MINISTERIO DE ENERGIA Y MINAS

ƒ Información subjetiva. Basada en la opinión personal que tienen determinadas

personas, especialistas, sobre el futuro de una materia en estudio. Las técnicas que se
utilizan tratan de obtener el máximo aprovechamiento de las experiencias, opiniones y
expectativas de sujetos individuales según diversos criterios. Este es el caso de las
metodologías de proyección cualitativas (Delphi, Impactos Cruzados, etc.)

ƒ Información histórica. Es decir; la evolución del fenómeno objeto de estudio, en

períodos anteriores. Para este enfoque, la información básica es la serie temporal o variable
cronológica; es el campo del análisis de series temporales.

ƒ Información causal o relacional. Este planteamiento subraya la importancia de la

información relacional o causal, de la propia conexión entre variables condicionantes del
tema que se trata de pronosticar. Las leyes de comportamiento que se supone van a regir en
el futuro es frecuente que se deduzcan de la experiencia sobre su funcionamiento en el
pasado, con lo cual la información histórica resulta también relevante. Este es el caso de los
modelos econométricos.

7.1.1.3.1 Antecedentes Metodológicos de Proyección

El principal antecedente metodológico para realizar las proyecciones de demanda eléctrica

corresponde a la aplicación del modelo econométrico MONENCO - AGRA, cuya aplicación
se inició en el año 1996 para estimar las ventas anuales de electricidad del área de servicio
del Sistema Interconectado Centro Norte - SICN. Entre sus limitaciones se tienen:

ƒ Respecto a la elección de las variables explicativas. Utiliza como variables

explicativas de las ventas de electricidad del SICN a tres series históricas: el producto bruto
interno, la población y la tarifa promedio de electricidad. Su selección, de un juego de 8
variables económicas y demográficas lo realiza de manera robusta, sin verificar de forma
exhaustiva el cumplimiento de los condicionantes estadísticos y la significancia de cada
variable inicialmente participante.

ƒ Referente al tamaño del horizonte de proyección. Considera la proporcionalidad

entre horizonte de proyección (periodo de proyección) y horizonte histórico (periodo histórico)
de uno a tres. En materia de pronósticos esta proporción es altamente riesgosa y que
generalmente lleva a resultados matemáticamente deficientes, pues los márgenes de
incertidumbre de las predicciones se ensanchan a medida que crece el horizonte de
proyección. Debe de tenerse en cuenta que, cuanto más grande sea la muestra de la
variable histórica, se tiene la probabilidad de alcanzar mejores resultados.

ƒ Referente a la característica de la regresión generada. No se realiza una evaluación

estricta del cumplimiento de los supuestos estadísticos de cada una de las variables
participantes (estacionariedad, ausencia de colinealidad entre regresores, presencia de
quiebres estructurales), ni de su conjunto (comprobación de regresión espuria o verificación
del término de error se comporte como un ruido blanco)

ƒ Escenario de aplicación. En la actualidad la oferta eléctrica ha sufrido significativos

cambios debido a su integración como sistema interconectado nacional, consecuentemente
este modelo aplicado como tal no garantiza buenos resultados de proyección. Cualquier
modificación en la estructura de la regresión, realizada con el objetivo de hacerlo
representativa, conlleva a un nuevo modelo econométrico.

7.1.1.3.2 Descripción Conceptual de los Modelos Econométricos

Un modelo econométrico viene a ser una relación funcional entre una variable dependiente
(en este caso la demanda de energía eléctrica) y otra u otras variables independientes o

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 170

 MINISTERIO DE ENERGIA Y MINAS

explicativas de la primera (por ejemplo el producto bruto interno, la población, tarifa

eléctrica), bajo el cumplimiento de condicionantes estadísticos y de la teoría económica.
Para el presente caso de proyección de demanda eléctrica este arreglo matemático se
conforma mediante una regresión lineal por mínimos cuadrados ordinarios.

Condicionantes Estadísticos

Bajo el plano estadístico, el modelo de regresión lineal por mínimos cuadrados ordinarios
que describe y proyecta a la variable dependiente, debe cumplir los siguientes requisitos:

ƒ Las variables participantes deben ser o transformarse en estacionarias.

ƒ El término de error del modelo lineal, debe comportarse como un ruido blanco; es decir,
que la esperanza matemática del término de error sea cero, la varianza del error sea
constante y se demuestre ausencia de autocorrelación entre los errores (covarianza nula).
ƒ No existencia de colinealidad entre regresores o variables independientes,
consecuentemente, ausencia de multicolinealidad en la matriz de observaciones
correspondientes a las variables independientes del modelo.
ƒ Los parámetros o coeficientes de cada variable explicativa deben ser constantes.

Entre las pruebas a realizar para el cumplimiento de estas condicionantes se tienen:

ƒ Bondad o grado de ajuste del modelo, medido por el coeficiente de determinación R2.
ƒ Estacionariedad, medido por el estadístico Dickey–Fuller Aumentado, ADF.
ƒ Prueba de significancia de la variable en el modelo, medido por el estadístico t-Student.
ƒ Contraste de la presencia de autocorrelación serial de primer orden, medido por el
estadístico Durbin Watson, DW.

Condicionantes de la Teoría Económica

Los condicionantes muestran la interrelación de las variables participantes obedeciendo la

teoría económica. Una relación económica entre la demanda eléctrica, el producto bruto
interno y la tarifa eléctrica, sería la siguiente:

ƒ La demanda de energía eléctrica, DEM, se comporta como la demanda de un bien

necesario.
ƒ El producto bruto interno, PBI, se comporta como el ingreso económico para la
adquisición del bien necesario.
ƒ La tarifa eléctrica, TARIFA, se comporta como el precio para la adquisición del bien
necesario.

Bajo estos criterios, a manera de ejemplo, una tentativa de modelo econométrico podría
estar conformado por la siguiente relación:

DEM = C * PBI α TARIFAβ

Donde:

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 171

 MINISTERIO DE ENERGIA Y MINAS

α : Elasticidad ingreso del bien DEM, que puede adoptar valores positivos mayores a
cero y no mayores a uno
β : Elasticidad del precio del bien DEM, adoptará valores negativos entre -1 y 0
C : Constante

La forma linealizada de la anterior expresión, se determina aplicando logaritmos naturales:

Ln DEM = Co + α Ln PBI + β Ln TARIFA

Bajo esta forma los parámetros α y β responderán al concepto de elasticidad ingreso y

elasticidad precio constantes. Las elasticidades constantes permiten determinar el
crecimiento porcentual que experimentaría la demanda eléctrica frente a cada punto de
crecimiento del PBI o TARIFA.

Por tanto, bajo el criterio de la teoría económica, es recomendable estructurar un modelo en

el que se practique una transformación logarítmica a las variables DEM, PBI y TARIFA

El grado de complicación para alcanzar resultados aceptables en la aplicación de esos

modelos, dependerá de las siguientes características de cada una de las variables
participantes o series históricas:

ƒ Número de observaciones
ƒ Tendencia evolutiva
ƒ Estacionalidad y/o ciclaje
ƒ Irregularidad o aleatoriedad

Estructura de Cálculo

En el siguiente esquema del diagrama N° 1 se resume la estructura de cálculo de

proyecciones aplicada en el PRE-2006:

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 172

 MINISTERIO DE ENERGIA Y MINAS

Diagrama Nº 1

Ingreso de
variables

Especificación del
Modelo Econométrico

Estimación de los
parámetros

Contraste o
validación

Proyecciones
Econométricas

7.1.1.3.3 Especificación de los Modelos Econométricos

En general, en la etapa de especificación de un modelo econométrico se propone una forma

matemática que relaciona la variable explicada con las variables explicativas y la
perturbación aleatoria. La referencia natural en esta fase son los modelos económicos
postulados por la teoría. Por tanto, se debe definir el número de ecuaciones que explican el
fenómeno, las variables que explican causalmente a la variable endógena y la forma
funcional que las relaciona. Con respecto a la perturbación aleatoria habrá que suponer, y
contrastar, sus propiedades estadísticas.

Una especificación tentativa del modelo econométrico uniecuacional que explica a la

Demanda Eléctrica, estaría dado por la siguiente expresión:

DEM = Co + α PBI + β TARIFA + γ POB

Donde:
DEM : Variable endógena, Demanda eléctrica
PBI : Producto Bruto Interno
TARIFA : Tarifa de electricidad
POB : Población

Las características matemáticas definitivas que posea el modelo econométrico a utilizar para
proyectar la demanda eléctrica, se determinan una vez procesados los datos, cumplidos los
supuestos estadísticos y econométricos y la validación como elemento de proyección.

Para el cálculo de los pronósticos se ha utilizado los siguientes programas informáticos:

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 173

 MINISTERIO DE ENERGIA Y MINAS

ƒ E-Views Econometric-Views
ƒ SPSS Statistical Package for Social Sciences

Influencia de la Serie Población

La variable temporal población resulta del tratamiento mecanizado en el tiempo en base a los
censos nacionales de 1981 y 1993. Su cuantificación anual se obtiene aplicando iguales
tasas de crecimiento a los años previos de la serie. Esta mecanización de la serie fuerza
hacia un comportamiento determinístico puro (su crecimiento anual va a un ritmo
prácticamente constante), con lo que se le resta propiedades estadísticas genuinas,
consecuentemente las relaciones con las otras variables participantes dejarán de ser
representativas.

Por lo anterior, la serie población no podría considerarse como una variable explicativa de la
demanda eléctrica. No obstante, se realizan pruebas incluyéndolo en el proceso de cálculo, o
también en su reemplazo puede incorporarse a la matriz de observaciones de las variables
independientes del modelo, una variable auxiliar no observable de naturaleza determinística
dada por una tendencia pura.

Modelos Estocásticos: ARIMA

El condicionante fundamental para la aplicación de un modelo estocástico hacia la

descripción y pronóstico de una variable temporal discreta, es que ésta obedezca a un
proceso estocástico lineal estacionario. En nuestro caso las variables históricas
contabilizadas en forma mensual poseen patrones de tendencia y estacionalidad,
consecuentemente no son estacionarias de origen. Por tanto, para la aplicación de la
metodología estocástica, previamente se tienen que hacer transformaciones matemáticas a
la variable original.

Para salvar la no estacionariedad ocasionada por el patrón de tendencia, se procede a

diferenciar regularmente a la variable original. El número de veces que debe diferenciarse
hasta alcanzar la estacionariedad constituye el grado u orden de homogeneidad o
integración. Si la serie original, Xt, es homogénea de orden d, entonces:

(1 − L) d X t = Z t , t = 1,2......, T

la nueva serie Zt es estacionaria

Siendo:

d: orden de integración regular

L: operador de retardos

A un proceso integrado Xt se le denomina proceso autorregresivo-medias móviles integrado,

ARIMA (p, d, q), si tomando diferencias de orden d se obtiene un proceso estacionario Zt del
tipo ARMA (p, q).

El modelo ARIMA (p, d, q), se expresa de la siguiente forma:

Z t = φ 1 Z t −1 + φ 2 Z t − 2 +.....+φ p Z t − p + ut − θ1 ut −1 −.......−θ q ut − q

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 174

 MINISTERIO DE ENERGIA Y MINAS

donde ut , ut −1 , ut − 2 ,......es una secuencia de perturbaciones aleatorias distribuidas idéntica e

independientemente con media cero y varianza constante, lo que se conoce como ruidos
blancos.

En forma abreviada se tiene:

φ ( L ) Z t = θ ( L )ut

Z t = (1 − L) d X t

quedando:
φ ( L)(1 − L) d X t = θ ( L)ut

φ(L) es el operador polinomial de retardos de un proceso estocástico lineal estacionario del

tipo autorregresivo puro de orden p, definido por:

φ ( L) = 1 − φ 1 L − φ 2 L2 −..........−φ p Lp

θ(L) es el operador polinomial de retardos de un proceso estocástico lineal estacionario del

tipo medias móviles puro de orden q, definido como:

θ ( L) = 1 − θ1 L − θ 2 L2 −........−θ q Lq

También, en muchas ocasiones se observa que existe una tendencia en la varianza, esto es,
que la dispersión de las observaciones no es constante a lo largo del tiempo, la cual no se
elimina mediante estas diferenciaciones. Cuando se presenta este hecho la transformación
adecuada puede consistir en tomar logaritmos neperianos, y en forma más general mediante
la transformación Box-Cox. Así, el modelo ARIMA se puede expresar como:

φ ( L)(1− L) d ( X t( λ ) − µ ) = θ ( L)ut
(λ )
Donde µ es la media de X t con potencia de transformaciónλ, siendo:

⎧ X t( λ ) −1 para λ ≠ 0
(λ)
⎪ λ
X t = ⎨ ln X t para λ = 0
⎪
⎩
Otra fuente de no estacionariedad en muchas de las series reales, como es este caso de
proyección de demanda donde se contabiliza la variable en forma mensual, lo constituye la
estacionalidad. Para desestacionalizar las series se procede a la diferenciación estacional.

A un proceso integrado estacional Xt se le denomina proceso autorregresivo-medias móviles

integrado, ARIMA (P, D, Q), si tomando diferencias estacionales de orden D, con periodo s,
se obtiene un proceso estacionario Zt del tipo ARMA (P, Q) y se expresa mediante:

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 175

 MINISTERIO DE ENERGIA Y MINAS

Z t = Φ1Z t − s + Φ 2 Z t − 2 s + ....... + Φ P Z t − Ps + δ + ut − Θ1ut − s − ....... − ΘQut − Qs

Z t = (1 − Ls ) D X t

La expresión resumida de ARIMA (P, D, Q) será:

ΦP ( Ls )(1 − Ls ) D X t = δ + Θ Q ( Ls )ut
Donde:

Φ p ( LS ) = 1 − Φ1 Ls − Φ2 L2 s −.........− ΦP LPs
Θ Q ( Ls ) = 1 − Θ 1 Ls − Θ 2 L2 s −.........−Θ Q LQs

Los modelos que conjugan ambos tipos de interdependencias entre las observaciones son
los modelos ARIMA multiplicativos, los mismos que se denotan abreviadamente como
ARIMA (p, d, q) x ARIMA (P, D, Q), y que se expresan como:
Φ P ( Ls )φ p ( L)(1 − Ls ) D (1 − L) d X t = ΘQ ( Ls )θ q ( L)ut

En forma general, esta expresión se puede dar como:

Φ P ( Ls )φ p ( L ) [ (1 − Ls ) D (1 − L ) d X t − µ ] = Θ Q ( Ls )θ q ( L )ut

Donde µ es la media de Z t = (1 − L ) (1 − L) X t
s D d

Estructura de Cálculo con Modelos ARIMA

El procedimiento de cálculo de pronósticos mediante modelos ARIMA se realiza de acuerdo

al Diagrama Nº 2 mostrado a continuación:

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 176

 MINISTERIO DE ENERGIA Y MINAS

Diagrama Nº 2
DATOS DE LA SERIE HISTÓRICA

IDENTIFICACIÓN
CÁLCULO DE ESTADÍSTICOS TRANSFORMACIÓN
DE LA SERIE DE LA SERIE

¿ES LA SERIE NO SELECCIÓN DE

ESTACIONARIA? d, D Y λ

DETERMINACIÓN DE
p, q, P, Q

ESTIMACIÓN
• CÁLCULO DE ESTIMADORES
• CÁLCULO DE ESTADÍSTICOS DE LOS
ESTIMADORES Y DE LOS RESIDUOS

VALIDACIÓN

¿ES EL MODELO NO
ADECUADO?

PREDICCIÓN

• CALCULO DE PROYECCIONES
• CALCULO DE ESTADÍSTICOS PARA
EVALUACIÓN DE LA CAPACIDAD
PREDICTIVA

Selección del Modelo de Series Temporales

La elección del modelo de series temporales que se utiliza en el cálculo de las proyecciones
de una determinada variable histórica, se realiza en base a lo siguiente:

• El tamaño muestral de la serie histórica y su nivel de desagregación: datos anuales o

mensuales
• La tendencia evolutiva de la serie
• El ciclaje de la serie
• La estacionalidad de la serie

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 177

 MINISTERIO DE ENERGIA Y MINAS

• La irregularidad de la serie
• El rigor metodológico
• Calidad de resultados

El modelo determinístico de alisados exponenciales Holt se utiliza cuando se trata de series

históricas que poseen solamente un patrón de tendencia; es decir que carecen de ciclaje y
estacionalidad. Para nuestro caso puede utilizarse como un elemento comparativo
metodológico de pronóstico frente a un modelo econométrico, cuando las variables
participantes, endógenas y exógenas, estén contabilizadas anualmente.

El modelo determinístico de series temporales Winters se utiliza cuando la serie histórica

posee tendencia y estacionalidad. En nuestro caso puede utilizarse como predictor
comparativo referencial.

El modelo estocástico ARIMA es de mayor complejidad metodológica y se utiliza en el

cálculo de proyecciones de series que poseen patrones de tendencia, estacionalidad e
irregularidad. El refinamiento predictivo es alto y se puede utilizar para proyectar series
temporales mensuales típicas de la actividad energética, como es el caso de la energía
eléctrica.

7.1.1.3.4 Estructura Metodológica de Proyecciones a Desarrollar

La estructura de cálculo de la proyección de la demanda eléctrica de las cargas vegetativas

se ha realizado de acuerdo al siguiente diagrama:

Diagrama Nº 3
Data histórica Data histórica
anual de ventas mensual de
de electricidad demanda eléctrica
Modelos de
Modelos series
Econométricos temporales
Histórico y Identificación de
proyección de efectos externos en
variables socio- la serie histórica
económicas

Proyecciones de Proyecciones de
ventas anuales demanda mensual y
anual (corto plazo)

Proyecciones
de Cargas
Vegetativas
2005-2025

Dada la peculiaridad de la conformación del mercado eléctrico nacional y la falta de

información histórica, amplia y desagregada de las variables participantes, se efectúa el
cálculo de las proyecciones de la demanda eléctrica mediante el uso de modelos
econométricos de base para la proyección de largo plazo, acompañado de modelos
estocásticos de series temporales ARIMA que han de servir como elementos de proyección
del corto plazo.

Por un lado se dispone de datos históricos contabilizados anualmente desde 1981 y por otro
se dispone de información contabilizada mensualmente, pero desde enero del 2000.

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 178

 MINISTERIO DE ENERGIA Y MINAS

Con los modelos de series temporales, caso ARIMA, se pueden calcular proyecciones de la
demanda eléctrica bajo forma univariante mensual y que de acuerdo a la limitación de la
información histórica mensual disponible, solamente se pueden obtener proyecciones
anuales de alrededor de dos años.

Con los modelos econométricos, la proyección de largo plazo de la demanda eléctrica se

realiza utilizando la información histórica anual disponible alcanzando con ello proyecciones
para el horizonte requerido, 2006-2015. En este caso las proyecciones mensuales de los
primeros dos años, obtenido mediante modelos ARIMA, sirvió como información de entrada
a los modelos econométricos.

7.1.1.3.5 Variables Socioeconómicas

La proyección de la demanda del SEIN fue determinado considerando dos variables

socioeconómicas de influencia, la evolución de la población y del PBI al 2015, para lo cual se
detalla la metodología de las proyecciones de estas variables:

A. Población

Para la variable población se tomó la información histórica proporcionada por el INEI para la
aplicación de una proyección tendencial para cada Región a fin de obtener un consolidado
nacional comparando con las proyecciones oficiales que realiza el INEI.

En el 2001, el INEI revisó sus cifras de población para el período 2001-20501 . A nivel
regional sólo existen cifras oficiales para el período 1990-2002. Para realizar las
proyecciones para el período 2006 – 2015, se tomaron como base las proyecciones oficiales
regionales para los años 2005 -20102.

B. Producto Bruto Interno - PBI

El enfoque metodológico se basó en la proyección de tasas de crecimiento reales para los

distintos sectores de la economía, tomando como base las principales variables que influyen
en su comportamiento.

Las tasas de crecimiento reales estimadas para cada sector fueron aplicadas a las cifras de
Nuevos Soles constantes de 1994, proporcionadas por el INEI, obteniendo así el valor para
cada sector del Producto Bruto Interno para el horizonte de proyección.

La ponderación del PBI nacional se realizó considerando el peso que tiene cada sector en la
estructura global, tal como se detalla en el cuadro Nº 2.

1
INEI “Perú Estimaciones y Proyecciones de Población, 1950-2050, Boletín de análisis Demográfico Nº 35, Lima, Julio 2001.
2
INEI Boletín Estadístico 2002.

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 179

 MINISTERIO DE ENERGIA Y MINAS

Cuadro Nº 2
Estructura Promedio Sectorial del PBI

Sector Ponder
ación 1/
Agropecuario 8,7
Pesca 0,6
Minería e
6,2
Hidrocarburos
Manufactura 15,0
Electricidad y Agua 2,1
Construcción 4,9
Comercio 14,2
Otros Servicios 2/ 38,7
DI-Otros Imp. A los
9,6
Productos.
PBI Total 100,0

1/ Corresponde a la estructura del PBI valorizado a NS/. 1994 2000-2005

2/ Incluye Servicios Gubernamentales y Otros
Fuente: Elaboración propia

Las tasas de crecimiento a nivel regional se calcularon determinando la estructura de cada

departamento, de manera que se identificaron los sectores que lideran el crecimiento de
cada uno de ellos.

La carencia de información a nivel regional con el año base 1994 representó un desafío
metodológico importante; por ello, se tomó las estimaciones en Nuevos Soles corrientes que
se tienen desde el año 1994 proporcionadas por el INEI y convertirlos a Soles constantes
tomando para tal fin el índice de deflación general.

Para obtener el PBI regional fue necesario conocer la estructura económica de cada región,
de modo que se identificaron los sectores que impulsarían el crecimiento. Luego, se
realizaron las simulaciones para los escenarios planteados.

Para la proyección del comportamiento del PBI en cada región se realizó lo siguiente:

1. Se recogió la información disponible referente a proyectos que impulsan el desarrollo

departamental, como son proyectos mineros o petroleros, irrigaciones, ingenios azucareros,
obras de infraestructura, entre otros.

2. Para los sectores primarios, se observó el comportamiento tendencial o de largo

plazo, utilizando las cifras existentes publicadas por el INEI. Con ello se tomó en cuenta el
comportamiento cíclico de sectores como la agricultura o la pesca.

3. En los sectores no primarios, se proyectó variables explicativas del crecimiento en el

largo plazo como crecimiento poblacional, flujos de inversión, productividad, entre otros.

4. Los escenarios regionales fueron sujetos al comportamiento del modelo de crecimiento

global estimado, dada la consistencia que debe existir entre los datos regionales y
sectoriales.

5. Para fines comparativos, se realizó la proyección del PBI regional sin incluir la puesta
en operación de nuevos proyectos mineros.

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 180

 MINISTERIO DE ENERGIA Y MINAS

7.1.1.3.6 Conclusiones de la Metodología de Proyección de la Demanda

ƒ Las proyecciones de la demanda eléctrica se realizó bajo dos metodologías: Modelos

Econométricos (de base) y Modelos de Series Temporales (comparativos). Entre los
elementos que justificaron este enfoque está la carencia de información histórica
desagregada mensualmente en un amplio dominio histórico. Por un lado se tiene datos
históricos de amplio pasado contabilizados anualmente y por otro se dispone de información
contabilizada mensualmente, pero de corto pasado.

ƒ Con los modelos de series temporales, caso ARIMA, se proyectó la variable objetivo
bajo forma mensual; y dado que se dispone de un horizonte histórico mensual corto, el
horizonte de proyección fue de corto plazo. Con el modelo econométrico la proyección se
realizó utilizando la información histórica anual, que de acuerdo a la información disponible
se pudo realizar proyecciones de largo plazo. Por tanto, el Modelo de series temporales
proyectó a corto plazo (1 a 2 años), cuyos valores validaron al modelo econométrico que ha
de calcular las proyecciones para el horizonte 2006-2015.

ƒ Las características matemáticas del modelo econométrico a utilizar, se determinaron

una vez procesados los datos, cumplidos los supuestos estadísticos y econométricos y, la
validación como elemento de proyección. La expresión final que se obtuvo conformó el
nuevo modelo econométrico de proyección de la demanda eléctrica.

7.1.1.4 Proyección de Cargas Especiales e Incorporadas

Para estimar los requerimientos de demanda de las Cargas Especiales e Incorporadas se

asumieron los siguientes criterios generales:

ƒ Las estimaciones de los requerimientos de energía y potencia de las cargas especiales

e incorporadas se sustentaron en los reportes de las empresas en las cuales se interioriza
las expectativas de consumo futuros.
ƒ Dichos reportes en la mayoría de los casos contenían la información a un nivel
desagregado mensual, por lo que en aquellos casos en los cuales la información era
reportada a nivel anual, se ha desagregado a nivel mensual tomando como base el
comportamiento de una carga semejante, que en el caso de las cargas especiales son
generalmente empresas mineras de las cuales se disponía de información mientras que en
el caso de las cargas especiales, se ha considerado sistemas eléctricos semejantes según el
tamaño y la característica de la zona.
ƒ Las cargas especiales e incorporadas son anexadas al SEIN según su barra de enlace,
la cual está definido por la ubicación geográfica de la carga, con ello se ha incorporado
dichas cargas a las respectivas zonas que le corresponden.
ƒ En dichas estimaciones se considera un escenario único de estimación por cuanto
dicha demanda responde a patrones de consumo común de las respectivas empresas
consideradas.
ƒ Dentro de las empresas consideradas en el grupo de Cargas Especiales se encuentran
principalmente empresas mineras, cuya características son un alto factor de carga y
consumo.
ƒ En algunos casos no se dispuso de la información de los pronósticos de demanda de
algunas mineras, en estos casos se recurrió a los reportes enviados por los suministradores
de estas grandes cargas, observándose en dichos reportes que se mantiene constante el
consumo durante todo el periodo de análisis, por lo que en esta parte del estudio y en lo
referente a estas empresas no se consideran incrementos de cargas.
ƒ Para el caso de las cargas incorporadas, se tiene que la mayoría de ellas son sistemas
eléctricos de menor magnitud que alimentan principalmente a clientes regulados y que se
han ido incorporando paulatinamente al sistema, considerando por ello en la proyección
tasas de crecimiento vegetativas del orden del 2% al 3%, siendo dichos sistemas los de

PLAN REFERENCIAL DE ELECTRICIDAD 2006 - 2015 181