Método de Box-Jenkins para el pronóstico de consumo de energía eléctrica del 2021-2023
Barra lateral del artículo
Contenido principal del artículo
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.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Cuando un autor crea un artículo y lo publica en una revista, los derechos de autor pasan a la revista como parte del acuerdo de publicación. Por lo tanto, la revista se convierte en la dueña de los derechos de reproducción, distribución y venta del artículo. El autor conserva algunos derechos, como el derecho a ser reconocido como el creador del artículo y el derecho a utilizarlo para sus propios fines académicos o de investigación, a menos que se acuerde lo contrario en el contrato de publicación.
Cómo citar
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.