Estacionalidad en datos horarios. La demanda de energía eléctrica en España

  1. Carmen Gloria Martín Rodríguez 1
  2. José Juan Cáceres Hernández 1
  1. 1 Universidad de La Laguna
    info

    Universidad de La Laguna

    San Cristobal de La Laguna, España

    ROR https://ror.org/01r9z8p25

Actas:
Reunión Asepelt-España (18ª. 2004. León)

Editorial: Asepelt

ISBN: 84-609-4715-7

Año de publicación: 2004

Tipo: Aportación congreso

GOOGLE SCHOLAR

Resumen

En este trabajo se proponen procedimientos apropiados para modelar los movimientos periódicos simultáneos presentes en datos horarios. Se recurre a los modelos estructurales como aproximación adecuada para captar las inestabilidades que suelen observarse en series de alta frecuencia. Las funciones splines se incorporan en el modelo con objeto de proporcionar formulaciones de las variaciones estacionales que, además de ser más parsimoniosas que las formulaciones convencionales, ofrecen la posibilidad de tratar el patrón estacional anual en presencia de años bisiestos. Para ilustrar su utilidad, la metodología propuesta se ha aplicado a una serie horaria de demanda de energía eléctrica en España.

Referencias bibliográficas

  • De Boor, C. (1978): A Practical Guide to Splines, Springer-Verlag.
  • Durbin, J. y S.J. Koopman (2001): Time Series Analysis by State Space Models, Oxford University Press.
  • Harvey, A.C. (1989): Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press.
  • Harvey, A.C., S.J. Koopman y M. Riani (1997): “The modelling and seasonal adjustment of weekly observations”. Journal of Business and Economic Statistics,15(3), pp. 354-368.
  • Koopman, S.J. (1992): Diagnostic Checking and Intra-Daily Effects in Time Series Models, Tinbergen Institute Research Series 27.
  • Marsh, L. (1983): “On estimating spline regression”. Proceedings of SAS User’s Group International, 8, pp. 723-728.
  • Marsh, L. (1986): “Estimating the number and location of knots in spline regression”. Journal of Applied Business Research, 3, pp. 60-70.
  • Marsh, L., M. Maudgal y J. Raman (1990): “Alternative methods of estimating piecewise linear and higher order regression models”. Proceedings of SAS User’s Group International, 15, pp. 523-527.
  • Monahan, J. (2001): Numerical Methods of Statistics. Cambridge University Press.
  • Poirier, D.J. (1973): “Piecewise regression using cubic splines”. Journal of the American Statistical Association, 68, pp. 515-524.
  • Poirier, D.J. (1976): The Econometrics of Structural Change with Special Emphasis on Spline Functions, North-Holland.
  • Ramanathan, R., R. Engle, C.W.J. Granger, F. Vahid-Araghi y C. Brace (1997): “Short-run forecasts of electricity loads and peaks”. International Journal of Forecasting, 13(2), pp. 161-174.