FORMATO DE APLICACIÓN DE FERIA DE PROYECTOS FIEECS 2017-II
APLICACIÓN DE MODELO ARIMA EN EL PRONÓSTICO DE CONSUMO
DE ENERGÍA ELÉCTRICA PARA LIMA METROPOLITANA (2004-2016)
Integrantes: Kattya Recuay
Pedro Falcón
Carlos Alcántara
Docente: Alipio Ponce
Asignatura: Series de Tiempo
Escuela Profesional de Ingeniería Estadística
Facultad de Ingeniería Económica, Estadística y CCSS
Universidad Nacional de Ingeniería
RESUMEN
El presente artículo describe un pronóstico de
consumo de energía eléctrica (mwh) para Lima
Metropolitana, utilizando la metodología ARIMA
(Autorregresive-Integrated-Moving Average), y el
paquete estadístico R (paquete estadístico para
Microsoft Windows) los datos históricos han sido
suministrados por el Banco Central de Reserva y
van desde enero de 2004, hasta septiembre de
2016.
PALABRAS CLAVES: Pronóstico, Modelos ARIMA,
autocorrelación.
ABSTRACT
The present article describes a forecast of energy
consumption(mwh) in “Lima Metropolitana”, using
the ARIMA (Autoregressive-Integrated-Moving
Average) methodology and the statistical package R
(statistical package for Microsoft Windows) historical
data have been supplied by the Central Reserve
Bank and ranging from January 2004 to September
2016.
KEYWORDS: Forecast, ARIMA models,
autocorrelation.
INTRODUCCIÓN
El sector eléctrico en el Perú ha experimentado
sorprendentes mejoras en los últimos 15 años. El
acceso a la electricidad ha crecido del 45% en 1990
al 88.8% en junio de 2011,2 a la vez que mejoró la
calidad y la eficacia de la prestación del servicio.
Estas mejoras fueron posibles gracias a las
privatizaciones posteriores a las reformas iniciadas
en 1992. Al mismo tiempo, las tarifas de electricidad
han permanecido en consonancia con el promedio
de América Latina.
Sin embargo, aún quedan muchos retos. Los
principales son el bajo nivel de acceso en las áreas
rurales y el potencial sin explotar de algunas
energías renovables, en concreto la energía
hidroeléctrica, la energía eólica y la energía solar.
El marco regulador de energías renovables
incentiva estas tecnologías, pero en volúmenes
muy limitados ya que una mayor oferta implicaría
un aumento en el costo de la energía del país.
La capacidad actual de generación de electricidad
está dividida de manera uniforme entre las fuentes
de energía térmica e hidroeléctrica. El renovado y
reciente dinamismo del sector eléctrico del país se
basa en el cambio por plantas a gas natural,
fomentado por la producción del campo de gas de
Camisea en la selva amazónica.
El Sistema Eléctrico Interconectado Nacional
(SEIN) abastece al 85% de la población conectada,
con varios sistemas “aislados” que cubren el resto
del país. A pesar de que la inversión en
generación, transmisión y distribución en las áreas
urbanas es principalmente privada, los recursos
para la electrificación rural provienen únicamente
de recursos públicos.
El presente trabajo intenta modelar los consumos
de energía eléctrica aplicando los modelos ARIMA.
PRESENTACIÓN DEL PROBLEMA
El desconcierto de no tener una idea clara sobre el
consumo de electricidad para los años venideros y
por tanto no dirigir los presupuestos de inversión de
una manera óptima, es un problema sobre el cual
trataremos de darle solución mediante la
determinación del modelo ARIMA y ARCH/GARCH
apropiado
 OBJETIVOS RESULTADOS

Objetivo General Se estiman los modelos ARIMA para todas las

-Conocer con cierto nivel de seguridad el consumo
de electricidad en Lima metropolitana
Objetivo Especifico
-Establecer un modelo ARIMA apropiado de
predicción para el consumo de electricidad
combinaciones de los posibles parámetros, p, d, q,
P, D, Q. Además, se probarán los modelos con una
diferenciación.
Utilizaremos el criterio de AKAIKE(AIC) para
establecer el mejor modelo:

-Proponer un modelo ARCH/GARCH a partir del nombres aic

modelo ARIMA hallado aic010111 3178.272
aic212111 3179.662
aic110200 3462.686
DESCRIPCIÓN DE LA SOLUCIÓN aic010200 3461.288
aic010100 3467.210
Mediante el uso del software estadístico R, se aic011200 3462.367
realizó una serie de pruebas para establecer el aic110111 3177.890
mejor modelo predictivo ARIMA y ARCH/GARCH aic010111 3178.272
para los datos.
El mejor modelo es el ARIMA(1,1,0)(1,1,1)[12], ya
Prueba de independencia en los rezagos. que, tiene el menor AIC (3177.890).

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

Realizaremos la transformación Box - Cox con la CONCLUSIONES

finalidad de ver si nuestra serie necesita ser
transformada.
Función de autocorrelación (FAC) y Función de
autocorrelación parcial (FACP) para el modelo
ARIMA
El primer paso para estimar un modelo GARCH, es
estimar un modelo ARIMA (p, q), dónde p representa
el orden del modelo auto-regresivo, el cual se
establece con la función de autocorrelación parcial
(FACP) y q el orden del modelo de medias móviles,
el cual se establece con la función de
autocorrelación (FAC).
Luego del análisis establecemos que los modelos
ARIMA/ARCH que mejor se acomodan a los datos
de consumo de electricidad en Lima Metropolitana
del 2004 al 2016, son los siguientes:
𝐴𝑅𝐼𝑀A(1,1,0)(1,1,1)[12]: (1 − 𝐿)𝑦𝑡 = (1 − 𝑥𝑥𝑥𝑥𝐿)𝜀𝑡
𝐴𝑅𝐶𝐻(02): ℎ𝑡2 =0.76957 + 0.31327𝜀𝑡−1
2 2
+0.38515𝜀𝑡−2
BIBLIOGRAFÍA
www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_
3_series_de_t.pdf
economipedia.com/definiciones/proceso-estocastico.html
https://www.enciclopediafinanciera.com/definicion-
estacionalidad.html
www.eumed.net/libros-
gratis/2010c/720/AUTOCORRELACION.htm
www.uam.es/rafael.dearce/pdf/Box-Jenkins.PDF