Modelado de Series Temporales para la Predicción del Consumo Eléctrico: Un Estudio Comparativo con ARIMA, SARIMA y LSTM

Ponente(s): Carlos Augusto Torres Ramos, Roberto Olmos Pimentel

Este trabajo presenta un enfoque para la predicción del consumo eléctrico en México mediante modelos de series de tiempo. Se parte de la construcción y limpieza de una base de datos histórica, a fin de garantizar la calidad del análisis. Se evalúan métodos clásicos como ARIMA y SARIMA, adecuados para capturar tendencias y estacionalidades, así como redes neuronales LSTM para identificar patrones no lineales. Además, se considera el uso de variables multivariadas que pudieran estar correlacionadas con la demanda energética. El entrenamiento y validación de los modelos se realiza con divisiones temporales específicas, usando ventanas móviles que respetan la naturaleza secuencial de los datos. Los modelos son evaluados mediante métricas como MAE y RMSE. Este estudio busca aportar herramientas prácticas para mejorar la planificación energética y apoyar decisiones orientadas a la eficiencia y sustentabilidad en el contexto mexicano.