PRECIO DE VENTA DE ENERGÍA GENERADA PARA EL 2016 POR ISAGEN CON RELACIÓN AL TIEMPO, LA TRM, LA DEMANDA Y EL IPC

PRECIO DE VENTA DE ENERGÍA GENERADA PARA EL 2016 POR ISAGEN CON RELACIÓN AL TIEMPO, LA TRM, LA DEMANDA Y EL IPC

Banesa Castro Espinosa

banesa.castro@upb.edu.co  

Estudiante Facultad Ingeniería Industrial

Universidad Pontificia Bolivariana
Colombia

Camila Ceballos Mejía

camila.ceballos@upb.edu.co  

Estudiante Facultad Ingeniería Industrial

Universidad Pontificia Bolivariana
Colombia

RESUMEN

Colombia ha pasado en los últimos meses por una crisis energética que revolucionó al país, la cual se generó gracias a la venta de una de las más grandes empresas productoras de energía colombiana a extranjeros. Partiendo de esto, se realizó un análisis de la cantidad de energía que dicha empresa (ISAGEN) consumió y pagó durante el año 2015 y 2014, para así pronosticar cuanto será lo que pagará durante cada mes del 2016. Este estudio se inició tomando del Servicio Único de Información de Servicios Públicos (SUI) los datos de facturación de energía para el año 2015 y 2014 de ISAGEN S.A; de esta manera se pudo iniciar el análisis, evaluando a través de una regresión lineal simple, y utilizando como variables los periodos y los precios, la tarifa que pueden llegar a pagar en cada uno de los periodos del 2016. De la misma manera, se pronosticaron estos datos del año 2016 a través de una regresión lineal múltiple, para la que se utilizaron tres variables independientes: TRM, demanda e IPC, y partiendo de la misma variable dependiente, el precio, de esta manera queda evidenciado de varias maneras la tarifa predicha que va a pagar ISAGEN para el año 2016 en cuanto a la energía que consumen, para poder generar la energía para el país.

Palabras clave: Energía, ISAGEN, Regresión lineal, Regresión múltiple, Pronóstico.

ABSTRACT

Colombia has happened in recent months by an energy crisis that revolutionized the country, which was generated by the sale of one of the largest energy companies producing Colombian foreign. Starting from this, an analysis of the amount of energy that the company (ISAGEN) consumed was performed and paid during 2015 and 2014, so predicting how much you will pay for each month of 2016. This study began taking the Servicio Único de Información de Servicios Públicos (SUI) billing energy for 2015 and 2014 of ISAGEN SA; in this way could start analyzing, evaluating through a simple linear regression, and using as variables periods and prices, the rate you may pay in each of the periods of 2016. In the same way, predicted this data 2016 through a multiple linear regression, for which three independent variables were used: TRM, demanded and IPC, and from the same dependent variable, the price, so is evidenced in several ways rate predicted that will pay ISAGEN 2016 in terms of the energy they consume, to generate energy for the country.

Keywords: Energy, ISAGEN, Linear Regression, Multiple Regression, Forecast.

INTRODUCCIÓN

En el siguiente artículo se mostrará, a través de estudios estadísticos, como lo son el modelo de RLS Y RLM, como es el consumo, y por ende el pago de energía de la empresa más grande productora de la misma energía en el país. Colombia ha sido un país rico en energía debido a las labores realizadas por ISAGEN y al aprovechamiento de los recursos con los que cuenta el país para abastecerse de este recurso, pero a pesar de todo esto, la crisis vivida en los últimos meses ha llevado a que este aspecto sea estudiado de múltiples maneras. Debido a todo lo anterior este trabajo le ilustrara como ha sido la situación de pago de energía de ISAGEN y como seguirá siendo a partir de este año, gracias a cálculos estadísticos, teniendo presente variables significativas como el consumo, la TRM y el IPC.

OBJETIVOS

• Analizar cómo se comporta el consumo energético de la empresa ISAGEN para así pronosticar lo que pueden llegar a pagar por este recurso cada mes del 2016.
• Desarrollar los modelos de regresión para ajustar a partir de parámetros la línea o curva dentro del volumen de datos minimizado su distancia o lejanía de los datos reales, encontrando la relación entre la variable respuesta (Precio) y las variables regresoras y también pronosticando cuanto será el precio de la energía en Colombia, en el año 2016 para cada mes.

PLANTEAMIENTO DEL PROBLEMA

A través de modelos de regresión lineal, como el simple y el múltiple, se busca analizar la manera en que se comporta la tarifa de la energía en Colombia, basándonos particularmente en una de las empresas más grandes del país como ISAGEN, debido a las situaciones que esta empresa ha generado en la situación energética de Colombia, considerando factores bastante relevantes para el comportamiento del valor que toma la energía mes a mes, como lo son la demanda, la TRM, y el IPC ya que a través de este estudio y de las gráficas que resultan del mismo se puede hacer un análisis profundo de cómo se va a comportar esta tarifa en el año 2016, teniendo en cuenta los datos históricos del 2015 y 2014.

ESTADO DEL ARTE

Conceptuales

Pronosticar es la ciencia de predecir los eventos futuros, teniendo en cuenta datos históricos. Para ello se cuenta con métodos asociativos de los cuales se utilizan dos en específico, regresión lineal simple y regresión lineal múltiple. Ambos son técnicas estadísticas, que a partir de datos y sus relaciones pueden permitir pronosticar, controlar y optimizar la variable respuesta, encontrando la mejor forma de minimizar la distancia de cada dato a la línea de tendencia o ajuste. Dichos datos debido a la forma de recolección, presentan grandes volúmenes de datos atípicos generados por factores no controlables, estos últimos datos mencionados son los que presentan una mayor dispersión.

El modelo de regresión lineal simple es la determinación o estimación de parámetros a partir de la información contenida en las observaciones que se disponen. Estudia la relación lineal entre la variable respuesta y la variable regresora. El segundo modelo es el modelo de regresión múltiple, en este modelo la proyección o ajuste lineal de los datos puede ser explicado por dos o más variables dependientes o variables regresoras. (Castro & Rivas, 2003)

Aclarando lo anterior, se procede a tratar la empresa a la cual se llevó a cabo la recolección de datos de acuerdo al alza del precio de la energía.

...