UNIVERSIDAD TÉCNICA DE COTOPAXI

UNIDAD ACADÈMICA CIYA

Latacunga – Cotopaxi – Ecuador

ANÁLISIS DE LA DEMANDA ELÉCTRICA

Salgado Guayracucha David Antonio
david.salgado7@utc.edu.ec
Lenin Wagner Caguana Coba
Llenin.caguana4@utc.edu.ec
Juan Daniel Quispe Sandoval
Juan.quispe7@utc.edu.ec
Israel Vladimir Jácome Shigui
israel.jacome1@utc.edu.ec
UNIVERSIDAD TÉCNICA DE COTOPAXI
Facultad de Ciencias de la Ingeniería y Aplicadas
Carrera de Ingeniería Eléctrica
Planificación y Confiabilidad de SEP

RESUMEN_ En el artículo daremos a conocer futuras en una determinada región. Debido al

la resolución del ejercicio propuesto mediante
los métodos analizados en clases mediante un
análisis de resultados y formulas propuestas
en el ejercicio, ya que se presenta datos típicos
dependiendo de una área o región podremos
encontrar datos estadísticos para la
planificación de la demanda energética en
dicha región que puede ser dividida en
distintas áreas las cuales contendrán distintas
subestaciones para la satisfacción de la
demanda y mediante este ejemplo demostrativo
comprenderemos distintos puntos como el
crecimiento de la carga dependiendo de un
año determinado.
PALABRAS CLAVE: Ejercicio, área, datos,
puntos.
ABSTRACT_ In the article we will make
known the resolution of the proposed exercise
through the methods analyzed in classes
through an analysis of results and formulas
proposed in the exercise, since typical data is
presented depending on an area or region we
can find statistical data for planning the
energy demand in said region that can be
divided into different areas which will contain
different substations to satisfy demand and
through this demonstrative example we will
understand different points such as the growth
of the load depending on a given year.
KEYWORDS: Exercise, area, data, points.
I. INTRODUCCIÓN
crecimiento de la población a nivel mundial así
como la demanda de energía eléctrica, los
sistemas eléctricos de potencia han crecido
hasta alcanzar diseños complejos de
funcionamiento como son sistemas radiales,
sistemas en anillos y sistemas que forman una
red compleja, por lo cual en la resolución de
flujos de potencia la red de distribución eléctrica
debe ser analizada como un conjunto de nodos
conectados entre sí por medio de líneas y
transformadores que cuentan con una fuente
general de alimentación de energía eléctrica, de
esta red se obtiene información relevante de las
condiciones de operación y confiabilidad del
sistema eléctrico de potencia tales como: la
magnitud y el ángulo de fase del voltaje en cada
nodo, las potencias reales y reactivas que
circulan en cada elemento del sistema además
de las pérdidas totales. Por tal motivo surge la
necesidad del análisis del pronostico de carga ya
que la población aumentara en el transcurso de
años futuros.
II. DESARROLLO
Para ahorrar espacio, para la región
considerada, mostramos los resultados para
el área E (Tabla 4.1). Esta área consiste en
nuestras subáreas. Hay dos cargas urbanas
principales en las subáreas 1 y 2 (UE1 y
UE2). Se estima que la carga del área varía
como se muestra en la figura 4.7. Los detalles
son los siguientes.
Ejemplos numéricos
En esta sección, intentamos demostrar los pasos
involucrados en el pronóstico de carga a través
de dos estudios de caso; a saber, para una

E l parámetro de estudio de esta investigación

se enfoca en el pronostico de carga para el
análisis y resolución del calculo de demandas
utilidad regional basada en el análisis de uso
final (Sección 4.5.3) y para una gran utilidad (o
incluso un país) a través del modelado
econométrico (Sección 4.5.2).

1
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

subestaciones que nosotros encontramos en cada

Pronóstico de carga para una utilidad área.
regional
La figura 4.6 muestra la región para la que se va El objetivo es predecir la carga máxima, así
a pronosticar la carga. Se compone de ocho como la demanda de energía de la empresa
subregiones (área). Cada área consta de algunas regional durante 10 años a partir del año en
subáreas, suministradas a través de algunas curso; con un paso de tiempo de 1 año. El
subestaciones, ya sean existentes o nuevas. Un proceso comienza desde las subáreas;
resumen de los datos se muestra en la Tabla 4.1. moviéndose hacia arriba para alcanzar la carga
Las subestaciones están en los niveles de de la región. Se supone que se conocen las
transmisión y subtransmisión. Los números que características geográficas de las subáreas, así
se muestran no son de uso práctico aquí y como sus datos de carga de los últimos 10 años.
representan valores típicos para un sistema real. Antes de presentar datos numéricos, primero se
Normalmente, un área se designa observando el describen algunas definiciones y conceptos
hecho de que está dentro del territorio de básicos.
servicio de algunas subestaciones de
subtransmisión. A veces, un metropolitano se Definiciones y conceptos
considera como un área. Se supone que cada subárea consta de los
Pag52 siguientes tres tipos de cargas
• Urbana
• Rural
• Grandes clientes
Las cargas urbanas, por lo general, consisten en
• Residencial
• Comercial
• Público
• Pequeña industria
• Pérdidas de distribución
Los datos históricos como un dato extenso de
los departamentos regionales, que se encargan
de las secciones mencionadas anteriormente,
son necesarios para establecer predicciones
razonables. Una carga urbana no se concentra
en un punto geográfico específico y se
Tabla 4.1 resumen de datos distribuye por todo el territorio urbano. Estos
AREA NUMEROS DE SUBAREAS puntos tienen que ser observados.
NUMERO EXISTENTES DE Los tipos de cargas rurales consisten
SUBESTACIONES principalmente en
A 8 2 • Residencial
B 7 4 • Agrícola
C 6 3 • Otros (pequeños industriales, públicos, etc.)
D 5 14 La parte residencial puede estimarse en función
E 4 1 del número estimado de hogares y el consumo
F 10 3 de energía estimado de cada hogar. Esta última,
G 5 3 en sí misma, se determina en función de su
H 3 2 figura existente y el posible aumento en el uso
debido a varias razones (por ejemplo, nuevos
En la tabla cuatro.1 como condiciones iniciales electrodomésticos y tecnologías que aparecen en
muestran datos típicos de un sistema real donde las zonas rurales).
encontramos el área, sub áreas número existente La parte agrícola se determina en función del
di subestaciones. En la figura 4,6 se muestran número estimado de pozos, sus profundidades
distintas regiones que representan como áreas promedio y sus flujos de agua promedio. Por
en este caso se representan áreas con las letras ejemplo, en una subárea, puede haber un
del abecedario en la tabla 4.1. y números de las número total de 491 pozos profundos, con una
profundidad promedio de 75 metros y un flujo

2
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

promedio de 25 l / s. Estas cifras pueden ser
2735, 36 y 15, respectivamente, para pozos
semi-profundos en la misma subárea. Con base
en estas cifras, se puede determinar la carga
agrícola de las subáreas y, como resultado, el
área.
La parte restante de los tipos rurales de las
cargas también debe estimarse. Si es difícil, a
veces, se puede considerar un porcentaje fijo
(por ejemplo, 25%).
Los grandes clientes se consideran por separado,
ya que no obedecen ninguna regla específica,
entre otros, las cargas pronosticadas. Pueden ser
existentes o nuevos. Las cargas futuras de tipos
existentes pueden estimarse en función de sus
desempeños previos y previstos. Las cargas de
nuevos tipos se determinan en función de los
requisitos de sus respectivos contratos con la
empresa de servicios públicos. Ambos requieren
una amplia recopilación de datos y
comunicaciones con los grandes clientes y los
departamentos a cargo de los grandes clientes.
Normalmente son los clientes con más de 1 MW
de demanda.
Con base en lo anterior, para cada subárea, la
carga pronosticada máxima se determina para
cada clase de cargas. Los factores de
coincidencia deberían utilizarse para determinar
la carga prevista del área y luego la región.
Estos factores pueden determinarse en base
tanto a datos históricos como a algunos juicios
de ingeniería.
El objetivo de esta tabla es presentar las
potencias de cada subárea dependiendo de los
años.
Y de esta manera obtener un total por cada año
de las cargas urbanas del área E.
Además, los resultados para la parte agrícola
del área se muestran en la Tabla 4.3.
La demanda total (TD) es la suma de la
demanda suministrada (SD), reducción de carga
(LC), transacciones de importación /
exportación (IET), término de caída de
frecuencia (FD), cargas interrumpidas (IL),
pérdidas del sistema (SL) y Demanda Auxiliar
(AD) de las centrales eléctricas, es decir:
Usando un software estándar y basado en datos
históricos, deberíamos, inicialmente, encontrar
los parámetros de conducción para la carga. Por
ejemplo, el PIB, habitantes, la demanda per
cápita y el precio promedio de la electricidad
pueden ser cuatro parámetros principales. Sin
embargo, también se pueden probar y verificar
otros parámetros. Si no se considera, hemos
asumido implícitamente que son parámetros que
no conducen o que existen algunos tipos de
correlaciones entre ellos y los ya observados.

En la Tabla 4.3 tenemos Resultados para la

carga agrícola del área E donde se presenta la
parte de electrificado por cada subarea,
promedio de profundidad y la carga esto para
pozos profundos, pozos semi profundos y el
total del mismo.

en la figura 4,7 se muestra el crecimiento de a

carga de acuerdo a los años establecidos, estos
valores son resultados basados en subáreas para
la misma área.
Los datos de carga rural se proporcionan en
Los resultados para las partes urbanas se
la Tabla 4.4. Finalmente, los resultados para
muestran en la Tabla 4.2 para algunos años
el área se tabulan en la Tabla 4.5. La tabla
seleccionados.
4.6 son los resultados basados en subáreas
para la misma área.
En la tabla 4.2 tenemos datos de Resultados
para cargas urbanas del área E.

3
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

Este procedimiento se repite en todas las
áreas. Una vez hecho esto, los resultados
deben combinarse para alcanzar los
resultados para la región de la siguiente
manera
 Los resultados para la carga rural de
la región se muestran en la Tabla
4.7.
de coincidencia para cada uno de los años desde
1999 hasta el 2021.
Además otro de los datos que necesitaremos
más adelante será el factor de carga anual (LF)
expresado en la siguiente ecuación:
Total de energia(en MWh)
LF=
Carga máxima ( en MW )∗8760

Según los factores de carga históricos de la

región y una estimación de estos valores para
los próximos años, también se puede pronosticar
la energía total. Los resultados se detallaran más
adelante en la Tabla 4.10.

Datos numéricos 1. TABLA 4.9

Para un sistema típico, asuma TD (ver (4.3)), Carga Urbana

PIB (ver Cap. 3) y la población de los últimos
31 años son los siguientes: El objetivo es
predecir la carga para 2011-2017. Lo que
hacemos es utilizar varios enfoques en los que
se emplean los datos históricos de los años
1980-2006 para predecir las cargas del año
2007-2017. Basándonos en el comportamiento
de predicción observado para 2007-2010
(comparando la carga prevista con la carga
real), podemos seleccionar el mejor enfoque. Se
prueban los siguientes enfoques
 Carga (MW)
Básicamente en esta columna se ubican todos
los datos finales obtenidos en cuanto a la carga
total en MW para cada uno de los años desde el
año 1999 hasta el año 2021.
Estos datos ya se obtuvieron en las anteriores
tablas, aquí lo único que se hace es colocar los
MW finales que se han obtenido.

Montaje de curva lineal (LCF) de la Para saber cómo se han obtenido las tasas de
siguiente manera crecimiento describiré rápidamente una
TD=a+bx demostración:

Donde x es el número de año (del 1 al 27 en la Carga

Tabla 4.11). (MW)
Colocación de la curva de segundo
Año (MW) Tasa de
orden (SCF) como sigue
crecimiento
TD=a+bx+〖cx〗^2 (%)
1999 184,9 0
 Los resultados de la carga agrícola 2000 206,8 11,8
de la región se muestran en la Tabla
4.8.
184,9 MW al ser el primer dato, no hay tasa de
crecimiento, es decir es 0% y eso se refleja en la
tabla.
En la tabla 4.9 básicamente se toman o se
A su vez 184,9 MW al ser el primer dato
describen de manera general los resultados
también representa o se considera al 100% de
obtenidos de las anteriores tablas.
carga.
El objetivo por el que se han recolectados los
Para el año 2000 tenemos que la carga es de
(MW) finales obtenidos es para obtener el factor
206,8 MW.

4
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

Para el año 2000 tenemos que la carga es de

Vemos que hay un crecimiento de carga y lo 20,1 MW.
que se quiere saber es ese porcentaje de
crecimiento, para eso simplemente aplicamos Vemos que hay un crecimiento de carga y lo
una simple regla de 3. que se quiere saber es ese porcentaje de
crecimiento, para eso simplemente aplicamos
206,8 MW∗100 % una simple regla de 3.
=111,8 %
184,9 MW
% añon−% año n−1 =111,8−100=11,8 % 20,1 MW∗100 %
=108,6 %
18,5 MW
Entonces vemos que el incremento de carga de % añon−% año n−1 =108,6−100=8,6 %
1999 al 2000 fue del 11,8 %
Entonces vemos que el incremento de carga
Para el resto % de tasas de crecimiento agrícola de 1999 al 2000 fue del 8,6 % y este
básicamente se siguen los mismos pasos, de valor es el que esta expresado en la tabla 4.9.
echo en la tabla 4.9 echa en Excel adjunta está
programada con dicho proceso. Para el resto % de tasas de crecimiento
básicamente se siguen los mismos pasos, de
Carga Rural echo en la tabla 4.9 echa en Excel adjunta está
programada con dicho proceso.
 Agrícola
 Residencial y otros
En la columna de la carga agrícola básicamente
se representan los resultados de cargas finales En la columna de la carga residencial y otros
(Kw) de la tabla 4.8. básicamente se representan los resultados de las
cargas finales (kW) de la tabla 4.7.
Bueno y la tasa de crecimiento obtenida y
expresada se obtiene de la tabla antes Para saber cómo se han obtenido las tasas de
mencionada, claro con la diferencia de que en crecimiento describiré rápidamente una
dicha tabla solo están expresados datos en demostración:
intervalos de 1 y 5 años.
Para saber cómo se han obtenido las tasas de Residencial y Otros
crecimiento describiré rápidamente una
demostración:
Año (MW) Tasa de
Agrícola crecimiento
(%)
1999 20,8 0
Año (MW) Tasa de 2000 21,8 4,9
crecimiento
(%) 20,8 MW al ser el primer dato, no hay tasa de
1999 18,5 0 crecimiento, es decir es 0% y eso se refleja en la
2000 20,1 8,6 tabla.

Ahora para saber la tasa de crecimiento se A su vez 20,8 MW al ser el primer dato también
siguen los siguientes pasos: representa o se considera al 100% de carga.

18,5 MW al ser el primer dato, no hay tasa de
crecimiento, es decir es 0% y eso se refleja en la
tabla.
A su vez 18,5 MW al ser el primer dato también
representa o se considera al 100% de carga.
Para el año 2000 tenemos que la carga es de
21,8 MW.
Vemos que hay un crecimiento de carga y lo
que se quiere saber es ese porcentaje de
crecimiento, para eso simplemente aplicamos
una simple regla de 3.

5
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

21,8 MW∗100 % 40,1 MW al ser el primer dato, no hay tasa de

=104,9 %
20,8 MW
% añon−% año n−1 =104,9−100=4,9 %
Entonces vemos que el incremento de carga
residencial y otros de 1999 al 2000 fue del 4,9
% Para el año 2000 tenemos que la carga de los
Para el resto % de tasas de crecimiento
básicamente se siguen los mismos pasos, de
echo en la tabla 4.9 echa en Excel adjunta está
programada con dicho proceso.
Grandes Clientes
crecimiento, es decir es 0% y eso se refleja en la
tabla.
A su vez 40,1 MW al ser el primer dato también
representa o se considera al 100% de carga.
grandes clientes existentes y nuevos es de 44,6
MW.
Vemos que hay un crecimiento de carga de los
grandes clientes existentes y nuevos y lo que se
quiere saber es ese porcentaje de crecimiento,
para eso simplemente aplicamos una simple
regla de 3.

 Existentes 44,6 MW∗100 %

Básicamente como se nombra en esta columna
se procedió a insertar los valores finales de
carga con respecto a los grandes clientes
existentes para cada uno de los años desde 1999
hasta el 2021.
Este dato claro se obtuvo indirectamente de la
tabla 4.6 explicada y obtenida anteriormente.
 Existentes y nuevos
Como se mencionó anteriormente este dato
también se obtiene indirectamente de la tabla
4.6.
Y de hecho si observamos detalladamente
vemos que para algunos de los datos no se
proyectan nuevos clientes, es por eso su
similitud de datos con los de los grandes
clientes existentes.
=111,2%
40,1 MW
% añon−% año n−1 =111,2−100=11,2 %
Entonces vemos que el incremento de carga de
los grandes clientes existentes y nuevos de 1999
al 2000 fue del 11,2 %
Para el resto % de tasas de crecimiento
básicamente se siguen los mismos pasos.
Carga Total
 No Coincidente
Básicamente en esta columna se suman las
cargas totales anteriormente vistas dentro de la
tabla 4.9.
No coincidente=Carga Urbana+Carga Rural+ GrandesCl

Claro como es obvio que para cuando aparecen A su vez cada uno de ellos se calcula de la
nuevos clientes también aumentara los MW. siguiente forma:

Para saber cómo se han obtenido las tasas de Carga Urbana=Carga ( MW )

crecimiento describiré rápidamente una
demostración:
Carga Rural=Carga Agricola+Carga Residencial y otros (
Existentes y nuevos
Grandes Clientes=Carga Existentes y nuevos(MW )

Año (MW) Tasa de Haremos una demostración:

crecimiento Por ejemplo vamos a calcular la carga total del
(%) año 1999.
1999 40,1 0
2000 44,6 11,2 Carga Urbana=184,9( MW )

6
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

Carga Rural=18,5+20,8(MW )
Con la aplicación de estas fórmulas se halla el
factor de coincidencia obtenido y expresado en
Carga Rural=39,3(MW )
su respectiva columna.

Grandes Clientes=40,1( MW )
No coincidente=184,9+39,3+ 40,1( MW )
No coincidente=264,3( MW )
No coincidente=264 ( MW )
Y hemos comprobado que los 264 MW
correspondiente a la carga total no coincidente
del año 1999 obtenido es igual a lo obtenido en
la tabla del PDF.
Este proceso esta automatizado para calcularse
mediante estas fórmulas en el archivo Excel
adjunto.
Para hallar la carga total coincidente de
cualquier otro año se sigue el mismo
procedimiento mostrado anteriormente.
2. TABLA 4.10
Como ya se ha mencionado anteriormente según
los factores de carga históricos de la región y
una estimación de estos valores para los
próximos años, también se puede pronosticar la
energía total.
Y pues eso es lo que esta expresado en la tabla
4.10, se pueden observar tanto la potencia en
MW y la energía en GWh para algunos de los
años comprendidos entre los años 2004 y 2021.
Si se desea calcular el factor de carga anual
(LF) se utiliza la siguiente ecuación:
Total de energia(en MWh)
LF=
Carga máxima ( en MW )∗8760

 Coincidente Demostración:

Básicamente en esta columna se colocan los Si queremos calcular el factor de carga anual
resultados obtenidos en cuanto a la carga total para el año 2004 el procedimiento será el
coincidente. siguiente.

Anteriormente esta carga se halló en función de Total de energia(en MWh)

los datos y cálculos hechos en la tabla 4.5 y LF=
tabla 4.6.
Carga máxima ( en MW )∗8760

Factor de Coincidencia Total de energia año 2004=66 GWh

Para finalizar con los datos obtenidos en la tabla Total de energia año 2004=66000 MWh
4.9 lo único que nos queda es hallar el factor de
coincidencia para los años 1999 hasta 2021. Carga maxima año 2004=228 MW

Para esto aplicamos algunas de las formulas Esta carga máxima es la demanda pico para el
vistas en clases. año 2004.

 Factor de Simultaneidad 66000 MWh

LF=
228 MW∗8760 h
Dmax . Total
fs=
∑ i Dmax i LF=¿0,033

 Factor de coincidencia Entonces el factor de carga anual del año 2004

es 0,033.
1
f coin=
fs

7
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

Si queremos saber el factor de carga anual de

cualquier otro año en estudio, solo basta con  Ajuste de curva de tercer orden (TCF)
seguir el mismo principio mostrado de la siguiente manera:
anteriormente.
TCF =a+bx +c x2 +d x 3
3. Tabla 4.11
 Ajuste de curva exponencial (ECF) de
En la tabla 4.11 lo que se representa son los la siguiente manera:
datos históricos de los últimos 31 años.

Más específicamente lo que se representan en la ECF=a(1−e−bx )

tabla 4.11 son:
 La carga en MW.  ARMA univariante (UARMA)
 El PIB o sus siglas en ingles GDP.
 La población.  ARMA multivariante (MARMA)

Todos estos datos como ya mencionamos antes
de los últimos 31 años, desde el año 1980 hasta
el año 2010.
4. Tabla 4.12
Usando un software estándar como Eviews,
basado en los datos históricos, varios
parámetros se calculan de la siguiente manera:
Los resultados que se obtendrían se pueden
apreciar en las tabla 4.12.
De hecho en el archivo Excel adjunto están
todas estas ecuaciones con sus respectivos
parámetros, están programados y calculados y
como resultados se obtienen los mismos
resultados presentados en el PDF.
5. Tabla 4.13

En la tabla 4.13 se puede apreciar el

LCF :a=−549,50 b=950,83
comportamiento de predicción de los distintos
enfoques.
SCF :a=1336,42 b=425,60 c=20,50
Cabe destacar que los resultados obtenidos, son
TCF :a=614,35 b=917,92 en base a los datos y resultados obtenidos en la
c=−29,70 d=1,28 tabla 4.12.

ECF :a=659,561b=0,001416 Expresando el comportamiento de predicción en

x=es el numero del año y es valido
para la tabla 4.11 y tabla 4.12
Dichos parámetros lo único que se hace es
reemplazar en las ecuaciones de los diferentes
enfoques presentados:
 Ajuste de curva lineal (LCF) de la
siguiente manera:
LCF =a+bx
 Ajuste de curva de segundo orden
(SCF) de la siguiente manera:
términos del error de la siguiente manera:
Pronosticado− Actual
ERROR= ∗100 %
Actual
Como se muestra en la tabla 4.13 UARMA,
MARMA y TCF se clasifican como las mejores
opciones, en términos del comportamiento de
predicción.
En el archivo Excel adjunto están calculados
todos los comportamientos de predicción de los
distintos enfoques, estos están programados y
calculados de acuerdo a la ecuación de ERROR
aquí descrita.

SCF=a+bx +c x 2 Demostración:

8
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

31,102−32,217
Vamos a calcular el comportamiento de los ERROR= ∗100 %
32,217
distintos enfoques para el año 2007.
ERROR=¿−3,46∨¿
 LCF
ERROR=3,46
26,074−32,217
ERROR= ∗100 %
32,217 ERROR ( LCF ) + ERROR ( SCF )+ ERRO
ERROR promedio=
ERROR=¿−19,07∨¿
Calculo de ERROR promedio LCF
ERROR=19,07
ERROR LCF (2007)+ ERROR LCF (20
 SCF ERROR promedio=

29,325−32,217
ERROR= ∗100 % 19,07+ 20,77+19,83+23,15
32,217 ERROR promedio=
4
ERROR=¿−8,98∨¿ ERROR promedio=20,7

ERROR=8,98 Y bueno cada uno de los errores hallados para

cada uno de los enfoques del año 2007 es igual
a los errores hallados y expresados en la tabla
 TCF
4.13 del documento PDF.
31,130−32,217
ERROR= ∗100 % Para hallar los errores de los años 2008, 2009,
32,217 2010 se sigue prácticamente el principio
mostrado en el cálculo para el año 2007, claro
ERROR=¿−3,37∨¿ esta vez tomando los datos correspondientes
para cada uno de esos años.
ERROR=3,37
Cabe destacar que todos estos calculo están
 ECF programados y resueltos en el archivo Excel
adjunto con base a la ecuación de ERROR aquí
25,639−32,217 mostrada.
ERROR= ∗100 %
32,217
Por lo que se puede decir que todas las tablas
del PDF, han sido descritas y resueltas con la
ERROR=¿−20,42∨¿ ayuda de Excel en base a las ecuaciones y datos
presentados.
ERROR=20,42
Y se sabe que están bien calculadas porque los
 UARMA resultados obtenidos por nuestro grupo son
idénticos a los mostrados en el archivo PDF
31,088−32,217 usado como guía para el trabajo.
ERROR= ∗100 %
32,217

ERROR=¿−3,50∨¿ III. CONCLUSIONES:

 Al utilizar varios enfoques para que se
empleen en los datos históricos para los
ERROR=3,50
años analizados y para predecir las
cargas del año. Basándose en los
 MARMA comportamientos de predicción
observados (comparando la carga

9
 UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIDAD ACADÈMICA CIYA
Latacunga – Cotopaxi – Ecuador

prevista con la carga real), se puede

seleccionar el mejor enfoque.
 Mediante el análisis de pronóstico de
carga podemos dimensionar nuestro
SEP para satisfacer cargas futuras ya
que la población aumentara con el
transcurso de los años y para ello el
sistema se debe adaptar a distintos
cambios en este caso seria el aumento
de la demanda de las cargas futuras .

IV. BIBLIOGRAFIA:

10