodología Box-Jenkins como:  identificación, estimación y validación del modelo, llegando a determinar un modelo multiplicativo estacional ARIMA (0,1,3)×(2,0,0)_12 que se ajustó perfectamente a la serie en estudio, siendo  de “alta precisión” con un valor MAPE del 2.79% , finalmente en la última fase de la metodología se realizó los pronósticos mensuales de consumo de energía eléctrica, con una desviación en promedio por cada pronóstico de un valor MAE =625.80 MWh.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Dennis Uriel Añasco-Chata, Facultad de Ingeniería Estadística e Informática-UNA-Puno

    Dennis Uriel Añasco-Chata,  Universidad Nacional del Altiplano Puno – Perú. Ingeniero Estadístico e Informático, desa-rrollador de aplicaciones estadísticas e informáticas.

  • Percy Huata-Panca, Facultad de Ingeniería Estadística e Informática-UNA-Puno

    Percy Huata-Panca, Universidad Nacional del Altiplano Puno – Perú, Doctoris Scientiae en Economía y Gestión, Doctorado en Estadística Aplicada, Magister Scientiae en Informática, Ingeniero Estadístico, Docente nombrado a tiempo completo en la Universidad Nacional del Altiplano Puno – Perú.

  • Ecler Mamani-Vilca, Departamento de Ing. Informática y Sistemas- UNAMBA-Apurímac

    Ecler Mamani-Vilca, Universidad Nacional Micaela Bastidas de Apurímac - Perú, Dr. en Ciencias de la Computación, desarrollador de aplicaciones multimedia y Software Educativo Intercultural, docente nombrado a tiempo completo en la Uni-versidad Nacional Micaela Bastidas de Apurímac.

  • Adolfo Carlos Jimenez-Chura, Escuela Profesional de Ingeniería de Sistemas -UNA-Puno

    Adolfo Carlos Jimenez-Chura, Universidad Nacional del Altiplano Puno – Perú, Doctoris Scientiae en Ciencias de la Computación, Magister Scientiae en Informática, Ingeniero de Sistemas, Docente nombrado a tiempo completo en la Univer-sidad Nacional del Altiplano Puno – Perú.

  • Pablo Cesar Tapia-Catacora, Escuela Profesional de Ingeniería de Sistemas -UNA-Puno

    Pablo Cesar Tapia-Catacora, Universidad Nacional del Altiplano Puno – Perú, Doctoris Scientiae en Ciencias de la Computación, Magister en Contabilidad y Administración, Ingeniero de Sistemas, Docente nombrado a tiempo completo en la Universidad Nacional del Altiplano Puno – Perú.

Referencias

Banco Mundial, «https://www.worldbank.org,» 09 09 2023. [En línea]. Available: https://www.worldbank.org.

B. Mundial, «https://www.worldbank.org,» 12 09 2022. [En línea]. Available: https://www.worldbank.org/en/news/feature/2018/04/18/access-energy-sustainable-development-goal-7.

M. Phillips, «https://marketrealist.com,» Market Realist, 10 10 2022. [En línea]. Available: https://marketrealist.com/2014/09/must-know-factors-impact-electricity-demand/.

Y. L. R. Quispe Pacco, «Modelo univariante para el consumo de energía eléctrica Doméstica en el Distrito de Ayaviri–Electro Puno, periodo 2004-2013,» UNA , Puno, 2015.

K. Y. Vásquez Díaz y M. E. Gamonal Sánchez , «Modelo para el pronósito del consumo mensual de energía electrica, de la provincia de Bagua Grande, mediante la metología Box Jenkis par eñ año 2016,» Universidad de Pedro Ruíz Gallo, Lambayeque, 2019.

L. G. Villarreal Escate y E. A. Marcelo Barreto, «El modelo estocástico univariante ARIMA como herramienta predictiva de la demanda de energía eléctrica residencial del sistema eléctrico Cusco,» Universidad Nacional de Ingeniería, Lima, 2021.

F. Villareal, «Introducción a los Modelos de Pronósticos,» Universidad Nacional del Sur, Bahia Blanca, 2016.

F. Parra, Estadística y Machine Learning con R, Madrid: https://bookdown.org/, 2019.

E. Court Monteverde y E. Williams Rengifo, Estadísticas y econometría financiera, Argentica: Cengage Learning Argentina, 2005.

Descargas

Publicado

2023-10-24

Número

Sección

Artículos