Professional Documents
Culture Documents
RESUMEN
Sin embargo, aún quedan muchos retos. Los
El presente artículo describe un pronóstico de principales son el bajo nivel de acceso en las áreas
consumo de energía eléctrica (mwh) para Lima rurales y el potencial sin explotar de algunas
Metropolitana, utilizando la metodología ARIMA energías renovables, en concreto la energía
(Autorregresive-Integrated-Moving Average), y el hidroeléctrica, la energía eólica y la energía solar.
paquete estadístico R (paquete estadístico para El marco regulador de energías renovables
Microsoft Windows) los datos históricos han sido incentiva estas tecnologías, pero en volúmenes
suministrados por el Banco Central de Reserva y muy limitados ya que una mayor oferta implicaría
van desde enero de 2004, hasta septiembre de un aumento en el costo de la energía del país.
2016.
PALABRAS CLAVES: Pronóstico, Modelos ARIMA, La capacidad actual de generación de electricidad
autocorrelación. está dividida de manera uniforme entre las fuentes
de energía térmica e hidroeléctrica. El renovado y
ABSTRACT reciente dinamismo del sector eléctrico del país se
The present article describes a forecast of energy basa en el cambio por plantas a gas natural,
consumption(mwh) in “Lima Metropolitana”, using fomentado por la producción del campo de gas de
the ARIMA (Autoregressive-Integrated-Moving Camisea en la selva amazónica.
Average) methodology and the statistical package R
(statistical package for Microsoft Windows) historical El Sistema Eléctrico Interconectado Nacional
data have been supplied by the Central Reserve (SEIN) abastece al 85% de la población conectada,
Bank and ranging from January 2004 to September con varios sistemas “aislados” que cubren el resto
2016. del país. A pesar de que la inversión en
KEYWORDS: Forecast, ARIMA models, generación, transmisión y distribución en las áreas
autocorrelation. urbanas es principalmente privada, los recursos
para la electrificación rural provienen únicamente
INTRODUCCIÓN de recursos públicos.
El presente trabajo intenta modelar los consumos
El sector eléctrico en el Perú ha experimentado de energía eléctrica aplicando los modelos ARIMA.
sorprendentes mejoras en los últimos 15 años. El
acceso a la electricidad ha crecido del 45% en 1990
PRESENTACIÓN DEL PROBLEMA
al 88.8% en junio de 2011,2 a la vez que mejoró la
calidad y la eficacia de la prestación del servicio. El desconcierto de no tener una idea clara sobre el
Estas mejoras fueron posibles gracias a las consumo de electricidad para los años venideros y
privatizaciones posteriores a las reformas iniciadas por tanto no dirigir los presupuestos de inversión de
en 1992. Al mismo tiempo, las tarifas de electricidad una manera óptima, es un problema sobre el cual
han permanecido en consonancia con el promedio trataremos de darle solución mediante la
de América Latina. determinación del modelo ARIMA y ARCH/GARCH
apropiado
OBJETIVOS RESULTADOS
Antes de la estimación del modelo, se debe realizar De la misma manera que se eligió el mejor modelo
la prueba de Ljung-Box, la cual nos permite ARIMA, se tiene en cuenta el criterio de Akaike
establecer la existencia de independencia entre los (AIC) para elegir el mejor modelo ARCH/GARCH,
rezagos. dónde el modelo con el menor AIC representa el
mejor modelo.
Prueba de efectos ARCH. nombres2 aic2
1 arch07 3290.230
Además de la prueba de independencia, se debe 2 arch09 3249.254
realizar otra prueba para establecer si la Consumo 3 garch77 3304.448
de Energía Eléctrica es capaz de ajustarse a un 4 garch97 3268.997
modelo ARCH/GARCH.
El mejor modelo es el ARCH(09), ya que, tiene el
menor AIC (3249.254).
Análisis de transformación