Los modelos autorregresivos triples estacionales (TSAR) se han introducido para modelar series temporales con tres capas de estacionalidad; sin embargo, el problema de identificación bayesiana de estos modelos no ha sido abordado en la literatura. Por lo tanto, en este documento, tenemos el objetivo de llenar esta brecha presentando un procedimiento bayesiano para identificar el mejor orden de los modelos TSAR. Suponiendo que los errores del modelo TSAR están distribuidos normalmente junto con el empleo de tres priors, es decir, normales-gamma, Jeffreys y g priors, en los parámetros del modelo, derivamos las distribuciones posteriores marginales de los parámetros del modelo TSAR. En particular, mostramos que las posteriores marginales son distribuciones t multivariadas y gamma para el vector de coeficientes del modelo TSAR y la precisión, respectivamente. Utilizando la distribución posterior marginal del vector de coeficientes del modelo TSAR, presentamos un procedimiento de identificación para los modelos TSAR basado en una secuencia de pruebas t de significancia. Evaluamos la precisión del procedimiento de identificación bayesiano propuesto mediante la realización de un estudio de simulación extenso, seguido de una aplicación real a conjuntos de datos de carga eléctrica por hora en seis países europeos.