Aquesta tesi investiga els determinants socials, econòmics i ambientals de la demanda elèctrica a Andorra durant el període 2012–2024. També avalua mètodes alternatius de predicció en escenaris de canvi climàtic. Les condicions ambientals es representen mitjançant indicadors de graus-dia i la temperatura; l’activitat socioeconòmica s’aproxima amb les pernoctacions de visitants, les autoritzacions inicials d’immigració i el nombre de persones treballadores registrades; l’àmbit de política pública s’aproxima amb les matriculacions de vehicles elèctrics i híbrids endollables sota el programa ENGEGA. L’estacionalitat setmanal es captura amb variables fictícies de dia de la setmana i l’estacionalitat anual amb termes de Fourier. Per a la inferència, s’estimen i es validen diverses especificacions SARIMAX. El model ARIMA(6,0,0)(1,0,0)₇ amb regressors exògens es selecciona a partir dels diagnòstics dels residus, la causalitat/invertibilitat i els criteris d’informació. El model revela una forta persistència, efectes setmanals marcats (més alta a mitja setmana, més baixa els caps de setmana) i respostes asimètriques a la temperatura: els graus-dia de refrigeració (CDD) addicionals tenen un impacte positiu més gran sobre la demanda que els graus-dia de calefacció (HDD) addicionals. Els dies festius redueixen la demanda. L’elasticitat de la demanda respecte a les pernoctacions de visitants és positiva però modesta, en línia amb uns usos finals diversificats i l’eficiència de la infraestructura turística. Per a la predicció, el SARIMAX es compara amb LSTM i XGBoost utilitzant una validació retroactiva rodant el 2024 amb previsions de temperatura. XGBoost assoleix el MAPE global més baix (2,69%), seguit de LSTM (2,93%) i SARIMAX (5,65%). L’anàlisi d’escenaris aplica desplaçaments uniformes de temperatura (+1.00, +1.85, +2.25, +3.70 °C).

Esta tesis investiga los factores sociales, económicos y ambientales que explican la demanda de electricidad en Andorra durante el periodo 2012–2024. También evalúa métodos alternativos de predicción en escenarios de cambio climático. Las condiciones ambientales se representan mediante los indicadores grados-día y temperatura; la actividad socioeconómica se aproxima mediante las pernoctaciones de visitantes, autorizaciones iniciales de inmigración y número de trabajadores registrados; la política ENGEGA se aborda usando las matriculaciones de vehículos eléctricos e híbridos enchufables. La estacionalidad semanal se capta con variables binarias para los días de la semana y la estacionalidad anual con términos de Fourier. Para la inferencia se estiman y validan varias especificaciones SARIMAX. Se selecciona el modelo ARIMA(6,0,0)(1,0,0)₇ con regresores exógenos con base en los diagnósticos de residuos, la causalidad/invertibilidad y los criterios de información. El modelo revela una fuerte persistencia del primer rezago, efectos semanales marcados (demanda más alta a mitad de semana, más baja los fines de semana) y respuestas asimétricas a la temperatura: los grados-día de refrigeración (CDD) adicionales tienen un mayor impacto positivo sobre la demanda que los grados-día de calefacción (HDD) adicionales. Los días festivos reducen la carga. La elasticidad de la demanda con respecto a las pernoctaciones de visitantes es positiva pero modesta, coherente con un uso diversificado y eficiente de la infraestructura turística. La variable proxy de la política ENGEGA no es interpretable. Para la previsión, se compara SARIMAX con LSTM y XGBoost utilizando un backtest de 2024 con pronósticos de temperatura. XGBoost alcanza el MAPE global más bajo (2,69%), seguido de LSTM (2,93%) y SARIMAX (5,65%). El análisis de escenarios aplica desplazamientos uniformes de temperatura (+1,00, +1,85, +2,25, +3,70 °C).

This thesis investigates the social, economic, and environmental drivers of electricity demand in Andorra during the 2012 – 2024 period. It also evaluates alternative forecasting methods in climate‐change scenarios. Environmental conditions are represented by degree-day indicators and temperature; socio-economic activity is proxied by visitor overnight stays, initial immigration authorizations, and the number of registered workers; policy is proxied by electric and plug-in hybrid vehicle registrations under the ENGEGA program. Weekly seasonality is captured with weekday dummies and annual seasonality with Fourier terms. For inference, several SARIMAX specifications are estimated and validated. Model ARIMA(6,0,0)(1,0,0)₇ with exogenous regressors is selected based on residual diagnostics, causality/invertibility, and information criteria. The model reveals strong persistence, pronounced weekly effects (higher mid-week, lower weekends), and asymmetric temperature responses: additional cooling degree days (CDD) have a larger positive impact on demand than additional heating degree days (HDD). Holidays reduce load. The elasticity of demand with respect to visitor overnight stays is positive but modest, consistent with diversified end-uses and efficiency in tourism infrastructure. The ENGEGA registration proxy is not suitable for interpretation. For forecasting, SARIMAX is compared with Long Short-Term Memory (LSTM) and XGBoost using a rolling 2024 backtest with temperature forecasts. XGBoost attains the lowest global MAPE (2.69%), followed by LSTM (2.93%), and SARIMAX (5.65%). Scenario analysis applies uniform temperature shifts (+1.00, +1.85, +2.25, +3.70 °C) consistent with Representative Concentration Pathways (RCPs). A clear seasonal asymmetry is found: warmer summers raise electricity demand while warmer winters slightly lower demand.