Resumen

El componente estacional ha sido un factor clave en la modelización de series temporales para la previsión de carga eléctrica a medio plazo. En este documento, se desarrolla un modelo estacional-ARIMA, pero los parámetros del SAR y del SMA resultan ser bastante no significativos en la mayoría de los casos durante la selección del orden del modelo. Para abordar este problema, se utiliza un modelo híbrido de series temporales basado en el filtro HP para extraer las secuencias espectrales con diferentes frecuencias y analizar las interacciones entre varios factores. Finalmente, se realiza una previsión integrativa del consumo de electricidad de enero a noviembre de 2014. Los resultados empíricos demuestran que el método con filtro HP puede reducir el error relativo causado por la interacción entre el componente de tendencia y el componente estacional.

• Materias:Ecuación pseudoparabólica Dimensión fractal Virus informático Redes dinámicas Sistemas diferenciales
• Subjects:Pseudoparabolic equation Fractal dimension Computer virus Dynamic networks Differential systems
• Palabras claves:Estacional; Modelado de series temporales; Pronóstico de carga eléctrica; Modelo ARIMA; Modelo de series temporales híbrido; Filtro HP
• Keywords:Seasonal; Time series modeling; Electric load forecasting; ARIMA model; Hybrid time series model; HP filter