Pronóstico del precio diario de bolsa en el mercado eléctrico colombiano usando modelos autorregresivos.
Cargando...
Archivos
Fecha
Autores
Enlace al recurso
DOI
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Descripción
El precio de bolsa del Mercado Eléctrico Colombiano (MEM) presenta un comportamiento altamente dinámico debido a la interacción de factores operativos, hidrológicos y de demanda, lo que dificulta la obtención de pronósticos confiables mediante modelos convencionales. En este trabajo se desarrolló un modelo de predicción basado en técnicas autorregresivas, empleando el modelo SARIMAX para incorporar tanto la dependencia temporal del precio como la influencia de variables exógenas relevantes del sistema eléctrico colombiano. La metodología comprendió la adquisición de información proveniente del Sistema de Información Minero Energético Colombiano (SIMEM), el análisis exploratorio de las series temporales, el preprocesamiento de los datos mediante tratamiento de valores atípicos, transformaciones estadísticas, normalización, generación de rezagos y selección de variables. Posteriormente, se implementaron y compararon modelos AR, ARX, SARIMA y SARIMAX, evaluando su desempeño mediante las métricas MAE, MSE y RMSE, además de los criterios de información AIC y BIC para la selección de la estructura óptima del modelo. Los resultados demostraron que la incorporación de variables exógenas, como la demanda eléctrica, la participación hidroeléctrica y el volumen de embalses, mejora significativamente la capacidad predictiva frente a modelos exclusivamente autorregresivos. El modelo SARIMAX obtuvo el mejor desempeño, registrando una reducción del 18.5,% en el RMSE y del 14.2,% en el MAE respecto al modelo base, además de presentar un comportamiento estable y consistente durante la validación. Finalmente, el análisis de sensibilidad confirmó que la demanda constituye la variable de mayor influencia sobre el precio de bolsa, seguida por la participación hidroeléctrica y el volumen de embalses. Los resultados evidencian que los modelos autorregresivos con variables exógenas constituyen una herramienta eficaz para el pronóstico del precio de bolsa en Colombia, aportando información útil para la planificación operativa, el análisis del mercado y la toma de decisiones dentro del Sistema Interconectado Nacional.
Abstract
The Colombian Wholesale Electricity Market (MEM) exhibits highly dynamic price behavior due to the interaction of operational, hydrological, and demand-related factors, making accurate forecasting a challenging task using conventional methods. This research developed a forecasting model based on autoregressive techniques by implementing a Seasonal Autoregressive Integrated Moving Average with Exogenous Variables (SARIMAX) model to simultaneously capture the temporal dependence of electricity prices and the influence of relevant external variables. The proposed methodology included data acquisition from the Colombian Mining and Energy Information System (SIMEM), exploratory time-series analysis, data preprocessing through outlier treatment, statistical transformations, standardization, lag generation, and feature selection. Subsequently, AR, ARX, SARIMA, and SARIMAX models were implemented and compared using MAE, MSE, and RMSE performance metrics, while the Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC) were employed to identify the most appropriate model structure. The results demonstrated that incorporating exogenous variables, including electricity demand, hydroelectric participation, and reservoir storage levels, significantly improves forecasting performance compared to purely autoregressive approaches. The SARIMAX model achieved the best predictive performance, reducing the RMSE by 18.5% and the MAE by 14.2% relative to the baseline model while maintaining stable behavior during validation. Furthermore, the sensitivity analysis identified electricity demand as the most influential predictor, followed by hydroelectric participation and reservoir storage. Overall, the obtained results confirm that autoregressive models with exogenous variables provide an effective and interpretable approach for forecasting electricity market prices in Colombia, supporting operational planning, market analysis, and decision-making within the National Interconnected System.
Idioma
spa
Palabras clave
Citación
Becerra Pulido, J. D. (2026). Pronóstico del precio diario de bolsa en el mercado eléctrico colombiano usando modelos autorregresivos. [Trabajo de Pregrado, Universidad Santo Tómas]. Repositorio Institucional.
Colecciones
Licencia Creative Commons
Attribution-NonCommercial-NoDerivs 2.5 Colombia