UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA

FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS

ESCUELA PROFESIONAL DE INGENIERÍA ELÉCTRICA

ASIGNATURA: MÉTODOS ESTADÍSTICOS PARA LA INGENIERÍA

[Titulo] Análisis del consumo energético en la población y la industria de la ciudad de

Arequipa en los últimos 10 años.

AUTORES:
 - Arocutipa Medina Willy Gonzalo
 - Mamani Salazar José Antonio
 - Marcani Leyva Joseph Fredy
 - Roque Ramos Abraham Alvaro
 - Valdeiglesias Flores Mario Eduardo

AREQUIPA- 2020
Tabla de contenido

UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA.....................................................1

INTRODUCCIÓN.......................................................................................................................4
1. PLANTEAMIENTO DEL PROBLEMA.............................................................................5
1.1. OBJETIVOS.................................................................................................................5
1.1.1. OBJETIVO GENERAL........................................................................................5
1.1.2. OBJETIVOS ESPECÍFICOS...............................................................................5
2. CAPÍTULO 1: MARCO TEÓRICO.....................................................................................5
2.1. MINISTERIO DE ENERGÍA Y MINAS.............................................................................5
2.2. INFERENCIA ESTADÍSTICA............................................................................................6
2.3. REGRESIÓN LINEAL........................................................................................................6
2.4. COEFICIENTE DE DETERMINACIÓN............................................................................8
2.5. ENERGÍA ELÉCTRICA......................................................................................................9
2.6. MEDIDOR.........................................................................................................................11
2.7. TIPOS DE INDUSTRIAS QUE CONSUMEN ENERGÍA ELÉCTRICA EN AREQUIPA
12
2.8. PRINCIPALES EMPRESAS CONSUMIDORAS.............................................................13
3. CAPÍTULO 2: RECOLECCIÓN DE DATOS...................................................................17
3.1. Base de datos del año 2009-2018...............................................................................17
3.2. Centrales eléctricas de la región de Arequipa.............................................................22
3.3. Consumo de energía eléctrica (Gw.h).........................................................................24
3.4. Venta de energía por sectores económicos (Gw.h)....................................................25
3.5. Producción de energía eléctrica Gw.h........................................................................26
3.6. Número de clientes finales por sectores económicos..................................................27
3.7. Cuadro de doble entrada doméstico..........................................................................28
3.8. Cuadro de doble entrada sector industrial.................................................................29
3.9. Regresión del sector doméstico.................................................................................30
3.10. Regresión del sector industrial...............................................................................34
4. PREDICCIÓN DEL 2019, 2020 Y 2021............................................................................37
4.1. SECTOR DOMÉSTICO..................................................................................................37
4.2. SECTOR INDUSTRIAL...................................................................................................38
Conclusiones..............................................................................................................................40
Bibliografía................................................................................................................................41
ANEXO:....................................................................................................................................42
 Índice de figuras

Figure 1: Gráfica de consumo promedio anual..........................................................................23

Figure 2: Gráfica de venta de energía general............................................................................24
Figure 3: Gráfica de producción de energía general...................................................................25
Figure 4: Gráfica general............................................................................................................26
Figure 5: Regresión cuadrática del número de clientes por año en el sector doméstico...........30
Figure 6: Regresión cuadrática del consumo de energía por año en el sector doméstico..........30
Figure 7: Regresión cuadrática del número de clientes y el consumo de energía (Gw.h) en el
sector doméstico........................................................................................................................33
Figure 8: Regresión cuadrática del número de clientes por año en el sector industrial.............34
Figure 9: Regresión cuadrática del consumo de energía (Gw.h) por año en el sector
industrial………………………………………………………………………………………………………………………………. 34
Figure 10: Regresión lineal del número de clientes y el consumo de energía (Gw.h) en el sector
industrial………………………………………………………………………………………………………………………………. 35
 INTRODUCCIÓN

El presente trabajo de investigación formativa consiste en analizar el consumo energético en los

sectores de la población y de la industria en la ciudad de Arequipa en los últimos 10 años.

Es importante conocer el comportamiento del consumo energético tanto en el sector industrial

como en la población ya que a través de esos conocimientos se puede predecir en los próximos
3 años el comportamiento de la misma, además de conocer la relación del número de clientes
con su consumo energético.

Nuestro objetivo principal es analizar el consumo energético de la población y la industria en la

ciudad de Arequipa en los últimos 10 años y para ello se plantearon 3 objetivos específicos que
son hallar la regresión más adecuada de los n° de clientes-año, consumo-año y n° de clientes-
consumo tanto en el sector industrial y poblacional, determinar el crecimiento del consumo
eléctrico de la población comparado con la industria y finalmente realizar una predicción del
consumo energético del sector industrial y de la población en los próximos tres años.

En primer lugar, se realizó una investigación y análisis de distintas fuentes tanto como revistas,
libros, enlaces, tesis y fichas técnicas; para luego comenzar con la redacción del capítulo 1 que
consta del marco teórico en el cual se encontrará todos los fundamentos necesarios para realizar
esta investigación además de conceptos necesarios para este análisis, luego el capítulo 2 trata de
la recolección de datos y análisis de estos datos que se realizó con ayuda del programa minitab y
del excel para finalmente dar nuestras conclusiones y evidencias de cómo se realizó el trabajo a
lo largo del semestre.
1. PLANTEAMIENTO DEL PROBLEMA

1.1. OBJETIVOS

1.1.1.OBJETIVO GENERAL
Analizar el consumo energético de la población y la industria de la ciudad de
Arequipa en los últimos 10 años

1.1.2.OBJETIVOS ESPECÍFICOS.
 Hallar la regresión más adecuada de los n° de clientes-año, consumo-año y n° de
clientes-consumo tanto en el sector industrial y poblacional.
 Determinar el crecimiento del consumo eléctrico de la población comparado con
la industria.
 Predecir a través de series de tiempo el consumo energético de la población e
industria de los siguientes 3 años.

2. CAPÍTULO 1: MARCO TEÓRICO

2.1. MINISTERIO DE ENERGÍA Y MINAS

El Ministerio de Energía y Minas, es el organismo central y rector del Sector Energía

y Minas, y forma parte integrante del Poder Ejecutivo. Tiene como objetivo promover
el desarrollo integral de las actividades minero - energéticas, normando, fiscalizando
y/o supervisando, según sea el caso, su cumplimiento; cautelando el uso racional de
los recursos naturales en armonía con el medio ambiente. Su finalidad es formular y
evaluar, en armonía con la política general y los planes del Gobierno, las políticas de
alcance nacional en materia del desarrollo sostenible de las actividades minero -
energéticas. Así mismo, es la autoridad competente en los asuntos ambientales
referidos a las actividades minero - energéticas

Formulan y evalúan las políticas de alcance nacional en materia del desarrollo

sostenible de las actividades minero-energéticas, contribuyendo al desarrollo humano,
así como la disminución del impacto ambiental.

Promueven el desarrollo integral de las actividades inherentes del sector, normando

y/o supervisando su cumplimiento, cautelando el uso racional de los recursos naturales
en armonía con el medio ambiente, aumentando así la competitividad del sector y
garantizando la estabilidad jurídica.

El sector Energía y Minas está integrado por el Instituto Geológico, Minero y

Metalúrgico y el Instituto Peruano de Energía Nuclear, las entidades públicas y
empresas privadas bajo el ámbito de su competencia de responsabilidad política y
funcional.
 Sus funciones son:

 Ejecutar y evaluar el inventario de los recursos mineros y energéticos del país.

 Orientar y fomentar la investigación científica y tecnológica en el ámbito de su
competencia.
 Coordinar y promover la asistencia técnica en electricidad, hidrocarburos y
minería.
 Otorgar, en nombre del Estado, concesiones y celebrar contratos, según
corresponda, para el desarrollo de las actividades minero - energéticas de
conformidad con la legislación sobre la materia.
 Formular y aprobar los Planes Referenciales, los Planes de Desarrollo Sectorial y
los Planes Estratégicos Sectoriales e Institucionales en el ámbito de su
competencia.
 Ser la autoridad ambiental competente para las actividades minero - energéticas.
 Promover el fortalecimiento de las relaciones armoniosas de las empresas del
Sector Energía y Minas con la sociedad civil o población involucrada con el
desarrollo de sus actividades.
2.2. INFERENCIA ESTADÍSTICA

Es una rama de la Estadística que se encarga de hacer deducciones, es decir, inferir

propiedades, conclusiones y tendencias, de una población, a partir de una muestra de
esté. Su papel es interpretar, hacer proyecciones y comparaciones.
Aquí se emplean mecanismos que permiten llevar a cabo deducciones, tales como
pruebas de estimación puntual (o de intervalos de confianza), pruebas de hipótesis,
pruebas paramétricas (como de media, de diferencia de medias, proporciones, etc.) y
no paramétricas (como la prueba del chi-cuadrado, etc.). También le son útiles los
análisis de correlación y de regresión, las series cronológicas, el análisis de varianza,
entre otros.
Por ende, la inferencia estadística es muy útil en el análisis de poblaciones y
tendencias, se hace una idea de las posibles acciones y reacciones de estas de cara a
condiciones específicas, pero no quiere decir que las predice a la perfección, pero si
nos da una aproximación posible al resultado final.
Ejemplos:
-En una epidemia como la que estamos viviendo ahora, teniendo datos concretos de
afectación a una población determinada por una enfermedad, los especialistas en salud
pública pueden llegar a conclusiones respecto a qué medidas se pueden tomar para q
una enfermedad no pueda esparcirse y se erradique lo más pronto posible.
2.3. REGRESIÓN LINEAL

La regresión lineal es una técnica paramétrica de machine learning. Con «paramétrica»

queremos decir que incluso antes de mirar a los datos, ya sabemos cuántos parámetros
(o coeficientes) vamos a necesitar.

n el caso que estemos usando una sola variable, x, sabemos que una línea necesita 2
parámetros. La fórmula para la regresión lineal con una sola variable x es:

y=wx+b
El aprendizaje consiste en encontrar cuáles son los mejores parámetros (coeficientes)
para los datos que tengamos. Los mejores coeficientes serán los que minimicen alguna
medida de error. Para la regresión lineal usaremos el error cuadrático medio.

Ejemplo:

Hemos usado una regresión lineal para encontrar los parámetros de la línea que
minimiza el error de los datos que tenemos. El proceso de aprendizaje consiste en
estimar los parámetros w y b. Así nos queda que, para estos datos, los mejores valores
son:

w=0.0918

b=1.2859

así que nos queda:

y=0.0918 x +1.2859

Podemos usar este modelo de regresión lineal para estimar cuáles serán los resultados
para otros valores de x. Por ejemplo, si queremos saber el resultado para x = 5,
usaremos el modelo anterior y veremos que el resultado es 1.7449:

y=0.0918(5)+ 1.2859=1.7449

Este es un ejemplo muy simple. En realidad, los problemas de machine learning tienen
muchas más variables. Sin embargo, he escogido este ejemplo porque es muy fácil de
visualizar, explicar y entender. Espero que la intuición de este ejemplo sirva para
entender lo que está pasando cuando haya más variables.
2.4. COEFICIENTE DE DETERMINACIÓN.

El coeficiente de determinación es la proporción de la varianza total de la variable

explicada por la regresión. El coeficiente de determinación, también llamado R
cuadrado, refleja la bondad del ajuste de un modelo a la variable que pretender
explicar.

Es importante saber que el resultado del coeficiente de determinación oscila entre 0 y

1. Cuanto más cerca de 1 se sitúe su valor, mayor será el ajuste del modelo a la variable
que estamos intentando explicar. De forma inversa, cuanto más cerca de cero, menos
ajustado estará el modelo y, por tanto, menos fiable será.

La fórmula es:

2 S SR
R= E.1
S yy

n n
S S R =∑ ( ^y i− y ) S yy =∑ ( ^yi − y)2
2

i=k i=k

Ilustración 1:Fuente propia. Donde esa Y que lleva un “sombrerito”, detalla que no es el valor de Y sino una
estimación de Y. La Y con una línea arriba es la media, y la otra Y sin nada es la Y verdadera en otras
palabras lo observado.
Ilustración 2:Fuente propia. A la izquierda tenemos el caso con coeficiente bajo y a la derecha el caso con
coeficiente de determinación alto.

En cada uno de los casos tenemos arriba el numerador del cálculo del coeficiente y
abajo el denominador del cálculo. Líneas verdes para el numerador y azules para el
denominador. Observemos que en el caso de la izquierda las líneas azules son mucho
más largas que las verdes. Esto indica que nuestra recta de regresión no explica mucho
la posición de los valores en la relación dibujada entre las dos variables. En cambio,
en el caso de la derecha hay una gran aproximación de las líneas verdes a las azules.
Esto indica que realmente nuestra recta de regresión consigue situarse muy próxima a
la realidad posicional de los puntos en el diagrama de dispersión.

Y si forma una línea recta el coeficiente de indeterminación sería 1

También se puede expresar de otra forma:

2
2 ( ∑ observado− predicho)
R= 2
( ∑ observado −media)

( ∑ y i− ^y i )
2
2
R =1−
( ∑ yi − y)
2

2.5. ENERGÍA ELÉCTRICA

Definimos como energía eléctrica o electricidad como la forma de energía que resulta de la
existencia de una diferencia de potencial entre dos puntos, lo que permite establecer una
corriente eléctrica entre ambos cuando se les pone en contacto por medio de un conductor
eléctrico. Normalmente el conductor es de un material metálico debido a que disponen de
mayor cantidad de electrones libres, un caro ejemplo puede ser el cobre, plata o el oro.
Dependiendo del movimiento de las cargas existen dos tipos de corrientes en un circuito
eléctrico.

1. Corriente continua:

La corriente continua se puede reconocer con el símbolo DC (direct current) y se refiere al

flujo continuo de carga eléctrica a través de un conductor entre dos puntos de distinto
potencial. Su principal característica y lo que más le diferencia de la corriente alterna es que
las cargas eléctricas se mueven en el mismo sentido lo que trae la desventaja de no cubrir
grandes distancias.

1.1. Fuentes de corriente continua:

Una de las primeras fuentes de corriente directa fueron las celdas galvánicas, creadas por
Luigi Galvani y Alessandro Volta, que utilizaron una corriente química que obtenía la
energía eléctrica a partir de reacciones redox espontáneas y para eso empleaba dos metales
diferentes conectados por un puente salino y separados por una lámina absorbente. La celda
voltaica fue un antecedente para la creación de la batería y la pila que es uno de los objetos
más utilizados como fuente eléctrica para distintos dispositivos eléctricos como controles
remotos, juguetes, entre otros.

En las industrias se utilizan máquinas eléctricas que generan corriente continua al igual que
las células fotovoltaicas, que lo generan con ayuda del efecto fotovoltaico.

Hay muchas manifestaciones de la corriente continua en nuestra vida cotidiana lo que

demuestra que la corriente directa no ha perdido utilidad y posiblemente nunca lo pierda
con el pasar del tiempo.

2. Corriente alterna:

Al igual que la corriente continua se puede reconocer con el símbolo DC, la corriente
alterna se reconoce con la alegoría AC porque es un tipo de corriente eléctrica que cambia a
lo largo del tiempo, como su propio nombre lo dice alterna o sea hay una variación que
puede ser en intensidad de corriente o en sentido a intervalos regulares. La corriente
continua es constante, pero la alterna presenta un comportamiento senoidal, sin embargo, en
algunas ocasiones puede ser una onda cuadrada o triangular.

2.1. Oscilación senoidal:

La corriente alterna como se mencionó antes presenta un comportamiento senoidal o

sinusoidal y por eso trae muchas ventajas como: la función seno está perfectamente definida
por su expresión analítica y geométrica además que en conjunto con la teoría de los
números complejos se analizan con mucha sencillez los circuitos de corriente intermitente,
la transformación en otras oscilaciones con distinta magnitud se consigue utilizando
transformadores y aquellas oscilaciones periódicas no sinusoidales se pueden descomponer
con la aplicación directa de las series de Fourier a oscilaciones sinusoidales de diferentes
frecuencias que se conocen como armónicos.

Una señal sinusoidal presenta la siguiente ecuación:

a (t)= A 0∗sin ⁡〖(wt + β) 〗

 2.2. Corriente trifásica:

“Un sistema trifásico es básicamente un sistema de tres corrientes alternas monofásicas que
se producen simultáneamente y están desfasadas 120° entre sí” (Kuznetsov, 1967). Este
sistema se transporta por 3 conductores o fases, aunque también se incluye uno más que es
el neutro, estas fases se conocen como R, S, T y N sería el conductor neutro.

Este método de producción y transporte de energía está universalmente adoptado porque el

material de los conductores es muy económico para la misma potencia eléctrica transmitida,
además que permite el funcionamiento de motores eléctricos como los motores asíncronos
de rotor en cortocircuito que se emplea para la mayoría de aplicaciones de baja y mediana
potencia. Otra utilidad es en edificios departamentales que se reparten las cargas de cada
planta entre las distintas fases para que el sistema este equilibrado y haya una mayor
eficacia.

2.6. MEDIDOR

El medidor de energía eléctrica o contador eléctrico es el instrumento de medición, con

fines comerciales, más difundido en el mundo. Se trata de un dispositivo que mide el
consumo de energía eléctrica de un circuito o un servicio eléctrico. Todos los medidores
en el Perú expresan el consumo de energía eléctrica en kilowatts-hora (kWh).

Clasificación según sus características constructivas:

1- Medidores electromecánicos: o medidores de inducción, compuesto por un conversor

electromecánico (básicamente un W altímetro con su sistema móvil de giro libre) que
actúa sobre un disco, cuya velocidad de giro es proporcional a la potencia demandada,
provisto de un dispositivo integrador.

2- Medidores electromecánicos con registrador electrónico (HÍBRIDO): el disco

giratorio del medidor de inducción se configura para generar un tren de pulsos (un valor
determinado por cada rotación del disco, por ejemplo 5 pulsos) mediante un captador
óptico o magnético que censa marcas grabadas en su cara superior. Estos pulsos son
procesados por un sistema digital el cual calcula y registra valores de energía y de
demanda.

3- Medidores totalmente electrónicos: (o de estado sólido) la medición de energía y el

registro se realizan por medio de un proceso analógico-digital (sistema totalmente
electrónico) utilizando un microprocesador y memorias. A su vez, de acuerdo a las
facilidades implementadas, estos medidores se clasifican como:

• Medidores de demanda: miden y almacenan la energía total y una única demanda en

las 24 hs. (un solo período, una sola tarifa).

• Medidores multitarifa: miden y almacenan energía y demanda en diferentes tramos de

tiempo de las 24 hs., a los que le corresponden diferentes tarifas (cuadrantes múltiples).
Pueden registrar también la energía reactiva, factor de potencia, y parámetros especiales
adicionales.

Costo de Conexión
 Para el otorgamiento de un suministro eléctrico el solicitante (futuro cliente del servicio
de electricidad), éste debe abonar el presupuesto de conexión, que comprende:

• Cable de acometida

• Caja de Medición y Protección

• Medidor

• Sistema de Protección y Seccionamiento

Pero debe pagar mensualmente el costo de mantenimiento y reposición.

2.7. TIPOS DE INDUSTRIAS QUE CONSUMEN ENERGÍA ELÉCTRICA EN

AREQUIPA

1. Industrias Alimentarias:

Su principal mercado es el de los alimentos de diversa naturaleza, sean comidas,

bebidas o ingredientes para la cocina, se encarga de todos los procesos relacionados con
la cadena alimentaria, aquí se incluye las fases de transporte, recepción,
almacenamiento, procesamiento, conservación y servicio de alimentos de consumo
humano y animal. Como la empresa Sodexo aquí en Arequipa.

2. Industria Textil:

Es la que se encarga de la producción de fibras, hilados, telas y productos relacionados

con la confección de ropa, una gran industria textil en Arequipa es el Grupo Inca,
fundada en 1957.

3. Industrias Siderúrgicas o Metalúrgicas:

Se dedican a la transformación y aleación de los metales, para lograr formas útiles para
otras industrias o para el consumidor directo. Acá podemos poner el ejemplo de la
empresa Metaquim, que tiene la confianza de Cerro Verde.

4. Industrias Químicas:

Dedicadas a la obtención de elementos químicos y compuestos, para ser usadas por

otras industrias, o para satisfacer las necesidades de las personas, mejorando su calidad
de vida. En Arequipa un ejemplo es Linros S.R.L.

5. Industrias Farmacéuticas:

Se dedican a la fabricación, preparación y comercialización de productos químicos

medicinales para el tratamiento y prevención de enfermedades. En Arequipa tenemos a
Industrias Médicas y Farmacéuticas S.R.L. en Cerro Colorado.

6. Industrias Energéticas:

También estas industrias necesitan de la energía, para poder alimentar a la población y a

las industrias, de la misma, a través de procesos mecánicos, atómicos o químicos. Aquí
en Arequipa esta como un ejemplo EGASA.
 Número de empresas manufactureras por tamaño de empresas en Arequipa:

2.8. PRINCIPALES EMPRESAS CONSUMIDORAS

1. Agrícola Pampa Baja S.A.C.

Es una empresa dedicada a la Agricultura de Exportación. Además, mantiene una

explotación lechera de gran envergadura. Con 1,288 Has en Majes-Arequipa

En 2017, el consumo de energía fue de 2.414.943 kWh en Majes

2. La Joya Mining S.A.C.

LA JOYA MINING S.A.C., es una planta de beneficio de minerales, con capacidad para
150 TMSD, dedicada al procesamiento de minerales auríferos de la zona sur de nuestro país
por medio del acopio, mediante el proceso de lixiviación CIP se recupera el oro del mineral
el cual es depositado en carbón activado. El carbón activado cargado con oro, plata y otros
metales es procesado en la planta de desorción de nuestra empresa que tiene una capacidad
para 5 TMS. La cual recupera el oro, plata y los otros metales son eliminados, ya que, no
son el fin de la compañía.

3. Embotelladora San Miguel Del Sur

Embotelladora San Miguel del Sur, es una compañía que pertenece a Ajegroup, grupo local
productor de bebidas gaseosas, aguas minerales, entre otras. Fue fundada en el Perú desde
1992. La compañía se encarga de abastecer la marca Kola Real en el norte chico y sur chico
de Perú, además de una parte de Áncash.

ISM Arequipa implemento una auditoría energética en el año 2013, detectándose más de 5
proyectos de ahorro energético En el 2013 se implementa el servicio Energy Coach a partir
de un proyecto de medición y telemedida que empezó con 5 medidores ubicados en puntos
de suministro de energía. Este servicio, buscó mejorar el control de consumo en hora punta
(gestión tarifaria), el control de cargas encendidas innecesariamente, y fugas de energía por
aire comprimido y sobre temperaturas en el proceso. El 2016 y 2017 se implementa el
sistema Mentor Monitor, para realizar la gestión de OEE (Eficiencia Global de los Equipos).
El sistema logra identificar diferentes áreas de mejora relacionadas a perdidas por paradas
de línea, reprocesos, reducción de velocidad etc.

RESULTADOS:

 8.5 % de reducción de consumo mensual efectivo de energía total (60 000 kWh /
mes) en planta Arequipa.
 6.5 % de reducción de facturación adicional por gestión del consumo en hora punta
(S/ 18000 / mes)
 Incremento de productividad por mejora de la eficiencia productiva en planta
(recurso humano, materiales, etc.)
4. Sociedad Minera Cerro Verde S.A.A.

Sociedad Minera Cerro Verde S.A.A. es un complejo minero ubicado en el distrito de

Uchumayo, en la provincia de Arequipa, en el Perú, aproximadamente a 20 millas de la
ciudad de Arequipa y a una altitud promedio de 2.600 metros sobre el nivel del mar.La mina
ha sido ampliado a hacia una tasa de procesamiento de 1 000 000 de toneladas extraídas y
500 000 procesadas por día.

4.1. Suministros (Energía Eléctrica)

La energía eléctrica para las actividades de construcción se obtuvo desde una

extensión de la futura Radial Norte de Mina en 22.9 kV. Se estimó que con esta
fuente de energía temporal se podía abastecer hasta 6 MW, de los cuales se previó
que 3 MW fueran utilizados por una pala y los otros 3 MW para los trabajos
preliminares y las facilidades para la construcción de la nueva planta. Con el fin de
proporcionar energía complementaria en lugares aislados, se necesitaron,
adicionalmente, algunos grupos electrógenos menores, cuyas potencias fueron
inferiores a 50 kW.

La unidad cuprífera de Cerro Verde, la intensidad de uso se ha calculado para el

periodo 2006 - 2018. Los datos muestran un quiebre en la serie debido al ingreso de
operación de la Ampliación de Cerro Verde en setiembre de 2015, lo cual implicó
un salto en la producción minera y en el consumo de energía eléctrica a partir de su
entrada en operación. Para el 2018, la ratio se mantuvo entre 6.65 MWh/TMF y
7.85 MWh/TMF (ver Gráfico). Actualmente, Cerro Verde mantiene contratos de
suministros con Engie, Electroperú y Kallpa con potencias contratadas de 48 MW,
150 MW y 140 MW, respectivamente.
 5. YURA S.A.

Yura S.A. (Yura) es una productora de cemento, parte del conglomerado peruano Grupo
Gloria, filial de Consorcio Cementero del Sur S.A. (92,65%). Fue fundada en 1996 para la
preparación, transporte y venta de concreto premezclado, así como para la extracción y
molienda de minerales metálicos y no metálicos en Perú.

En la tabla se muestra las plantas de cemento y los tipos de proceso como sus consumos
energéticos. De acuerdo a ella Cementos Lima S.A. ubicada en Lima es la más eficiente en
la utilización de la energía.

6. Aceros Arequipa S.A

La empresa se dedica a la fabricación de Hierro Esponja, palanquillas de acero, barras

helicoidales, alambrón de construcción y aceros calibrados en sus plantas de Pisco y a la
fabricación de barras de construcción, perfiles y platinas en sus plantas de Pisco y Arequipa.
Teniendo una capacidad de 330,000 toneladas de productos terminados al año.

6.1. CONSUMO ENERGÍA ELECTRICA EN KILOVATIOS HORA 2017-2019

2017 2018 2019

661,602,856.50 Kw/h 611,685,805.00 Kw/h 654,788,469.00 Kw/h
3. CAPÍTULO 2: RECOLECCIÓN DE DATOS

3.1. Base de datos del año 2009-2018

2009 AREQUIPA
POBLACIÓN HABITANTES 1 205 317
CONSUMO DE ENERGÍA ELÉCTRICA (GW.h) 2 257.76

PRODUCCIÓN DE HIDRÁULICA 747.51

ENERGÍA ELÉCTRICA
(GW.h) TÉRMICA 115.77
EÓLICA 0

COMERCIAL Y
NÚMERO DE CLIENTES 16 323
SERVICIOS
FINALES POR SECTORES
ECONÓMICOS
INDUSTRIAL 1 935
RESIDENCIAL 273 423
COMERCIAL Y
VENTA DE ENERGIA POR 182.20
SERVICIOS
SECTORES ECONOMICOS
INDUSTRIAL 1 690.96
(GW.h)
RESIDENCIAL 325.33

 2010 AREQUIPA
POBLACIÓN HABITANTES 1 218 168
CONSUMO DE ENERGÍA ELÉCTRICA (GW.h) 2 440.82
PRODUCCIÓN DE HIDRÁULICA 200.30
ENERGÍA ELÉCTRICA TÉRMICA 166.77
(GW.h) EÓLICA 0
COMERCIAL Y
NÚMERO DE CLIENTES 16 359
SERVICIOS
FINALES POR SECTORES
ECONÓMICOS INDUSTRIAL 1 953
RESIDENCIAL 289 405
COMERCIAL Y
VENTA DE ENERGIA POR 194.22
SERVICIOS
SECTORES ECONOMICOS
(GW.h) INDUSTRIAL 1 838.32
RESIDENCIAL 355.56
 2011 AREQUIPA
POBLACIÓN HABITANTES 1 231 553
CONSUMO DE ENERGÍA ELÉCTRICA (GW.h) 2 573.98

PRODUCCIÓN DE HIDRÁULICA 1 079.54

ENERGÍA ELÉCTRICA
(GW.h) TÉRMICA 79.19
EÓLICA 0

COMERCIAL Y
NÚMERO DE CLIENTES 16 370
SERVICIOS
FINALES POR SECTORES
ECONÓMICOS
INDUSTRIAL 1 951
RESIDENCIAL 304 146
COMERCIAL Y
VENTA DE ENERGIA POR 229.06
SERVICIOS
SECTORES
INDUSTRIAL 1 890.90
ECONOMICOS (GW.h)
RESIDENCIAL 391.45

2012 AREQUIPA
POBLACIÓN HABITANTES 1 2452 51
CONSUMO DE ENERGÍA ELÉCTRICA (GW.h) 2 558.51

PRODUCCIÓN DE HIDRÁULICA 1 129.41

ENERGÍA ELÉCTRICA
(GW.h) TÉRMICA 96.78
SOLAR 41.88

COMERCIAL Y
NÚMERO DE CLIENTES 16 738
2013 SERVICIOS AREQUIPA
FINALES POR SECTORES
POBLACIÓN DE HABITANTES
ECONÓMICOS 1 259 162
INDUSTRIAL 2 206
CONSUMO DE ENERGÍA ELÉCTRICA (GW.h)
RESIDENCIAL 3212 614.99
379
COMERCIAL Y
HIDRÁULICA 1 209.64
VENTA DE ENERGIA
PRODUCCIÓN DE POR 240.55
SERVICIOS
ENERGÍA SECTORES
ELÉCTRICA TÉRMICA 61.39
INDUSTRIAL 1 829.77
ECONOMICOS
(GW.h) (GW.h) 96.89
SOLAR
RESIDENCIAL 419.43
COMERCIAL Y 17 219
NÚMERO DE SERVICIOS
CLIENTES FINALES 2 285
POR SECTORES INDUSTRIAL
ECONÓMICOS RESIDENCIAL 339 090

COMERCIAL Y 259.88
VENTA DE ENERGÍA SERVICIOS
POR SECTORES INDUSTRIAL 1 861.53
ECONOMICOS(GW.h)
RESIDENCIAL 430.89
 2015 AREQUIPA
POBLACIÓN HABITANTES 1 287 205
CONSUMO DE ENERGÍA ELÉCTRICA 2 626,47
(GW.h)

PRODUCCIÓN DE HIDRÁULICA 838,19

ENERGÍA ELÉCTRICA TÉRMICA 59,72
(GW.h)
SOLAR 90,54
NÚMERO DE COMERCIAL Y 18 541
CLIENTES FINALES SERVICIOS
POR SECTORES INDUSTRIAL 2 779
ECONÓMICOS RESIDENCIAL 367 866
VENTA DE ENERGÍA COMERCIAL Y 277,069
POR SECTORES SERVICIOS
ECONÓMICOS(GW.h) INDUSTRIAL 1809,752
RESIDENCIAL 479,566

2014 AREQUIPA
POBLACIÓN2016
DE HABITANTES 1 273 180
AREQUIPA
CONSUMO DE ENERGÍA
POBLACIÓN ELÉCTRICA (GW.h)1 301 298
HABITANTES 2 782,08
HIDRÁULICA 5 085,69857.93
CONSUMO DE ENERGÍA ELÉCTRICA
PRODUCCIÓN DE
(GW.h) 58.39
ENERGÍA ELÉCTRICA TÉRMICA
(GW.h)
PRODUCCIÓN DE SOLAR 838,7 95.27
HIDRAULICA
ENERGÍA ELÉCTRICA TÉRMICA
COMERCIAL Y229,80
(GW.h) 17709
NÚMERO DE CLIENTES SERVICIOS 91,14
SOLAR
FINALES POR SECTORES INDUSTRIAL 19 360 2425
NÚMERO DE
ECONÓMICOS COMERCIAL
CLIENTES FINALES Y SERVICIOS
RESIDENCIAL 351 361
POR SECTORES INDUSTRIAL 3 035
ECONÓMICOS COMERCIAL Y 205.890
VENTA DE ENERGÍA POR RESIDENCIA 378 178
SERVICIOS
SECTORES L
VENTA DE ENERGÍA
ECONOMICOS(GW.h) COMERCIAL 285,842 054.334
INDUSTRIAL
POR SECTORES Y SERVICIOS
RESIDENCIAL 463.484
ECONÓMICOS(GW.h) INDUSTRIAL 4 260,44
RESIDENCIA 492,23
L
  2017 AREQUIPA
POBLACIÓN HABITANTES 1 315 528
CONSUMO DE ENERGÍA ELÉCTRICA (GW.h) 5 240.09
PRODUCCIÓN DE HIDRÁULICA 938.37
ENERGÍA ELÉCTRICA TÉRMICA 763.43
(GW.h) SOLAR 84.35
COMERCIAL Y
NÚMERO DE CLIENTES 20 078
SERVICIOS
FINALES POR SECTORES
ECONÓMICOS INDUSTRIAL 3 200
RESIDENCIAL 390 588
COMERCIAL Y
VENTA DE ENERGIA POR 319.81
SERVICIOS
SECTORES ECONOMICOS
INDUSTRIAL 4 363.00
(GW.h)
RESIDENCIAL 502.19

2018 AREQUIPA
POBLACIÓN HABITANTES 1 329 802
CONSUMO DE ENERGÍA ELÉCTRICA (GW.h) 5 471.22

PRODUCCIÓN DE HIDRÁULICA 1 051.47

ENERGÍA ELÉCTRICA
(GW.h) TÉRMICA 86.28
SOLAR 85.77

COMERCIAL Y
NÚMERO DE CLIENTES 20 613
SERVICIOS
FINALES POR SECTORES
ECONÓMICOS
INDUSTRIAL 3 440
RESIDENCIAL 402 746
COMERCIAL Y
VENTA DE ENERGIA POR 332.14
SERVICIOS
SECTORES
INDUSTRIAL 4 568.32
ECONOMICOS (GW.h)
RESIDENCIAL 519.14
 3.2. Centrales eléctricas de la región de Arequipa

AREQUIPA
TIPO DE FUENTE EMPRESA CENTRAL PRODUCCIÓN
ELÉCTRICA ELÉCTRICA (MWh)
CENTRALES TÉRMICO Cía. De Minas C.T. 108,04
ELÉCTRICAS DE LA Buenaventura ORCOPAMPA
REGIÓN DE S.A.A.
C.T. SHILA 0,9
AREQUIPA
Cía. Minera Ares C.T. ARCATA 101,4
S.A.C. C.T. ARES 24,77
Compañía Minera C.T. MINA 1 439,4
Caraveli S.A.C. C.T. PLANTA 5 967,94
Corporación C.T. ACEROS 7,89
Aceros Arequipa
S.A.
EGASA C.T. CHILINA 27 998,53
C.T. 25 251,71
MOLLENDO
HIDRÁULICO EGASA C.H. 13 520,28
CHARCANI I
C.H. 4 743,54
CHARCANI II
C.H. 39 167,83
CHARCANI III
C.H. 90 900,98
CHARCANI IV
C.H. 551 349,82
CHARCANI V
C.H. 52 811,49
CHARCANI VI
Generadora de C.H. LA JOYA 49 854,63
Energía del Perú
S.A.
SOLAR GTS Majes S.A.C. C.S. MAJES 46 407,71
SOLAR
GTS Repartición C.S. 44 735,28
S.A.C. REPARTICIÓN
TÉRMICO Inkabor S.A.C. C.T. RIO SECO 161,37
C.T. UBINAS 465,52
Minera Bateas C.T. 218,02
S.A.C. HUAYLLACHO
GRUPO 289,58
ALQUILADOS
Minera C.T. -
Yanaquihua S.A.C. YANAQUIHUA
Pesquera C.T. 32,96
Diamante S.A. MOLLENDO
CENTRALES TÉRMICO Samay I S.A. C.T. PUERTO 136 004,11
ELÉCTRICAS DE LA BRAVO
REGIÓN DE Sociedad Eléctrica C.T. ATICO 2 519,82
AREQUIPA del Sur Oeste S.A. C.T. 10,64
CARAVELI
C.T. CHALA -
C.T. 32,95
COTAHUASI
C.T. OCOÑA -
HIDRAÚLICO Sociedad Eléctrica C.H. -
del Sur Oeste S.A. CARAVELI
C.H. 9,99
CHOCOCO
TÉRMICO Sociedad Minera C.T. CERRO -
Cerro Verde S.A. VERDE
HIDRAÚLICO Stalkraft Perú S.A. C.H. 772,85
HUAYLLACHO
C.H. 21 969,42
MISAPUQUIO
C.H. SAN 1 857,69
ANTONIO
C.H. SAN 1 516,43
IGNACIO
TÉRMICO Unión de C.T. 18,25
Cervecería AREQUIPA
Peruanas Backus y DORADA
Johnston S.A.A.
 3.3. Consumo de energía eléctrica (Gw.h)

AÑO REGIÓN: AREQUIPA

2009 2 257.76
2010 2 440.82
2011 2 573.98
2012 2 558.51
2013 2 614.99
2014 2 782.08
2015 2 626.47
2016 5 085.69
2017 5 240.09
2018 5 471.22
Tabla 1:Consumo por año (Gw.h)

CONSUMO DE ENERGÍA ELÉCTRICA EN

AREQUIPA(GW*h)
6000

5000
(GW*h)

4000

3000

2000

1000

0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

AÑO
AREQUIPA

Figure 1: Gráfica de consumo promedio anual

 3.4. Venta de energía por sectores económicos (Gw.h)

AÑO COMERCIAL Y INDUSTRIAL RESIDENCIAL

SERVICIOS
2009 182.2 1690.96 325.33
2010 194.22 1838.32 355.56
2011 229.06 1890.9 391.45
2012 240.55 1829.77 419.43
2013 259.88 1861.33 430.89
2014 205.89 2054.334 463.484
2015 277.069 1809.752 479.566
2016 285.84 4260.44 492.23
2017 319.81 4363 502.19
2018 332.14 4568.32 519.14
Tabla 2.Venta de energía eléctrica por sectores económicos

Venta de energía por sectores económicos

5000
4500
4000
3500
3000
GW.h

2500
2000
1500
1000
500
0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Año

Comercial y servicios Industrial Residencial

Figure 2: Gráfica de venta de energía general

 3.5. Producción de energía eléctrica Gw.h

AÑO HIDRAULICA TERMICA SOLAR

2009 747.51 115.77 0

2010 848,15 143.60 0
2011 1 079.54 79.19 0
2012 1 129.41 96.76 41.88
2013 1 209.64 61.39 96.89
2014 857.93 58.39 95.27
2015 838.19 59.72 90.54
2016 838.77 229.80 91.14
2017 938.37 763.43 84.35
2018 1 051.47 86.28 85.77
Tabla 3: Producción de energía eléctrica por sectores económicos.

Producción de Energía Eléctrica(GW*h)

1400

1200

1000
(GW*h)

800

600

400

200

0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
AÑO

HIDRAULICA TERMICA SOLAR

Figure 3: Gráfica de producción de energía general.
 3.6. Número de clientes finales por sectores económicos

AÑO COMERCIAL Y INDUSTRIAL RESIDENCIAL

SERVICIOS
2009 16323 1935 273423
2010 16359 1953 289405
2011 16370 1951 304146
2012 16378 2206 321379
2013 17219 2285 339090
2014 17709 2425 351361
2015 18541 2779 367866
2016 19360 3035 378178
2017 20078 3200 390588
2018 20613 3440 402746
Tabla 4.-Clientes por sectores económicos.

Figure 4: Gráfica general

 3.7. Cuadro de doble entrada doméstico

Criterio
Número de Clientes Venta de
Finales Energía(Gw.h)
Año

273423 325.33
2009
289405 355.56
2010
304146 391.45
2011
321379 419.43
2012
339090 430.89
2013
351361 463.484
2014
367866 479.566
2015
378178 492.23
2016
390588 502.19
2017
402746 519.14
2018

Interpretación:

- Desde el año 2009 hasta el 2018 hubo un aumento de 129323 clientes finales, mientras
que en la venta de energía hubo un aumento de 193.81 Gw.h
- En todos los años hubo un aumento en el número de clientes finales y en la venta de
energía.
- El mayor aumento de número de clientes finales fue entre los años 2012 y 2013 con la
cantidad de 17711, mientras que el mayor aumento de venta de energía fue entre los
años 2010 y 2011 con la cantidad de 35.89 Gw.h
- En el año 2018 el sector doméstico es de los que más clientes finales tiene, en
comparación con los otros sectores, mientras el sector industrial estaría ganando en las
cifras de venta de energía.
 3.8. Cuadro de doble entrada sector industrial

Criterio
Número de Clientes Venta de
Finales Energía(Gw.h)
Año

2009 1935 1690.96

2010 1953 1838.32
2011 1951 1890.9
2012 2206 1829.77
2013 2285 1861.53
2014 2425 2054.334
2015 2779 1809.752
2016 3035 4260.44
2017 3200 4363.00
2018 3440 4568.32

Interpretación:

- En la mayoría de años se ha elevado el número de clientes finales con respecto al

anterior, menos del 2010 al 2011 donde hubo un bajón de 2 clientes.
- Del año 2014 al 2015 ocurrió el máximo aumento, que es de 354 clientes.
- En la mayoría de años se ha elevado la Venta de Energía, menos en los años de 2011 a
2012 y del 2014 al 2015.
- Pero en ese año 2015 aumento la Venta de Energía Industrial muy por encima de lo
normal, exactamente 2450.688 Gw.h.
 3.9. Regresión del sector doméstico

a) Cuadro de doble entrada con los datos obtenidos de Número de clientes y Potencia
que consumen en cada año

Criterio Número de Clientes Venta de

Finales Energía(Gw.h)
Año
273423 325.33
2009
289405 355.56
2010
304146 391.45
2011
321379 419.43
2012
339090 430.89
2013
351361 463.484
2014
367866 479.566
2015
378178 492.23
2016
390588 502.19
2017
402746 519.14
2018

b) Calculamos el coeficiente de correlación de Pearson con:

Donde r: coeficiente de correlación de Pearson.

X= Años X= Años X=Consumo de

Y =Número de clientes Y = Consumo de energía(Gw.h)
finales Energía(Gw.h) Y=N° de clientes
Regresión lineal r=0.99730 r=0.98189 r=0.99015
Regresión cuadrática r=0.99945 r=0.99755 r=0.99634

De la tabla anterior concluimos que en todos los casos nuestras variables tienen un buen grado
de relación cuadrática entre ellas.
c) Realizamos una regresión cuadrática para observar el crecimiento o decrecimiento
de estos datos.

Figura 5: Regresión cuadrática del número de clientes por año en el sector doméstico
 Figura 6: Regresión cuadrática del consumo de energía (Gw.h) por año en el sector doméstico

Figura 7: Regresión cuadrática del número de clientes y el consumo de energía (Gw.h) en el sector doméstico

d) Hallamos los coeficientes de determinación con:

X= Años X= Años X=Consumo de

Y =Número de Y = Consumo de energía(Gw.h)
clientes finales Energía(Gw.h) Y=N° de clientes

Regresión 2 2
2
r =¿98.04%
lineal r =¿99.46% r =96.41%
Regresión 2
r =¿99.89%
2
r =¿99.51% r 2=¿99.27%
cuadrática

Según teoría mientras mayor sea el porcentaje de determinación más representativo será
para nuestro modelo y podrá ser usado para una mejor predicción.
En nuestro cuadro vemos que en todos los casos la regresión cuadrática es mejor
modelo de representación.

e) Interpretación

Tablas de doble entrada:

- Del año 2010 al 2011 hubo el mayor incremento en la venta de Energía Eléctrica el cual fue de
35.89 Gw.h

- El mayor incremento que hubo en el número de clientes finales con respecto del año 2009 al
2018 fue entre al año 2011 y 2012 en donde aumentaron 17233 clientes en el sector doméstico.

- Tanto en el número de clientes finales como en la producción de energía los datos aumentan,
esto se debe probablemente al crecimiento económico que hoy día demandan mayor cantidad de
energía.
 3.10. Regresión del sector industrial

a) Hacemos un cuadro de doble entrada de los números de clientes finales y la potencia

que consumen en total por cada año.

Criterio
Número de Clientes Finales Venta de Energía(Gw.h)

Año

2009 1935 1690.96

2010 1953 1838.32
2011 1951 1890.9
2012 2206 1829.77
2013 2285 1861.53
2014 2425 2054.334
2015 2779 1809.752
2016 3035 4260.44
2017 3200 4363.00
2018 3440 4568.32

b) Calculamos el coeficiente de correlación de Pearson con:

donde r: coeficiente de correlación de Pearson.

X= Años X= Años X=Consumo de

Y =Número de clientes Y = Consumo de energía(Gw.h)
finales Energía(Gw.h) Y=N° de clientes
Regresión lineal r=0.97036 r=0.80156 r=0.87327
Regresión cuadrática r=0.99146 r=0.89565 r=0.85417

Con estos resultados podemos decir que en los dos primeros casos nuestras variables tienen un
buen grado de relación cuadrática entre ellas y en el último caso se aprecia una relación lineal.
c) Realizamos una regresión cuadrática para observar el crecimiento o decrecimiento de
estos datos.

Figure 8: Regresión cuadrática del número de clientes por año en el sector industrial

Figure 9: Regresión cuadrática del consumo de energía (Gw.h) por año en el sector industrial
d) Realizamos una regresión lineal para observar el crecimiento o decrecimiento de estos
datos.

Figure 10: Regresión lineal del número de clientes y el consumo de energía (Gw.h) en el sector industrial

e) Hallamos los coeficientes de determinación con:

X= Años X= Años X=Consumo de

Y =Número de Y = Consumo de energía(Gw.h)
clientes finales Energía(Gw.h) Y=N° de clientes

Regresión 2 2
2
r =¿76.26%
lineal
r =¿94.16% r =64.25%
2
Regresión 2 2 r =¿72.96%
cuadrática
r =¿98.30% r =¿80.22%

Según teoría mientras mayor sea el porcentaje de determinación más representativo será
para nuestro modelo y podrá ser usado para una mejor predicción.
En este caso en el primero y segundo caso la regresión cuadrática es mejor modelo de
representación, pero en el tercer caso lo representa el modelo de regresión lineal.

f) Interpretaciones

Tabla de doble entrada:

- En la mayoría de años se ha elevado el número de clientes finales con respecto al
anterior, menos del 2010 al 2011 donde hubo un bajón de 2 clientes.
- Del año 2014 al 2015 ocurrió el máximo aumento, que es de 354 clientes.
 - En la mayoría de años se ha elevado el consumo de Energía, menos en los años de
2011 a 2012 y del 2014 al 2015.
- Pero en el año 2016 aumento el consumo de Energía Industrial muy por encima de lo
normal, exactamente 2450.688 Gw.h.

4. PREDICCIÓN DEL 2019, 2020 Y 2021

4.1. SECTOR DOMÉSTICO.

Usamos la herramienta "series de tiempo" en el Minitab con una regresión lineal

cuadrática.

En la tabla observamos los datos obtenidos de la gráfica.

Pronósticos
Período(Año) Pronóstico(Consumo Gw/h)
2019 522.860
2020 526.913
2021 528.119
4.2. SECTOR INDUSTRIAL.

Usando la regresión lineal recomendada nos da un MAPE (error porcentual absoluto

medio) del 14%.

En la tabla observamos los datos obtenidos de la gráfica.

Pronósticos
Período(Año) Pronóstico(Consumo Gw/h)
2019 5903.79

2020 7023.41

2021 8273.52

Podemos conseguir un resultado más realista utilizando el método de Winters, con una
longitud de periodo de 10 años.
En la tabla observamos los datos obtenidos de la gráfica.

Pronósticos
Período(Año) Pronóstico(Consumo Gw/h)
2019 5903.79

2020 7023.41

2021 8273.52
Conclusiones

1. En la figura 10 donde se evalúa el número de clientes en función del consumo energético en

el sector industrial se puede observar un comportamiento lineal y analizando su pendiente que
Número de clientes
es la relación =0.4008 podemos concluir en que el crecimiento del
Consumo energético
consumo energético es mayor que el crecimiento del número de clientes entre los años 2009 y
2018.

2. La relación de número de clientes-año y consumo energético-año es cuadrática como se

puede observar en las gráficas y en sus respectivas ecuaciones, sin embargo, la relación de
número de clientes-consumo energético es lineal todo esto en el sector industrial.

3. La relación de número de clientes-año, consumo energético-año y número de clientes-

consumo energético es cuadrático como se puede observar en las gráficas y en sus respectivas
ecuaciones todo esto en el sector doméstico.

4. Comparando el crecimiento del consumo energético del sector industrial con el sector
doméstico concluimos que el crecimiento del consumo energético del sector industrial es mayor
en comparación con el consumo energético del sector doméstico.

5. Logramos predecir tanto el consumo doméstico como el industrial, lo cual resulta con un alza
de valores en los próximos años.

6. Comparando el coeficiente de determinación de las gráficas de año vs número de clientes

para el sector doméstico 99.89% e industrial 98.30%. Concluimos que el modelo cuadrático que
se usa en el sector doméstico se adecua un poco mejor al del sector industrial
Bibliografía

Gabarda, P. (1994). Corriente eléctrica: efectos al atravesar el organismo humano. España.

Ministerio de Energía y Minas. (2009). Anuario 2009. Perú.
Ministerio de Energía y Minas. (2010). Anuario 2010. Perú.
Ministerio de Energía y Minas. (2011). Anuario 2011. Perú.
Ministerio de Energía y Minas. (2012). Anuario 2012. Perú.
Ministerio de Energía y Minas. (2013). Anuario 2013. Perú.
Ministerio de Energía y Minas. (2014). Anuario 2014. Perú.
Ministerio de Energía y Minas. (2015). Anuario 2015. Perú.
Ministerio de Energía y Minas. (2016). Anuario 2016. Perú.
Ministerio de Energía y Minas. (2017). Anuario 2017. Perú.
Ministerio de Energía y Minas. (2018). Anuario 2018. Perú.
Planas, O. (2016). Corriente alterna. Recuperado el 18 de abril de 2020, de
https://solarenergia.net/electricidad/corriente-electrica/corriente-alterna#:~:text=La%20corriente%20alterna
%20(CA)%20es,y%20negativo%20la%20otra%20mitad
Planas, O. (2016). Corriente continua. Recuperado el 19 de noviembre de 2019, de
https://solar-energia.net/electricidad/corriente-electrica/corriente-continua
ANEXO:

Reuniones en Meet (Fueron acordadas en el grupo de WhatsApp del grupo):

Grupo:

 Reunión: 1

Fecha: 16/09/2020

Link: https://meet.google.com/njw-dcdd-vsh

Foto:

Objetivos:

 Reunión: 2

Fecha: 29/10/2020

Link: https://meet.google.com/ang-sfqi-jvi

Foto:
 Acordado:

 Reunión: 3

Fecha: 4/11/2020

Link: https://meet.google.com/jao-qyjx-cpg

Foto:

Acordado:

 Reunión: 4

Fecha: 12/11/2020

Link: https://meet.google.com/gde-uezy-tpt

Foto:
 Acordado:

 Reunión: 5

Fecha: 08/12/2020

Link: https://meet.google.com/dti-zhig-xmz

Foto:

Acordado:

 Reunión: 6

Fecha: 15/12/2020

Link: https://meet.google.com/uar-opwz-nur

Foto:

Acordado:
 Reunión: 7

Fecha: 16/12/2020

Link: https://meet.google.com/xrn-vxgq-qon

Foto:

Acordado:
Tablas de Excel:
Cálculos hechos en Minitab:
Labores realizadas en el Minitab