Gil-Vera, Víctor2017-03-052022-06-172017-03-052022-06-172017-03-051794-1237https://repository.eia.edu.co/handle/11190/4944Objetivo: Implementar modelos con series de tiempo para el pronóstico de la demanda mensual de electricidad (Gwh).Materiales y Métodos: Para el desarrollo y validación de los modelos se tomaron como base los valores de la demanda de energía eléctrica en el Sistema Interconectado Nacional (SIN) de Colombia en el período 2008-2014. Se emplearon series de tiempo aditivas con tendencias lineal, cuadrática y cúbica en el software estadístico R. Resultados: De los tres modelos desarrollados el modelo cuadrático es el que mejor ajuste presenta (R² ajustado =0.95), AIC = 954,54, BIC = 991,00).Conclusiones: Con este trabajo se concluye que las series de tiempo aplicadas al pronóstico de la demanda de electricidad permiten predecir con un alto grado de exactitud demandas futuras de energía eléctrica (GWh), información que puede generar ventajas a productores, distribuidores y grandes consumidores a la hora de establecer estrategias, optimizar su operación y realizar contratos bilaterales.Objetivo: Implementar modelos con series de tiempo para el pronóstico de la demanda mensual de electricidad (Gwh).Materiales y Métodos: Para el desarrollo y validación de los modelos se tomaron como base los valores de la demanda de energía eléctrica en el Sistema Interconectado Nacional (SIN) de Colombia en el período 2008-2014. Se emplearon series de tiempo aditivas con tendencias lineal, cuadrática y cúbica en el software estadístico R. Resultados: De los tres modelos desarrollados el modelo cuadrático es el que mejor ajuste presenta (R² ajustado =0.95), AIC = 954,54, BIC = 991,00).Conclusiones: Con este trabajo se concluye que las series de tiempo aplicadas al pronóstico de la demanda de electricidad permiten predecir con un alto grado de exactitud demandas futuras de energía eléctrica (GWh), información que puede generar ventajas a productores, distribuidores y grandes consumidores a la hora de establecer estrategias, optimizar su operación y realizar contratos bilaterales.application/pdfspaRevista EIA - 2017Costeomercados de energíateoría de pronósticoseries de tiempodemanda de electricidadSeries de TiempoPRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPOArtículo de revista10.24050/reia.v13i26.749info:eu-repo/semantics/openAccess2463-0950https://doi.org/10.24050/reia.v13i26.749PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPOhttp://purl.org/coar/access_right/c_abf2