La demanda diaria del Sistema Eléctrico Interconectado Nacional-SEIN, posee características muy peculiares de tendencia, estacionalidad y aleatoriedad, situación que complica al proceso de estimación de su pronóstico. El objetivo del presente trabajo consiste en formular y calcular modelos ARIMA con Análisis de Sucesos Externos, a fin de lograr pronósticos eficientes de la demanda eléctrica de cada día siguiente, a nivel total y desagregado por áreas. Un buen pronóstico de la demanda diaria garantiza el despecho eficiente y económico de generación y transmisión, así como el aseguramiento y calidad de la demanda sectorial nacional. El enfoque metodológico lo constituye el tratamiento de cada serie temporal objetivo, mediante transformaciones estadístico-matemáticas apropiadas para alcanzar estabilidad tanto en varianzas como en medias regulares y estacionales; paralelamente filtrar los sucesos externos hasta alcanzar a un Modelo ARIMA predictivo de cada área del sistema eléctrico del Perú (Centro, Sur y Norte) y para cada día de la semana. Los resultados alcanzados en la presente investigación demuestran la eficiencia predictiva comparativa. Es decir, tomando como indicador de calidad de pronóstico al Error Absoluto Promedio Porcentual (MAPE), se han obtenido valores inferiores al 1% en las proyecciones de la demanda diaria total del SEIN, frente al 2% que se logra con actuales técnicas determinísticas.The daily electric demand in Peruvian National Interconnected System-SEIN- has very particular trend, seasonality and characteristics external effects, a situation that complicates the process of estimating the short-term forecast. The aim of this paper is to formulate and calculate ARIMA models with External Events Analysis to achieve efficient forecasts of electricity demand each day, at total level and broken down by areas of the SEIN. The methodology is based on treating each time series using appropriate statistical-mathematical transformations to achieve stability in variance as regular seasonal averages, parallel external events to try to reach an optimal predictive model ARIMA each area of the electrical system of Peru (Central, South and North) and for each day of the week. The results demonstrate the predictive efficiency. Taking as a quality indicator forecast the Mean Absolute Percent Error (MAPE), have obtained values lower than 1% by the projections of the total daily demand SEIN versus 2% obtained with existing deterministic techniques.Revisión por pares