Este artículo investiga un método de selección de variables en modelos de regresión lineal parcialmente funcional (SFPLR) para datos de series temporales funcionales de fuerte mezcla. Construimos estimadores de mínimos cuadrados penalizados para parámetros desconocidos y funciones de enlace desconocidas en nuestros modelos. Bajo algunas suposiciones de regularidad, establecemos la tasa de convergencia asintótica y la distribución asintótica para los estimadores propuestos. Además, comparamos nuestro método de selección de variables con el método del oráculo sin selección de variables en estudios de simulación y un análisis de datos de consumo de electricidad. Los experimentos de simulación y los resultados del análisis de datos reales indican que el método de selección de variables funciona bien para extraer la información principal y reducir la dimensionalidad.