MODELO DE PRONÓSTICO PARA ESTIMAR LA DEMANDA DE ENERGÍA ELÉCTRICA EN GUATEMALA

Duarte Rodríguez, Luis Humberto (2022) MODELO DE PRONÓSTICO PARA ESTIMAR LA DEMANDA DE ENERGÍA ELÉCTRICA EN GUATEMALA. Masters thesis, Universidad de San Carlos de Guatemala.

Text Luis Humberto Duarte Rodríguez.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)

Abstract

El propósito de esta investigación fue construir un modelo estadístico aceptablemente confiable y valido para la estimación de la demanda de energía eléctrica mensual en Guatemala, con el fin de realizar proyecciones acertadas a futuro que ayuden a mejorar las condiciones del mercado. Para eso se planteó construir el modelo más confiable de pronóstico para estimar la demanda de energía eléctrica en Guatemala, utilizando una metodología con enfoque cuantitativo debido a que se analizó la demanda de energía eléctrica en Guatemala para el periodo comprendido entre 1989 y 2019 a través de la estimación de diferentes modelos de series de tiempo, siendo estos: un modelo ARIMA estacional, un modelo de regresión dinámica y uno de redes neuronales. Obteniendo como principal resultado que el modelo más confiable para estimar la demanda de energía eléctrica en Guatemala era el modelo de regresión generado a partir de las variables humedad y temperatura con errores ARIMA (2,1,3) (1,1,2)12 con un MAPE de 1.47 % y un RMSE de 15816.35MW. Por lo tanto, se recomienda evaluar el modelo obtenido contra modelo utilizado actualmente por el AMM, con el fin de comparar precisión de los resultados.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Modelo ; Pronóstico ; Energía eléctrica ; Mercado ; Cuantitativo
Subjects:	600 Tecnología (Ciencias aplicadas) > 620 Ingeniería y operaciones afines > 629 Otras ramas de la ingeniería
Divisions:	Engineering Faculty > Maestría en Estadística Aplicada
Depositing User:	Jessica Maribel Gómez Arévalo
Date Deposited:	17 May 2024 20:57
Last Modified:	17 May 2024 21:00
URI:	http://www.repositorio.usac.edu.gt/id/eprint/20303

Actions (login required)

View Item

Statistics Overview