Desarrollo de estrategia de optimización de la...

UNIVERSIDAD POLITÉCNICA DE MADRID

ESCUELA TÉCNICA SUPERIOR DE INGENIEROS

INDUSTRIALES

Desarrollo de estrategia de

optimización de la contratación

eléctrica para un consumidor

industrial

Autor: Nicolás Morell Dameto

Tutor CLH: Víctor Montaño Conde

Tutor ETSII: Alberto Abánades Velasco

Madrid, Julio 2016

TRABAJO DE FIN DE GRADO

Escuela Técnica Superior de Ingenieros Industriales - UPM

3

AGRADECIMIENTOS

A mi familia,

Por su incansable apoyo, ánimo y ayuda.

A Víctor, tutor del proyecto en CLH,

Por su predisposición a encontrar generosamente hueco en una apretada agenda,

por la ayuda prestada y su involucración.

"La mente intuitiva es un regalo sagrado y la mente racional es un fiel sirviente. Hemos

creado una sociedad que rinde honores al sirviente y ha olvidado al regalo"

Albert Einstein

Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial

4

Nicolás Morell Dameto

RESUMEN

5 Escuela Técnica Superior de Ingenieros Industriales - UPM

RESUMEN


6


RESUMEN


RESUMEN

El sector eléctrico español ha sufrido muchos cambios desde la liberalización que sufrió el

sector en el año 1997 en que se pasó del Mercado Legal Estable, completamente regulado por

el Estado; a que tanto la generación como la comercialización de energía eléctrica sean

actividades desregularizadas en los que la gestión se transfiere a mecanismos de mercado.

Con ello la electricidad pasa de ser entendida como un servicio público al que todos los

ciudadanos tienen derecho, a ser un importante factor de competitividad para todas las

empresas, especialmente en los sectores en los que se consume una gran cantidad de esta

materia prima.

El mercado eléctrico se compone de un conjunto de mercados en los que se negocia la compra

y la venta de energía eléctrica. El mercado mayorista se compone del mercado diario,

mercados bilaterales y mercados a plazos. El más importante es el mercado diario o “pool”

debido a su importante liquidez. En este mercado el precio se obtiene de la casación de todas

las ofertas de compra de las comercializadoras y venta de los generadores. Es un mercado

marginalista, de manera que garantiza que todas las ofertas de venta aceptadas tengan un

precio igual al de casación, todas las ofertas de compra aceptadas un precio igual al de

casación, y la cantidad total aceptada de compra es igual a la cantidad total aceptada de venta.

Éste sistema marginalista es el que se lleva a cabo en todos los mercados liberalizados.

Los mercados marginalistas inducen a los generadores a ofrecer su energía a su coste

marginal de producción, el cual se puede aproximar por el coste variable del generador.

Por ejemplo, las centrales térmicas ofrecerán su energía a un precio dependiente del precio del

carbón, las centrales de ciclo combinado dependerán del precio del gas y las centrales

nucleares del precio del combustible nuclear. En cambio, para favorecer la entrada al mercado

de tecnologías verdes se induce a que estas oferten su energía a un precio casi nulo,

recibiendo la remuneración que permite su rentabilidad a través de otros conceptos incluidos

en la factura eléctrica.

El hecho de que las energías renovables siempre entren en el mercado, además de las altas

remuneraciones que recibían en el pasado, ha provocado una rápida inserción de estas

tecnologías en el sector, como vemos en la siguiente ilustración:


8


Ilustración 0-1. Evolución de la potencia instalada en la península.

Debido a estas tecnologías que dependen de la naturaleza (viento, lluvia, sol) se está

derivando hacia un mercado eléctrico cada vez más volátil. Esta volatilidad supone un factor

de riesgo para los generadores, comercializadores, y empresas que deciden acudir

directamente o indexarse a este mercado, ya que genera una alta incertidumbre sobre los

flujos de caja futuros. Por este motivo, frecuentemente se recurre al mercado de plazos en el

que un vendedor ofrece su energía a un comprador una cantidad de energía pactada para una

fecha futura pactada y a un precio pactado, lo que se llama una cobertura. Este mecanismo es

un instrumento que suelen usar los generadores y comercializadores para minimizar el riesgo

del mercado y cubrir posiciones, aunque también hay agentes especuladores que generan

liquidez en el mercado.

Aunque la revisión del mercado y la mayoría del análisis sean extrapolables a cualquier

empresa, este documento se centra en la aplicación de dicho conocimiento a la Compañía

Logística de Hidrocarburos (CLH).

La principal actividad de CLH consiste en el transporte de productos petrolíferos desde las

refinerías hasta las instalaciones de almacenamiento que la compañía tiene repartidas por toda

la geografía española, además está presente en la mayoría de los aeropuertos españoles

prestando servicios de almacenamiento, distribución y puesta a bordo en aeronaves de

combustibles y lubricantes de aviación.

Para CLH resulta muy interesante el análisis de esta materia ya que posee un consumo anual

de energía de alrededor de 270.000 MWh, según el informe de Responsabilidad Social

Corporativa de CLH para 2015. Con lo que una pequeña mejora en la gestión del contrato

eléctrico puede suponer un ahorro muy importante.

CLH, como cualquier otro consumidor industrial, posee dos alternativas para contratar la

energía eléctrica: utilizando una comercializadora como intermediaria con el mercado; o

acudiendo como consumidor directo a mercado. Actualmente CLH gestiona su contrato

mediante una comercializadora, por ello se va a analizar con mayor profundidad la opción de

consumidor directo a mercado.

RESUMEN


Para comenzar, se realiza un análisis del sector eléctrico, del mercado eléctrico, y de las

distintas opciones de contratación que posee un consumidor industrial. Además se desglosan

todas las componentes que forman el precio en el mercado mayorista (tarifas de acceso,

restricciones, costes de desvíos, etc.). A continuación, en el capítulo quinto, se analizan las

distintas modalidades que ofrece una comercializadora a un consumidor industrial y las

diferencias con respecto a acudir como consumidor directo a mercado.

El hecho de acudir directo a mercado necesita de varias condiciones, como conocer la

cantidad de energía que se va a consumir para minimizar el coste de desvíos, ser un agente de

mercado, tener un representante en el mismo. En el capítulo sexto se estudia la viabilidad

estas condiciones además de la diferencia entre las coberturas por bandas base (propias de un

consumidor directo a mercado) y por porcentajes (ofrecidas por las comercializadoras para

mayor simplicidad en la operación por parte de sus clientes).

En el capítulo séptimo se realiza un análisis del mercado de futuros utilizando indicadores

bursátiles y los factores fundamentales que afectan al precio de los distintos productos del

mercado de futuros. Este análisis tiene como objetivo buscar los indicadores que señalen el

mejor momento para realizar una cobertura.

En el capítulo octavo, con el objetivo de medir la volatilidad de los precios del mercado

diario, y caracterizar este según sus precios, se ha desarrollado un modelo de simulación del

mercado diario que sirva de ayuda, El resultado de este capítulo es la obtención de una

distribución, semejante a una distribución normal, con la que poder medir la probabilidad de

cada precio.

Para la realización de dicha simulación se van a modelar las fuentes de generación más

importantes del país, teniendo en cuenta su volatilidad, su estacionalidad y su dependencia

con los factores externos como puede ser la lluvia. Para la obtención del precio se ponderará

cada fuente de generación atendiendo a una segmentación dependiendo del nivel de demanda

que tenga el país y del nivel de producción renovable. En el siguiente gráfico, se muestran los

precios según la segmentación mencionada anteriormente.

Ilustración 0-2. Segmentación de los precios según nivel de demanda y nivel de generación renovable

Finalmente, en el capítulo noveno se englobará todo el proyecto en la formación de una

estrategia de contratación óptima y de gestión de coberturas.

0

10

20

30

40

50

60

70

80

3 4 5 6 7 8 9 10

Pre

cio

ho

rari

o (

eu

ros/

MW

h)

Factor renovable

0

1

2


10


Como resultado a los análisis realizados, siempre y cuando no se tenga la obligación de

realizar un presupuesto muy preciso, y buscando la reducción de primas, pero manteniendo la

gestión de los riesgos, se concluye que la mejor opción de contratación es una estrategia de

Precio Mixto con un pass-through de los servicios de ajuste.

Aunque esto suponga la asunción por parte del consumidor de todos los riesgos, estos pueden

ser gestionados de manera adecuada, reduciendo las primas asociadas que la comercializadora

necesita introducir para asegurar su margen comercial.

En cuanto a los servicios de ajuste, debido al efecto de cobertura natural que éstos

proporcionan al mercado diario, se elimina el riesgo, por lo que no se considera necesario

cubrir este concepto a cambio de una prima, máxime cuando no existe una mercado de futuros

en el que las comercializadoras puedan cubrir el riesgo.

Una opción de mejora adicional, es la de consumidor directo a mercado, con un ahorro medio

estimado para CLH de 1,22 €/MWh con respecto al uso de una comercializadora. Aunque en

estos momentos todavía no se dispone de los programas adecuados para la predicción del

consumo de CLH (condición necesaria para acudir como consumidor directo a mercado),

existe una posibilidad viable para realizar su cálculo.

En el caso de que el objetivo sea construir un presupuesto cerrado, un precio fijo será la

opción más adecuada. Aun así la parte de monitorización del mercado de futuros que se

establece en la estrategia definida ayudaría a la reducción de costes.

La optimización de la gestión de coberturas se entenderá como la solución que relacione las

oportunidades que ofrece el mercado de futuros con las oportunidades y riesgos que genera el

mercado diario.

La estrategia distinguirá entre coberturas a largo plazo (con un horizonte mayor a dos años) y

a corto plazo. En el siguiente gráfico se muestra de forma esquemática el funcionamiento de

la estrategia

RESUMEN


Corto plazo

Largo plazo

+2 años vista

Si

No

Si

No

No

Si

Tipo

Valoración del

presupuesto objetivo

mediante simulación

de Montecarlo

¿Compra?

Orden de

compra

OMIP

Monitorización del

mercado de futuros

¿Ventana de

compra?

Valoración

OMIP vs previsión OMIE

mediante la gestión de

riesgos

¿Compra?

Orden de

compra


12


PALABRAS CLAVE

Consumidor industrial

Comercializadora

Consumidor directo a mercado

Pool eléctrico

Mercado de futuros

Cobertura

Modelización

Modelo de simulación

Simulación de Montecarlo

Riesgo de mercado

Tecnología precio aceptante

CÓDIGOS UNESCO

5312.05 Ciencias Económicas. Sectorial. Energía

1208.03 Aplicación de la Probabilidad

1208.08 Procesos estocásticos

1209 Estadística

1209.1 Teoría estocástica y análisis de series temporales

3310 Tecnología Industrial

3320 Tecnología Nuclear

3322 Tecnología Energética

3322.01 Distribución de energía

3322.02 Generación de energía

3322.03 Generadores de energía

3322.04 Transmisiones de energía

3322.05 Fuentes no convencionales de energía

3321 Tecnología del carbón y del petróleo

2106.01 Energía Solar

3306 Ingeniería y tecnologías eléctricas

ÍNDICE


ÍNDICE


14


ÍNDICE


ÍNDICE RESUMEN .............................................................................................................................................................. 5

PALABRAS CLAVE .............................................................................................................................................. 12 CÓDIGOS UNESCO ............................................................................................................................................ 12

ÍNDICE .................................................................................................................................................................. 13

INTRODUCCIÓN ................................................................................................................................................. 17

1. EL SECTOR ELÉCTRICO Y SU IMPORTANCIA PARA LA INDUSTRIA ............................................ 19

1.1 Contexto .............................................................................................................................................. 19 1.2 La electricidad como materia prima de la industria ............................................................................ 22

2. EL MERCADO ELÉCTRICO ESPAÑOL ................................................................................................... 24

2.1 Introducción ........................................................................................................................................ 24 2.2 Evolución del mercado eléctrico ......................................................................................................... 25 2.3 Mercados ............................................................................................................................................. 25

2.3.1 Mercados diario (OMIE) ................................................................................................................ 25 2.3.2 Mercados a plazo, OMIP y OTC’s .................................................................................................. 26 2.3.3 Mix de generación eléctrica en España .......................................................................................... 28

3. COMPAÑÍA LOGÍSTICA DE HIDROCARBUROS .................................................................................. 32

3.1 Historia ................................................................................................................................................ 32 3.2 Actividad .............................................................................................................................................. 32 3.3 Infraestructuras ................................................................................................................................... 33

4. OBJETIVOS DEL PROYECTO ................................................................................................................... 35

METODOLOGÍA .................................................................................................................................................. 37

5. OPCIONES DE CONTRATACIÓN ............................................................................................................. 39

5.1 Desglose del precio de la energía eléctrica ......................................................................................... 39 5.1.1 Precios Regulados de la facturación ............................................................................................... 40 5.1.2 Precios No Regulados de la facturación ......................................................................................... 42 5.1.3 Impuestos ........................................................................................................................................ 45

5.2 Tipos de suministro eléctrico .............................................................................................................. 47 5.2.1 Contrato de suministro en mercado libre ........................................................................................ 47 5.2.2 Consumidor directo a mercado ....................................................................................................... 51

6. ANÁLISIS DE VIABILIDAD DE COSTES DE CLH COMO CDM .......................................................... 54

6.1 Actividad y modelo de negocio de CLH. .............................................................................................. 54 6.1.1 Planificación mensual ..................................................................................................................... 55 6.1.2 Programación de oleoductos .......................................................................................................... 56

6.2 Análisis de la viabilidad de previsión de demanda en CLH y valoración de desvíos ............................ 57 6.2.1 Estaciones de bombeo ..................................................................................................................... 57 6.2.2 Instalaciones de almacenamiento ................................................................................................... 60 6.2.3 Instalaciones cabecera cola ............................................................................................................ 61 6.2.4 Otros................................................................................................................................................ 61 6.2.5 Resultado del análisis de previsión de consumos ............................................................................ 61 6.2.6 Gestión de los Desvíos .................................................................................................................... 62 6.2.7 Aplicación a valores del 2015 de CLH ........................................................................................... 65

6.3 Gestión de coberturas ......................................................................................................................... 65 6.3.1 Introducción .................................................................................................................................... 65 6.3.2 Análisis del coste ............................................................................................................................. 67 6.3.3 Análisis y conclusiones del estudio ................................................................................................. 71

7. ANÁLISIS DEL MERCADO DE FUTUROS .............................................................................................. 73


16


7.1 Indicadores bursátiles .......................................................................................................................... 73 7.1.1 Medias móviles simples ................................................................................................................... 73 7.1.2 MACD (Moving Average Convergence Divergence) ...................................................................... 76 7.1.3 Rate of change ................................................................................................................................. 78 7.1.4 Índice Relative Strength Index (RSI) ............................................................................................... 80 7.1.5 Posición abierta (Open Interest) ..................................................................................................... 82

7.2 Factores fundamentales que afectan al precio de la electricidad ....................................................... 84 7.2.1 Generación del modelo ................................................................................................................... 84

8. ANÁLISIS DEL MERCADO DIARIO ........................................................................................................ 88

Simulación estocástica ................................................................................................................................. 88 8.1 Modelo de demanda del país .............................................................................................................. 89 8.2 Modelo de producción hidráulica ........................................................................................................ 94

8.2.1 Previsión de energía disponible en embalses hidroeléctricos ......................................................... 94 8.2.2 Coeficientes para el cálculo de la producción hidráulica mensual ................................................ 97

8.3 Modelo de producción eólica ............................................................................................................ 102 8.4 Modelo de producción solar .............................................................................................................. 105 8.5 Modelo de producción Nuclear ......................................................................................................... 106 8.6 Modelo de producción de centrales de ciclo combinado y de carbón .............................................. 109 8.7 Modelo de producción de mediante energía hidráulica fluyente ..................................................... 113 8.8 Determinación de coeficientes para el cálculo del precio del mercado diario ................................. 114 8.9 Validación del modelo ....................................................................................................................... 117

8.9.1 Resultados de la simulación .......................................................................................................... 118 8.9.2 Diagrama del modelo .................................................................................................................... 121

9. RESULTADO. ESTRATEGIA DE CONTRATACIÓN ............................................................................ 122

9.1 Gestión del riesgo .............................................................................................................................. 122 9.1.1 Concepto de riesgo ........................................................................................................................ 122 9.1.2 Fuentes de riesgo .......................................................................................................................... 122

9.2 Estrategia de gestión de contrato ..................................................................................................... 124 9.3 Estrategia de optimización de coberturas ......................................................................................... 124

9.3.1 A largo plazo ................................................................................................................................. 126 9.3.2 A corto plazo ................................................................................................................................. 128 9.3.3 Previsión de la temperatura y las lluvias ...................................................................................... 131

10. CONCLUSIONES ...................................................................................................................................... 135

11. LÍNEAS FUTURAS ................................................................................................................................... 139

12. BIBLIOGRAFÍA ......................................................................................................................................... 143

Trabajos citados ................................................................................................................................................... 143

13. PLANIFICACIÓN TEMPORAL Y PRESUPUESTO ................................................................................ 147

14. ANEXOS ..................................................................................................................................................... 157

14.1 Anexo I: Características y calendario de las liquidaciones ................................................................. 157 14.1.1 Liquidación a realizar por el Operador de Mercado ............................................................... 157 14.1.2 Liquidación a realizar por el Operador del Sistema ................................................................ 157

14.2 Anexo II: Coberturas por porcentajes vs Coberturas por bandas ..................................................... 159 14.3 Anexo III: Estrategia de cobertura a corto plazo para 2017 .............................................................. 171

Fuentes ....................................................................................................................................................... 175 Actualización de datos................................................................................................................................ 176

14.4 Anexo V: Tablas del modelo de simulación del mercado diario ........................................................ 177

INTRODUCCIÓN


INTRODUCCIÓN


18


EL SECTOR ELÉCTRICO Y SU IMPORTANCIA


1. EL SECTOR ELÉCTRICO Y SU

IMPORTANCIA PARA LA

INDUSTRIA

En este capítulo se pretende introducir los conceptos básicos para entender cómo funciona el sistema

eléctrico en España. Para comenzar, se define el contexto en que se desarrolla el trabajo y se explica

lo que supuso la liberalización del sector eléctrico, las cuatro actividades en que se divide y los

agentes implicados. Seguidamente se explicará cómo la electricidad se ha convertido en la materia

prima fundamental para el sector industrial.

1.1 Contexto

Varias fueron las causas que impulsaron, marcadas por las Directivas Europeas, a la liberalización

del sector eléctrico:

a) Estructuras rígidas que se transmitían al mercado y a las empresas del sector.

b) Ineficiencias en generación y consumo.

c) Tarifas universales y subsidiarias.

d) Inexistencia de incentivos para optimizar la generación, el ahorro energético y la

calidad de servicio [USE1]

En el año 1997 se aprobó la ley 54/1997 del Sector Eléctrico, iniciándose en España el proceso de

liberalización del sector eléctrico con las siguientes consecuencias:

Se elimina la noción de suministro eléctrico como servicio público y se introducen

mecanismos de libre mercado y competencia para gestionar parte del mercado.

Se separan las actividades de generación, distribución, transporte y consumo.

Se redefinen los ámbitos de actuación de los actores implicados (Estado, empresas y

consumidores).

Se crea la figura de las comercializadoras, las cuales se encargan de comprar energía eléctrica

al mercado mayorista y venderla a los pequeños consumidores.

Con esto se consigue que tanto la generación como el consumo de energía eléctrica sean actividades

desregularizadas en los que la gestión se transfiere a mecanismos de mercado. Es decir, ahora una

empresa decide, en base a sus expectativas de mercado, el tipo de tecnología y la cantidad de

generadores que instala (El observatorio crítico de la energía & OCE, 2012).


20


Así mismo, desde el lado del consumidor, se liberalizan los precios y se crean dos mercados a los

que un consumidor puede acudir: el mercado mayorista, donde las comercializadoras y los grandes

consumidores directos adquieren la energía a los generadores mediante mecanismos de mercado, y el

mercado minorista, donde los consumidores domésticos y pequeñas empresas firman un contrato con

una de las comercializadoras que compiten en régimen de libre competencia.

En cambio el transporte y la distribución continúan siendo actividades reguladas. Red Eléctrica de

España se consolida como único transportista y operador del sistema. La distribución sigue siendo

encargada a las mismas empresas distribuidoras, que se desvinculan de la comercialización.

En los siguientes gráficos se ven las diferencias en cuanto a las funciones de los distintos actores en

el Marco Legal Estable, conjunto de leyes que regularon el sector eléctrico español entre 1988 y

1997, y el mercado liberalizado.

Ilustración 1-1. Esquema de funcionamiento del Marco Legal Estable (El observatorio crítico de la energía & OCE, 2012)

Se destaca la alta intromisión del estado en la regulación del sector. Esto es debido a que el sector

eléctrico era entendido como bien básico, a cuyo acceso tienen derecho todas las personas. Este

marco aseguraba estabilidad tanto a las empresas eléctricas en cuanto a los beneficios a largo plazo

de sus inversiones así como a los consumidores estableciendo tarifas en condiciones de mínimo

coste.



Ilustración 1-2. Esquema de funcionamiento del mercado liberalizado español (El observatorio crítico de la energía & OCE,

2012)

En cuanto al marco liberalizado, el Estado sigue regulando partes del mercado, aunque gran parte del

precio resultante de la energía eléctrica depende de la componente de mercado, cuyo análisis

abordaremos en los siguientes capítulos.


22


1.2 La electricidad como materia prima de la industria

La liberalización de los mercados energéticos ha provocado un cambio en la manera de proceder de

los distintos agentes involucrados. En el caso de los mercados minoristas, los consumidores han

pasado de contratar energía a precios fijos con contratos estándar, a tener la opción de negociar

contratos a medida con comercializadores a precios referenciados a los de los mercados de energía.

La nueva capacidad de elección por parte de los consumidores, añadida a la dificultad de predecir los

precios de la energía y la volatilidad de los mismos, complican la toma de decisiones sobre la política

energética que debe seguir un consumidor industrial.

Para posibilitar la participación activa de los consumidores industriales en este nuevo marco

regulatorio, éstos necesitan herramientas de apoyo a la decisión para gestionar de forma óptima la

operación de sus instalaciones y la contratación de electricidad (Kirschen, 2003).

La electricidad supone casi la mitad del consumo energético de las empresas industriales (48%),

La atención política sobre la industria se sustenta en el convencimiento de que son esenciales unos

sólidos cimientos industriales para lograr una Europa rica y con éxito económico. Es vital estimular

la recuperación económica, disponer de empleos de alta calidad y reforzar nuestra competitividad

global.

La Comisión Europea no únicamente resalta la pérdida de competitividad de la industria europea

frente a los países emergentes y la de otros países desarrollados, sino que apunta la necesidad de

revertir este fenómeno, estableciendo el objetivo de reindustrialización para que el Producto Interior

Bruto (PIB) correspondiente al sector industrial pase del actual 16% - actual media de la Unión

Europea – al 20% en el año 2020.

Una condición sine qua non para lograr una reindustrialización que triunfe es una mejora de la

competitividad de la industria europea. Y es precisamente en este ámbito donde se circunscriben los

costes energéticos. El proceso de globalización económica de los mercados pone de manifiesto la

estrecha e íntima relación existente entre energía – mejor dicho, costes energéticos – y

competitividad poniendo sobre la mesa cuál es el estado actual, tanto en lo que se refiere al ámbito

europeo como al español. La energía, considerada como un elemento estructural para garantizar la

sostenibilidad económica y social y el equilibrio territorial y ambiental, tiene una importancia muy

relevante de cara a la reindustrialización de cualquier economía.

La creciente preocupación a nivel comunitario por la evolución reciente de los costes y precios

energéticos y su impacto sobre la competitividad empresarial se recoge de forma nítida en la

Comunicación del 22 de enero de 2014 “Por un renacimiento industrial europeo”. Si bien es cierto

que a lo largo de las distintas Comunicaciones que se han sucedido a lo largo de los últimos cinco

años se sigue apostando por reforzar la competitividad industrial para apoyar el crecimiento

económico y permitir la transición hacia una economía baja en carbono y eficiente en el uso de los

recursos, el rol de la energía, y de la política energética, especialmente en lo que se refiere al proceso

de formación de los precios energéticos, adquiere un protagonismo creciente.

Cada vez adquiere más importancia tener un acceso seguro y asequible a la energía y a las materias

primas, ya que suponen una parte significativa de los costes en muchas industrias (Funseam).



En la siguiente ilustración se observa como la industria contribuye a una menor volatilidad de los

precios debido a su demanda estable a lo largo del día. Además se aprecia que la industria es el

sector que mayor consumo posee en el sector español.

Ilustración 1-3. Diferenciación entre sectores del consumo nacional. Fuente (Red Eléctrica de España).


24


2. EL MERCADO ELÉCTRICO

ESPAÑOL

2.1 Introducción

La energía eléctrica desempeña un papel fundamental en la sociedad actual. Son innumerables las

aplicaciones que tiene, siendo imposible la vida, tal y como es entendida, sin ella. Está presente en

una gran variedad de ámbitos, desde el abastecimiento del pequeño consumidor, hasta el de las

grandes plantas industriales de producción. Es también fundamental en el mundo de las

comunicaciones, en los procesos de fabricación, en el transporte, etc… siendo, por tanto, un buen

indicador del nivel de desarrollo industrial y tecnológico de un país.

El sistema eléctrico español ha sufrido un proceso de liberalización comenzado en 1997, quedando

separadas así las labores de generación, distribución, transporte y comercialización de la energía

eléctrica.

Con la liberalización del mercado, apareció la figura de las comercializadoras, empresas encargadas

de comprar la energía demandada en el mercado mayorista y suministrarla a sus consumidores.

Previamente a la aparición de estas empresas, el precio era fijado por el gobierno y la empresa

suministradora era también la que vendía la energía. Con la aparición de las comercializadoras y la

desregularización de generación y comercialización, se creó el mercado, y con él, la competencia de

precios.

El mercado eléctrico español forma parte, junto con Portugal, del Mercado Ibérico de la Electricidad

(MIBEL). Este mercado ibérico es de tipo marginalista y está compuesto por un mercado al contado,

gestionado por OMIE (Operador del Mercado Ibérico de Energía - Polo Español, S.A.), y un

mercado a plazo, gestionado por OMIP (Operador del Mercado Ibérico de Energía - Polo Portugués,

S.A.), entre otros.

En la actualidad, la variación de factores externos, como pueden ser el producible eólico o

hidráulico, la temperatura, los precios del gas y petróleo, son determinantes a la hora de establecer el

mix tecnológico de generación y por tanto, el precio de la energía eléctrica. Todas estas variables

hacen de la energía eléctrica un producto con un precio muy volátil.

Unido a la volatilidad del precio, a día de hoy la energía eléctrica no se puede almacenar a gran

escala, por tanto, en todo momento el consumo debe ser igual a la generación. Es por ello, que una

estimación precisa acerca del precio de la energía eléctrica es de gran utilidad, dando la posibilidad a

las comercializadoras de estudiar la mejor opción de adquisición de la energía.

(Mate, 2015)

EL MERCADO ELÉCTRICO ESPAÑOL


2.2 Evolución del mercado eléctrico

La competitividad en los precios del mercado surgió a raíz de la aparición de las comercializadoras,

una vez el mercado se liberalizó. Previamente, el precio era fijado por el Gobierno, dejando muy

poco margen a las empresas para mejorar su competitividad.

Las empresas comercializadoras de energía tienen dos opciones para adquirir la energía que sus

clientes demandan, acudir a mercador organizados, o bien obtenerla a través de mercados no

organizados.

Las características de los mercados organizados es que existe una entidad encargada de gestionar los

intercambios que se produzcan. Los mercados al contado o ‘spot’ y los mercados a plazo son

mercados organizados.

Como alternativa a los mercados organizados, existen los mercados no organizados, también

llamados ‘Over the Counter’ (OTC), en los que no existe ninguna entidad encargada del control de

los acuerdos.

Los dos mercados no se crearon a la vez, sino que el mercado de futuros empezó como una mejora

en la gestión de riesgos en las comercializadoras y los generadores.

2.3 Mercados

2.3.1 Mercados diario (OMIE)

Los mercados al contado constan de dos componentes, una diaria y otra de ajustes intradiarios. Este

mercado recibe el nombre de pool. Estos mercados establecen la cantidad de energía intercambiada

que pasa por pool para cada hora del día siguiente con sus respectivos precios. Para el intercambio de

energía total del día siguiente habrá que tener en cuenta también los acuerdos bilaterales, las

interconexiones con otros países, los OTC’s… OMIE es el encargado de realizar las liquidaciones de

los mercados diarios e intradiarios en España.

El precio para cada una de las horas del día siguiente se obtiene mediante las curvas agregadas de la

oferta y la demanda. Las empresas encargadas de la generación realizan sus ofertas (cantidad de

energía y precio) y las empresas encargadas de la comercialización, o consumidores directos,

demandan la energía necesaria a un precio determinado. Se trata de un mercado marginalista

El punto de corte de las curvas de oferta y demanda, se denomina punto de casación y establece el

precio de la energía para esa determinada hora. Toda la energía ofertada y demandada a un precio

menor al de casación será intercambiada, mientras que la tenga un precio mayor no. Este proceso se

repite para cada una de las 24 horas del día, además de los mercados intradiarios, que seguirán un

proceso similar.

Añadir que es un mercado marginal, el precio es fijado por la última tecnología casada


26


Ilustración 2-1. Mecanismo de casación de oferta y demanda. Fuente (Mate, 2015)

2.3.2 Mercados a plazo, OMIP y OTC’s

Debido a la entrada de energías renovables en el sector, las cuales no poseen una generación estable,

el precio de la energía eléctrica se ha convertido en un valor muy volátil, para ello nacen los

mercados a plazos. Existen dos tipos de mercado a plazo: el mercado de futuros de OMIP y el

mercado financiero OTC.

La contratación a plazo es un instrumento que se suele usar para cubrirse del riesgo del mercado y

cubrir posiciones, como también con fines especulativos. El mercado spot está sujeto a una alta

volatilidad, por lo que los mercados a plazo, en los que el pago de electricidad se realiza unos días,

meses o incluso años antes a un precio determinado, puede ser una gran solución ante una época de

inestabilidad en el precio de la energía eléctrica.

En abril de 2004 se creó la Sociedad de Compensación de Mercados de Energía, llamada OMIClear,

cuya función es actuar como cámara de compensación y contraparte central en todas las operaciones

realizadas en el mercado gestionado por OMIP. Es decir, se encarga de la compensación, el registro,

la gestión del riesgo y la liquidación de las operaciones negociadas en OMIP.

El mercado financiero OTC es otro mercado no organizado en el que a través de “brokers” los

agentes intercambian contratos con liquidación financiera (contratos por diferencias sin entrega de la

energía). En el mercado OTC no existen ni contratos estandarizados, ni reglas de mercado, por los

que los agentes negocian los productos y reglas que ellos mismos se impongan. En el mercado OTC

no se dispone de una cámara de compensación como si existe en el mercado OMIP, así que los

participantes de los mercados OTC deben tener mucho cuidado ya que si la contraparte del contrato

falla, nadie asegura el pago de las deudas.



La volatilidad en el precio del mercado ‘spot’ puede suponer grandes riesgos en determinadas

ocasiones. Un aumento súbito de los precios ocasionará pérdidas si no se han tomado previamente

las medidas oportunas, como puede ser adquirir la energía a través del mercado a plazo. Por ello, ser

capaz de prever, con la mayor precisión posible el precio de la energía eléctrica, puede ser un factor

determinante a la hora de mejorar la competitividad.

Entonces una óptima gestión de coberturas no sólo puede servir como ayuda a la gestión del riesgo,

sino también como un elemento de optimización de beneficios.

Como resumen se muestra el siguiente gráfico ilustrativo de los mercados y procesos, y cómo éstos

se suceden.

Ilustración 2-2. Referencia temporal de cada mercado y procesos de formación del precio. Fuente (OMIE)


28


2.3.3 Mix de generación eléctrica en España

Se va a analizar el tipo de tecnologías que producen energía eléctrica en España, su evolución a lo

largo de la última década y las características en la curva de oferta de cada una de ellas.

2.3.3.1 Potencia instalada y producción

En el siguiente gráfico se muestra la evolución de la potencia instalada de las distintas tecnologías en

el sector eléctrico español. Se observa como las siguientes tecnologías han mantenido su número de

MWh instalados: nuclear, hidráulica, cogeneración y carbón. Mientras que las siguientes han

aumentado su capacidad de producir: eólica, solar y ciclos combinados.

Ilustración 2-3.Evolución de Potencia instalada en la península. Elaboración propia con datos de (OMIE)

A continuación se muestra la producción mensual de cada una de las tecnologías instaladas. Existe

un hecho remarcable: tanto la energía eólica como los ciclos combinados, así como todas las energías

renovables aumentan su potencia instalada. Juntamente con esto, la demanda del país comienza a

disminuir, haciendo que el gran boom que tuvo lugar en el caso de las centrales de ciclo combinado

en la primera década del siglo XXI se vea desplazado por las energías renovables. Éstas ofertan su

energía a precio muy bajo, como se explica en el siguiente párrafo.



Ilustración 2-4. Producción de energía eléctrica desglosada por tecnologías. Elaboración propia con datos de (OMIE)

El caso de las energías renovables, cuyo coste de la materia prima es nulo (dependen de si hace sol o

viento), hace que sus unidades de oferta sean siempre cercanos a los 2 €/MWh, por lo que siempre

casan en el mercado, contribuyendo a abaratar su precio. Esto hace que un inversor se lo piense antes

de invertir en energía renovable, ya que si el mercado estuviese saturado de generación renovable el

precio del mercado sería muy bajo y no aportaría los beneficios económicos esperados por el

inversor (lo que se conoce como efecto caníbal). Esto se solucionó mediante una retribución, que

cubría el resto del coste necesario para posibilitar el retorno de la inversión. La reforma energética

introdujo a partir de 2013 una nueva carga fiscal sobre el mercado eléctrico (impuesto sobre el valor

de producción de energía eléctrica, céntimo verde) que encareció el precio del mercado eléctrico

español entre 6 €/MWh y 8 €/MWh. (Ojea, 2016)

Esta nueva carga fiscal, mayoritariamente trasladada por las comercializadoras al consumidor final,

hizo que el precio del mercado español se incrementase respecto al precio de generación de los

principales mercados europeos, como el alemán y el francés, introduciendo en definitiva una

desventaja competitiva para las industrias españolas.

Este incremento en las diferencias de precio de cada mercado, una vez despejado el efecto de la

carga fiscal, debería de poder ser explicado en términos de competitividad de cada mix de

generación, puesto que las reglas de mercado son muy similares en todos los países (casación

marginal), pero cuando se analiza el detalle por tecnología de generación de cada mix se observa que

el resultado no es coherente con los precios resultantes, puesto que el porcentaje de energía generado

en España con energías fluyentes (eólica, solar, hidroeléctrica) y de bajo coste de generación

(nuclear) es muy superior al alemán. Como ejemplo se muestran los datos registrados en 2014.

0

50.000

100.000

150.000

200.000

250.000

300.000

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Pro

du

cció

n d

e en

erg

ía p

enin

sula

r (T

Wh

)

Fuel/gas

Otras renovables

Solar térmica

Solar fotovoltaica

Eólica

Ciclo combinado

Carbón

Hidráulica

Cogeneración

Nuclear


30


2014 España

(TWh)

% Alemania

(TWh)

%

Hidráulica 43 16,4 20 3,1

Nuclear 57 22 97 15,5

Carbón 44 16,9 274 43,9

Ciclo

combinado

22 8,4 60 9,6

Eólica 51 19,6 57 9,2

Solar 13 4,9 35 5,6

Cogeneración 31 11,8 82 13,1 Tabla 2-1. Comparación del sector español con el sector alemán. Fuente (Asociación de grandes consumidores de energía,

2015)

Esto se puede explicar por la estacionalidad que posee la demanda de ambos países. Mientras en Alemania los

meses en los que la demanda es superior son los de invierno, en España los meses con mayor demanda son los

de verano. Resulta que la energía también posee una estacionalidad anual (como veremos en los próximos

capítulos) en la que su mayor producción se observa en los meses de invierno. Es decir, el mercado español

consume mas cuando existe menor producción eléctrica por energía renovable y consume menos cuando se

produce mayor energía eléctrica renovable. Por tanto posee una mayor volatilidad que otras plazas europeas.

2.3.3.2 Curvas de oferta diferenciada por tecnologías de producción

Ilustración 2-5. Diferenciación de la curva de oferta por tecnologías de generación. Fuente (Beltrán)

Existen tres zonas claramente diferenciadas que se repiten de forma permanente en las casaciones de

cada una de las horas del año. La primera zona corresponde a tecnologías precio aceptantes, aquellos

generadores que están dispuestos a vender su electricidad a precio cero. Estos son, por un lado, las

centrales nucleares que dado que no son capaces de arrancar y parar a su antojo por la dinámica de la

propia reacción nuclear y por tanto deben estar conectadas y produciendo en todo momento. Ofrecen

su generación siempre a precio cero para asegurarse que entran en la casación. Por otro lado,

encontramos en este grupo a las renovables. Éstas, dado que su materia prima (viento y sol) es



gratuita, si estiman que van a tener este recurso disponible, ofrecen generación también a precio cero

ya que así prácticamente todo lo que ingresen es beneficio.

La segunda zona la conforman principalmente las centrales térmicas y los ciclos combinados, los

cuales pueden arrancar y parar a lo largo del día pero, su combustible (carbón o gas) no es gratuito, y

solo están dispuestas a generar a partir de un precio mínimo del MWh. Y la tercera zona la

conforman principalmente las instalaciones de gran hidráulica, las cuales utilizan las eléctricas para

otro tipo de servicios complementarios del sistema eléctrico que están muy bien remunerados.


32


3. COMPAÑÍA LOGÍSTICA DE

HIDROCARBUROS

El grupo CLH es la principal empresa de almacenamiento y transporte de productos petrolíferos de

España, además de una de las mayores compañías privadas dentro de su sector a nivel internacional.

Está integrado por CLH, CLH Aviación y Terquimsa. Además cuenta con presencia internacional a

través de CLH Pipline System en Reino Unido, Orpic Logistics Company LLC que desarrolla su

actividad en Omán y CLH Aviation Ireland.

El grupo CLH desempeña un papel clave para garantizar a la sociedad un acceso fácil y seguro a los

productos petrolíferos y basa su gestión en criterios de compromiso con la sostenibilidad, la

seguridad, la eficiencia y la colaboración con la sociedad.

3.1 Historia

La Compañía Logística de Hidrocarburos cuenta con más de 85 años de experiencia en el sector

energético. CLH es el resultado de la escisión de los activos comerciales de la antigua Compañía

Arrendataria del Monopolio de Petróleos, S.A. (CAMPSA) que se realizó en 1992, como

culminación del proceso de liberación del sector petrolífero que se produjo en España tras su

integración en el Mercado Común Europeo.

3.2 Actividad

La actividad principal de CLH es el transporte y almacenamiento de productos petrolíferos en la

Península Ibérica y las Islas Baleares, por cuenta de las principales compañías operadoras petroleras

que están presentes en el mercado español.

Esta actividad consiste básicamente en la recepción de los productos petrolíferos en sus

instalaciones, fundamentalmente gasolinas, gasóleos, fuelóleos, carburantes de aviación y

biocombustibles; así como el transporte y almacenamiento de estos productos, y la entrega final a los

clientes de la compañía, a través de sus instalaciones de carga de camiones cisterna.

La compañía ofrece además la acreditación instantánea del producto. Esto permite a un cliente

disponer de sus productos en diferentes destinos inmediatamente después de realizar la entrega en

una instalación origen alejada de la instalación de destino.

Junto a esta actividad principal, CLH ofrece otros servicios de valor añadido. Además ofrece la

información necesaria a las entidades gestoras de las reservas estratégicas de productos petrolíferos

para que puedan mantener las existencias de seguridad exigidas por la ley.

COMPAÑÍA LOGÍSTICA DE HIDROCARBUROS


Ilustración 3-1. Mapa de infraestructuras de CLH. Fuente (CLH)

3.3 Infraestructuras

La Compañía Logística de Hidrocarburos cuenta con una de las mayores y más eficientes redes

integradas de transporte y almacenamiento de productos petrolíferos de todo el mundo, formadas por

un sofisticado sistema de transporte y unas instalaciones de almacenamiento modernas y seguras que

garantizan la eficiencia del servicio y el respeto escrupuloso por el medio ambiente.

La red de oleoductos de CLH posee más de 4.000 kilómetros de longitud, lo que constituye la red

civil de oleoductos más extensa de Europa Occidental. Asimismo, cuenta con 40 instalaciones de

almacenamiento, con una capacidad de más de 8 millones de metros cúbicos, y 28 instalaciones de

aeroportuarias.

Por otra parte, CLH dispone también de 2 buques tanque fletados en régimen de time-charter, con

una capacidad de 48.121 toneladas de peso muerto.


34


Ilustración 3-2. Capacidad de almacenamiento (miles de m3). Fuente (CLH)

Ilustración 3-3. Longitud de oleoductos (kilómetros). Fuente (CLH)

En cuanto al consumo de energía, el 80 % de la energía eléctrica que consume CLH se utiliza en las

estaciones de bombeo, que se encargan de transportar los productos a través de la red de oleoductos.

El 20% restante se consume en las instalaciones de almacenamiento para los cargaderos de donde los

clientes extraen el producto a sus camiones cisterna. Esto significa que gran parte de la demanda de

electricidad de la compañía está gestionada por CLH (red de oleoductos) y una pequeña parte

depende de la demanda de producto del cliente (Instalaciones de almacenamiento)

OBJETIVOS DEL PROYECTO


4. OBJETIVOS DEL PROYECTO

Este trabajo presenta dos objetivos claros:

La realización de una estrategia de coberturas óptima

Para la realización de una estrategia de coberturas es necesario conocer el momento óptimo de

compra en el mercado de futuros, por lo cual se realizará un análisis de este mercado y se propondrá

una metodología que sirva de herramienta para identificar el momento de compra.

Además, para llevar a cabo la estrategia se va a comparar el valor del mercado de futuros con el valor

del mercado diario, por lo que se desarrollará un modelo de simulación por el cual se obtenga una

distribución de los posibles precios del mercado diario en cada momento.

Finalmente se propondrá una estrategia basada en cálculos estadísticos que suponga el mayor ahorro

posible en el contrato eléctrico.

El análisis de la opción de acudir al mercado como consumidor directo a mercado y las

consecuencias que esto conlleva.

Se comparará la operación de contrato actual que posee CLH, es decir, mediante comercializadora,

con la opción de acudir como consumidor directo a mercado. Para ello se analizarán los costes y

ahorros de cada uno de ellos. Además se realizará una primera aproximación a un modelo de

previsión de la demanda para discernir si es viable o no. Para ello se utilizarán las programaciones de

bombeo de las que dispone la compañía.


36


METODOLOGÍA


METODOLOGÍA


38


OPCIONES DE CONTRATACIÓN


5. OPCIONES DE CONTRATACIÓN

Para entender las distintas opciones de contratación que dispone un consumidor industrial es

necesario analizar las componentes que conforman el precio final del suministro eléctrico.

5.1 Desglose del precio de la energía eléctrica

El precio final de la energía consumida está formado por cuatro componentes claramente

diferenciados:

Precios regulados o ATR (Acceso de Terceros a la Red): se trata de precios fijados por el

Estado y que además dependen de la tarifa de suministro. En esta componente se incluyen las

tarifas de acceso (o peajes), los pagos por capacidad y los coeficientes de pérdidas, que se

describen más adelante.

Precios no regulados: esta componente contempla el precio por la energía consumida en

mercado libre, y por tanto no viene regulado por el Estado, sino por el libre mercado. Incluye

el precio de la energía en el Mercado Diario e Intradiario (gestionados por OMIE), costes por

contratos bilaterales, costes por desvíos medidos (diferencia entre energía consumida y

energía programada) y costes por los servicios de ajuste del sistema. La descripción detallada

de esta componente y sus partes se incluye más adelante.

Impuestos: en realidad se trata también de precios regulados, aunque de naturaleza distinta a

los anteriores. Esta componente viene dada por el impuesto especial sobre la electricidad y el

IVA, además se puede añadir la tasa municipal, aunque normalmente este concepto pasa a la

factura como coste de libre establecimiento.

Costes de Libre Establecimiento, se compone del margen comercial, primas de riesgo,

costes de gestión de la comercializadora, canon de eficiencia. Al igual que la tasa municipal,

la comercializadora no puede repercutir estos costes en la factura y se incluyen en el margen

de beneficios de éstas.


40


Ilustración 5-1. Descomposición del precio de la energía en sus componentes. Elaboración propia

5.1.1 Precios Regulados de la facturación

En esta sección se describen los distintos conceptos que forman la componente regulada de la

facturación.

5.1.1.1 Tarifas de acceso o peajes

Es el pago por el uso de las redes del distribuidor, mediante un precio aprobado por el MICyT.

Consta de dos términos: potencia y energía. El primero es fijo y se paga la potencia que se tenga

contratada y en el segundo, que es variable, se paga por la energía que ha circulado por la red del

distribuidor para el consumo de la compañía.

Los peajes dependen de la tarifa contratada y tienen la característica de ser menores cuanto mayor

sea la tensión de suministro. Por tanto, al consumidor siempre le interesa conectarse a la tensión

más alta posible para minimizar el coste de este concepto. Añadir que esta componente del precio

puede suponer alrededor de un 30% de la facturación total, aunque depende del tipo de consumidor.

Los precios de los peajes para cada tarifa de suministro son publicados en el BOE por el MICyT, al

menos, con periodicidad anual.

Este coste se puede gestionar a través de la comercializadora o directamente con la distribuidora. En

el caso de CDM directamente con distribuidora.

Impuestos

Margen, primas y

otros conceptos

Tarifas de acceso a

la red

Remuneración

OM y OS

Pagos por

capacidad

Pérdidas de red

Coste de desvíos

Coste de mercados

de ajustes

Coste de materia

prima

Costes no

regulados



5.1.1.2 Exceso de potencia

Están regulados por el BOE y el distribuidor los factura en función de la potencia registrada en cada periodo según el número de veces que la potencia registrada excede a la potencia contratada en cada periodo.

5.1.1.3 Consumo de energía reactiva

El término de facturación por energía reactiva será de aplicación a cualquier tarifa, para lo cual se

deberá disponer del contador de energía reactiva permanentemente instalado, excepto en los casos de

la tarifa simple de baja tensión 2.0 A.

Cuando el consumo de energía reactiva supera el 33 % del consumo de energía activa (factor de

potencia inferior a 0,95) se facturarán penalizaciones por exceso de consumo de energía reactiva. No

se tendrá en cuenta el consumo en el período 3 para las tarifas 3.0A y 3.1A ni el consumo en el

período 6 para las tarifas de seis periodos.

La forma de corregir el exceso de consumo de energía reactiva es mediante la instalación de una

batería de condensadores, que compensarán automáticamente el consumo.

Según se ha observado en el estudio de la viabilidad de la opción de consumidor directo a mercado

para CLH, la potencia reactiva nunca supera el 33% del consumo de energía activa, de este modo, no

aplica el estudio de las penalizaciones que esto pudiera causar a la compañía.

5.1.1.4 Pagos por capacidad

Los pagos por capacidad son los precios regulados para garantizar que existe potencia disponible

suficiente a medio y largo plazo para la cobertura del suministro de energía eléctrica en todos los

nodos de la red del sistema eléctrico español. Desde el 1 de enero de 2008 sustituyen a su antecesor:

la garantía de potencia.

Actualmente, los pagos por capacidad dependen de la tarifa de suministro contratada y del consumo

eléctrico, pudiendo variar sustancialmente este concepto de unos consumidores a otros.

5.1.1.5 Remuneración del Operador del Sistema y Remuneración del

Operador del Mercado

Se trata de los beneficios que obtienen el Operador del mercado (OMIE) y el operador del sistema

(Red Eléctrica de España) por la labor que llevan a cabo.


42


5.1.2 Precios No Regulados de la facturación

Esta componente de la facturación contempla el precio por la energía consumida en mercado libre, y

por tanto no viene regulado por el Estado. Incluye el precio de la energía, costes por desvíos medidos

(diferencia entre energía consumida y energía programada), costes por los servicios de ajuste del

sistema y las pérdidas de red.

5.1.2.1 Precio de la energía

Este precio puede provenir directamente del merado diario o de las coberturas que se hayan realizado

del periodo en cuestión. Recordemos que el precio de la energía en el Mercado Diario, también

denominado precio marginal del diario, es el resultado de la casación de ofertas de venta y de compra

gestionadas el día anterior al despacho de energía. Se trata pues de una componente de la facturación

variable y no regulada. El precio de la energía en el Mercado Diario se determina para cada una de

las 24 horas del día como resultado de la casación, valores que están disponibles en la web del

operador del sistema (REE).

Se trata de la componente con mayor peso (aproximadamente un 50%) dentro de los precios no

regulados.

5.1.2.2 Servicios de ajuste del sistema

En el procedimiento de operación, P.O. 14.4, “derechos de cobro y obligaciones de pago por los

servicios de ajuste del sistema”, publicado por REE, se determinan los derechos de cobro y las

obligaciones de pago que se derivan de los servicios de ajuste del sistema a efectos del proceso de

liquidación, entre los que se incluyen las restricciones técnicas del PBF, banda de regulación

secundaria, restricciones técnicas en tiempo real, restricciones técnicas del intradiario, intercambios

internacionales y el saldo de desvíos.

Los costes derivados por cada uno de estos conceptos están publicados en la web de REE. Se trata de

precios por kWh consumido y para cada una de las 24 horas del día.

La regulación permite, desde principios de 2016, que las renovables se incorporen a los servicios de

ajuste del sistema, el mecanismo que sirve para garantizar la seguridad del suministro eléctrico

Tradicionalmente los servicios de ajuste eran prestados por tecnologías convencionales, pero con la

aprobación del RD413/2014 las empresas de régimen renovable, cogeneración y residuos pasaron a

considerarse como tecnologías gestionables aptas para la participación en los servicios de ajuste. Este

sistema, que gestiona el operador del sistema –Red Eléctrica de España (REE)-, está destinado a

garantizar el constante equilibrio entre la generación y la demanda de energía, por lo que son

retribuidos.

5.1.2.2.1 Sobrecoste por las restricciones técnicas del PBF

El Programa Base de Funcionamiento (PBF) es el programa de energía diario, con desglose por

periodos de programación de las diferentes unidades de programación correspondientes a ventas y



adquisiciones de energía en el sistema eléctrico peninsular español. Este programa es establecido por

el Operador del Sistema a partir del programa resultante de la casación del mercado diario y la

información de ejecución de contratos bilaterales con entrega física.

El sobrecoste por las restricciones técnicas del PBF será sufragado por las unidades de adquisición,

en proporción a sus consumos medidos elevados a barras de central. Quedan exceptuadas de esta

asignación las unidades de adquisición de bombeo, las unidades de adquisición correspondientes al

suministro de servicios auxiliares de las unidades de producción y las unidades de adquisición cuyo

destino sea el suministro fuera del sistema eléctrico español.

5.1.2.2.2 Coste fijo total de la asignación de banda de regulación secundaria

El coste de la banda de regulación secundaria será sufragado por las unidades de adquisición, en

proporción a sus consumos medidos elevados a barras de central. Quedan exceptuadas de esta

asignación las unidades de adquisición mencionadas en el apartado anterior.

5.1.2.2.3 Sobrecoste de las restricciones técnicas en tiempo real

El sobrecoste por las restricciones técnicas en tiempo real (SCRTR) será sufragado por las unidades

de adquisición, en proporción a sus consumos medidos elevados a barras de central, MBCua. Quedan

exceptuadas las mismas unidades de adquisición que en el apartado anterior.

5.1.2.2.4 Intercambios internacionales

Los intercambios de apoyo entre sistemas que realice el Operador del Sistema mediante

compensación económica por la energía suministrada a través de las interconexiones se anotaran

para cada interconexión en la cuenta del Operador del Sistema como derecho de cobro, si es en

sentido importador, y como obligación de pago, si es en sentido exportador.

El sobrecoste de los intercambios de apoyo se calcula como la diferencia entre los derechos de cobro

y obligaciones de pago anteriores y el importe de la energía del intercambio valorada al precio

marginal del mercado diario. El sobrecoste por los intercambios de apoyo con precio establecido será

sufragado por las unidades de adquisición, en proporción a sus consumos medidos elevados a barras

de central. Quedan exceptuadas las mismas unidades de adquisición del primer apartado.

Los intercambios de apoyo que realice el Operador del Sistema mediante devolución de energía se

valoraran al precio marginal del mercado diario realizándose una anotación en una cuenta de

compensación mensual a efectos de su liquidación. La anotación será un derecho de cobro, si el

intercambio es en sentido importador y una obligación de pago, si es en sentido exportador.

5.1.2.2.5 Asignación del excedente o déficit de la valoración de desvíos

Como consecuencia del método de valoración de los desvíos, el saldo resultante del conjunto de

derechos de cobro y obligaciones de pago en una hora será un excedente, o en su caso, un déficit.

El excedente se repartirá a las unidades de adquisición, en proporción a sus consumos medidos

elevados a barras de central, como minoración de los costes de restricciones técnicas y de banda.


44


Quedan exceptuadas las mismas unidades de adquisición del primer apartado. En caso de excedente,

estas unidades tendrán un derecho de cobro en la hora en concepto de ajuste.

En el caso de que se produjera un déficit en la hora las unidades anteriores tendrán una obligación de

pago en la hora en concepto de ajuste.

5.1.2.3 Coeficientes de pérdidas (Pérdidas de red)

Los coeficientes de pérdidas se refieren al porcentaje de pérdida de energía que se produce en el

transporte y distribución de la misma. Los coeficientes de pérdidas dependen de la tarifa de

suministro, y se utiliza para traspasar la energía suministrada a los consumidores en el mercado en

sus contadores a energía suministrada en barras de central, a los efectos de las liquidaciones previstas

en el Real Decreto 216/2014.

Se trata de coeficientes no regulados por el Estado y son menores cuanto mayor es la tensión de

suministro. Por tanto, lo ideal sería contratar siempre la mayor tensión que permitan las

instalaciones, pero debido al monopolio natural que existe en la distribución de energía eléctrica en

España, esto no es posible.

5.1.2.4 Desvíos entre Energía Medida y Energía Programada

El sobrecoste horario originado por la aparición de desvíos en el sistema que han tenido que ser

gestionados por el OS (servicios complementarios de secundaria y terciaria y gestión de desvíos) es

posteriormente repercutido a los agentes que se hayan comportado en contra de las necesidades del

sistema. Si el desvío neto horario del sistema era a subir, significa que había más demanda que

producción y por tanto ha sido necesario utilizar más generación o solicitar menor consumo, por lo

que el sobrecoste lo pagarán aquellos agentes que hayan producido de menos en esa hora o hayan

consumido de más respecto a su programa. En el caso de que el desvío neto horario del sistema sea a

bajar, significa que sobraba producción respecto a la demanda, por lo que los sobrecostes de los

desvíos serán repercutidos a aquellos productores que hayan producido de más y a los consumidores

que hayan consumido de menos respecto a su programa horario.

Finalizado el alcance temporal diario de los programas de los agentes, consumidores y generadores,

se entra en los procesos de liquidación de sus energías (cobros y pagos) realmente producidas y

consumidas, repercutiendo a cada uno los costes de los desvíos en que han incurrido por haber

“incumplido” sus respectivos programas de producción y consumo. Así, a aquellos que se han

desviado a subir en una determinada hora (generadores que han producido más que su programa y

consumidores que han consumido menos que sus programas) se les repercute el coste

correspondiente en caso de que ese desvío haya ido en dirección contraria a las necesidades del

sistema en dicha hora (los generadores cobran un precio inferior al precio marginal de la hora por su

producción adicional, y los consumidores reciben un precio inferior al precio marginal que pagaron

en esa hora por su menor consumo), mientras que si su desvío fue en el mismo sentido de las

necesidades del sistema, no se les repercute coste alguno (los generadores cobran el marginal y los

consumidores reciben el marginal). Razonamiento idéntico es para el caso de desvíos a bajar, en los

que productores han generado menos energía que su programa y los consumidores han consumido

más que lo establecido en su programa.



Precio de desvíos a subir: Se definen como desvíos a subir los desvíos en sentido de mayor

generación y los desvíos en sentido de menor consumo.

Precio de desvíos a bajar: Se definen como desvíos a bajar los desvíos en sentido de menor

generación y los desvíos en sentido de mayor consumo.

Los precios de los desvíos a subir y bajar para cada hora del día vienen publicados en la web pública

de REE.

5.1.3 Impuestos

La facturación de la energía eléctrica, está gravada secuencialmente con dos tipos de impuestos: el

impuesto especial sobre la electricidad (actualmente el 5'113%) y el impuesto sobre el valor añadido

o IVA (actualmente el 21%).

El Impuesto Especial sobre la Electricidad fue creado como nuevo Impuesto Especial de

Fabricación por la Ley 66/1997, de 30 de diciembre. La creación del Impuesto sobre la Electricidad

tiene como objetivo básico la obtención de los ingresos necesarios para compensar la supresión del

recargo sobre la facturación de energía eléctrica, en concepto de ayudas a la minería del carbón, que

hasta el 31 de diciembre de 1997 ha estado en vigor y que representaba el 4,864 por 100 de la

misma. Se trata, por tanto, de un impuesto que, sin ser un tributo afectado, nace vinculado a la

asunción por el Estado de un nuevo gasto en relación con el apoyo a dicho sector y a la subsiguiente

necesidad de modificar el sistema de financiación de la minería del carbón que, por imperativo

Comunitario, pasa a realizarse a través de los recursos presupuestarios.

Para los suministros mediante Comercializador en mercado libre, serán los Comercializadores los

sujetos pasivos actuando en calidad de sustituto del contribuyente. Normalmente, el importe de este

impuesto viene incluido en el precio kWh pactado entre consumidor y comercializador. Sin embargo,

los Consumidores Directos en Mercado serán contribuyentes directos de este impuesto.

La base del impuesto, comprende, en el caso de los suministros a tarifa, la parte correspondiente a la

potencia contratada (kW) y la energía consumida (kWh). Por su parte, en el caso de los suministros a

Consumidores Directos, que pueden contratar, de un lado la adquisición de energía eléctrica y, de

otro, su transporte y distribución, la contraprestación total satisfecha será el resultado de agregar al

importe pagado por la energía suministrada, el peaje satisfecho por la utilización de la red de

transporte.

Por tanto, para el caso de CLH, esta componente no se ve modificada ya que si se opta por la opción

de consumidor directo a mercado, se estaría pagando directamente el impuesto; de la misma manera,

si se opta por la opción de utilizar una comercializadora, ésta incluiría en su factura una referencia a

este impuesto. Con lo que se estaría pagando exactamente lo mismo en ambas opciones.

Tasa municipal: tasa de ocupación de vuelo, suelo y subsuelo, se trata de una tasa que debe pagar

el Comercializador al municipio en el que esta la instalación del cliente por el hecho de utilizar su

espacio público con fines lucrativos. El comercializador no puede repercutir esta tasa al consumidor

final, por lo que lo incluirá como parte de su margen comercial o como concepto de libre

determinación. Está regulado por el BOE y por las ordenanzas municipales. El importe de la tasa


46


consistirá en el 1,5 % de los ingresos brutos procedentes de la facturación que obtengan anualmente

en este término municipal las referidas empresas.

El impuesto sobre el valor añadido (IVA) se aplica a la factura eléctrica una vez repercutido el

impuesto especial de electricidad. El IVA es un impuesto indirecto sobre el consumo, es decir

financiado por el consumidor final. Actualmente este impuesto asciende al 21%, aunque en el año

2010, era sólo del 16% en la primera mitad del año y del 18% en la segunda mitad.

Al igual que el impuesto Especial sobre la electricidad, el concepto de IVA en el pago final no se ve

modificado por la opción de contratación por la que se opte.



5.2 Tipos de suministro eléctrico

Según el Real Decreto 485/2009, de 3 de abril, desde el 1 de julio de 2009, los consumidores pueden

recibir el suministro eléctrico de dos maneras:

Mediante contrato de suministro en el mercado libre.

Mediante Consumidor Directo en el Mercado.

5.2.1 Contrato de suministro en mercado libre

La contratación de suministro en mercado libre se refiere a la contratación del suministro a través de

un comercializador en el mercado libre, cuyo listado está publicado por la Comisión Nacional de la

Energía (CNE) en virtud de lo dispuesto en el R.D. 485/2009 (ver listado de comercializadores en el

mercado libre, Anexo 1).

La energía eléctrica que se adquiere al comercializador de acuerdo con el precio libremente pactado.

5.2.1.1 Modalidades de contratación ofertadas por las comercializadoras en

España

Principalmente se diferencian en cómo se gestiona la materia prima y los costes del sistema

5.2.1.1.1 Precio fijo (Fully fixed)

Consiste en la adquisición de la totalidad de la materia prima estimada para el periodo de

contratación y la fijación de su precio junto con el del Resto de conceptos en el momento de la

contratación y antes del inicio del periodo de entrega.

El comercializador ofertara un precio fijo por la energía para cada periodo de facturación, que deberá

incluir todos los conceptos que componen el precio de la electricidad. Toda la fluctuación de los

parámetros anteriores será absorbida por el comercializador, a cambio, de unas primas considerables.

El Precio de la energía obtenido mediante esta modalidad de contratación tiene una elevada

exposición al momento en el que se realiza la compra, al volumen de energía contratado y al plazo de

adjudicación.

Esta modalidad de contratación no ofrece ningún tipo de flexibilidad u opciones de operación para la

modificación del contrato tras su adjudicación. A cambio se recibe una estabilidad presupuestaria

que no sería posible mediante cualquier otra modalidad

5.2.1.1.2 Precio indexado al mercado diario

Consiste en la adquisición de la materia prima consumida de forma horaria indexada al precio del

OMIE.


48


En cuanto a la determinación del Resto de Conceptos, suelen darse dos variantes: la fijación de los

mismos en el momento de la contratación (pass-pool) o el traspaso al consumidor de su valor real

durante la vigencia del contrato (pass-through).

Si el consumidor desea tener exclusivamente su energía indexada al mercado diario sin que se vea

afectado por otros índices, se debería optar por la modalidad pass-pool, con el fin de limitar la

volatilidad la volatilidad del Precio de la Energía a la evolución del precio del OMIE. En cambio, si

se opta por la modalidad de pass-through, el contrato estaría indexado a los mercados de ajuste del

sistema.

En el caso de haber optado por un pass-through, el comercializador no se expone a los riesgos

asociados a la fijación del Resto de Conceptos, por lo que la inclusión de primas se estima menor que

en el caso de Precio fijo.

5.2.1.1.3 Precio Mixto: Cobertura en el mercado de futuros en parte del perfil y Precio indexado al mercado diario en el resto del perfil

La modalidad de precio mixto puede presentar distintas variantes en función de la fórmula de

construcción del precio fijo, normalmente referenciado al mercado de futuros. Por otra parte, la

construcción de los ajustes indexados responde a lo descrito en relación a la modalidad de

contratación a precio indexado al mercado diario.

A continuación se describen dos casos de contratación mixta combinados con variantes de fijación de

precios en mercados de futuros:

Mixto en Bandas Base

Se entiende como producto banda base a un volumen de energía construido por una potencia

constante en un periodo de tiempo determinado. La diferencia entre la potencia banda base y el

consumo real en una hora determinada se liquidaría mediante operaciones de compra/venta en el

mercado diario (parte flotante).

Entonces, la energía cuyo precio haya sido fijado se facturará independientemente de que se

consuma, y el resto de energía, por exceso o por defecto en cada hora se facturará siguiendo el

mecanismo de ajustes indexados descrito anteriormente.

Como se ve en el siguiente gráfico, la parte del consumo sombreada en rojo es el precio indexado al

mercado diario, y las partes sombreadas en azul, son las distintas coberturas que ha llevado a cabo el

consumidor para los distintos periodos de consumo. La banda 1 se trata de una cobertura anual

utilizando el producto Calendar y las bandas 2 y 3 son coberturas trimestrales utilizando los

productos Quarter.



Ilustración 5-2. Cobertura en bandas base

Mixto perfilado por porcentajes

La construcción del precio fijo se llevaría a cabo a partir de la ejecución de opciones de fijación

del precio para un porcentaje determinado del consumo horario del consumidor.

Al igual que en el caso de las bandas base, la diferencia horaria entre la energía cuyo precio haya

sido fijado y el consumo real del consumidor se ajustará mediante operaciones de compra de

energía en el mercado Diario al precio del OMIE. En este caso, el ajuste siempre será por

defecto, y nunca por exceso.

Ilustración 5-3. Cobertura por porcentajes [1]

Se muestra a continuación un gráfico explicativo para observar la relación inversa entre el riesgo

y las primas que factura una comercializadora al cliente:


50


Ilustración 5-4. Relación entre primas y riesgo

5.2.1.2 Análisis de costes del sistema

Los costes del sistema son un conjunto de costes destinados a garantizar el correcto funcionamiento

del sistema, equilibrando la demanda con la producción. A partir de datos históricos se aprecia una

correlación inversamente proporcional entre la evolución del precio del OMIE y de los costes del

sistema (CCSS). La causa de dicha correlación es el hecho de que la generación de origen renovable

no gestionable es un factor fundamental para la determinación de ambos conceptos.

Ilustración 5-5. Relación anual entre coste de Mercado Diario y el coste de los servicios de ajuste

Rie

sgo

Primas

0

1

2

3

4

5

6

7

38

40

42

44

46

48

50

52

2012 2013 2014 2015

Co

ste

serv

icio

s d

e aj

ust

e

Co

ste

de

la e

ner

gía

(an

nual

)

Mercado Diario Servicios ajuste

Pass-through

Pass-pool

Precio fijo



La estrategia de fijación de los servicios de ajuste por parte de las comercializadoras suele ser:

“media móvil de los últimos 12 meses + prima de riesgo”. En un plazo largo de tiempo de tiempo la

diferencia entre haber fijado el precio de este concepto o no, tenderá a ser la prima de riesgo

(0,2 €/MWh anuales).

Ilustración 5-6. Relación mensual entre el coste del Mercado Diario y el coste de los servicios de ajuste

Debido a la condición de cobertura natural que ofrecen los servicios de ajuste, se ha identificado una

oportunidad de eliminar esta prima, y reducir la volatilidad general, dejando este concepto abierto al

mercado.

Ilustración 5-7. Comparativa mensual del efecto de los servicios de ajuste sobre el precio de la electricidad

5.2.2 Consumidor directo a mercado

Según el R.D. 198/2010, de 26 de febrero:

“Tendrán la consideración de Consumidores Directos en Mercado por punto de suministro o

instalación aquellos consumidores de energía eléctrica que adquieran energía eléctrica

directamente en el mercado de producción para su propio consumo, y que deberán cumplir las

2

3

4

5

6

7

8

9

15 25 35 45 55 65

Pre

cio

Ser

vic

ios

de

Aju

ste

del

Sis

tem

a

(men

sual

)

Precio de la energía OMIE (mensual)

-40

-30

-20

-10

0

10

20

30

1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9

2012 2013 2014 2015

Suma de Variación mensual electricidad Suma de Variación mensual electricidad +SSAA


52


condiciones previstas en el artículo 4.b) del Real Decreto 2019/1997, de 26 de diciembre, por el que

se organiza y regula el mercado de producción de energía eléctrica”.

Punto de suministro e instalación

A los efectos de la consideración de Consumidor Directo en Mercado las instalaciones de estos

consumidores deberán reunir los siguientes requisitos:

a) Que su titular sea una única persona física o jurídica.

b) Que los centros o unidades que constituyan la instalación estén unidos por líneas eléctricas

propias.

c) Que la energía eléctrica se destine a su propio uso.

Los requisitos anteriores resultarán igualmente de aplicación a los restantes consumidores de energía

eléctrica a los efectos del contrato de acceso.

Así mismo los puntos de suministro de estos consumidores deberán reunir los requisitos a y c del

párrafo anterior.

Condición de Consumidor Directo en Mercado

1. La comunicación de inicio de la actividad de consumidor directo en mercado corresponde

realizarla ante la Dirección General de Política Energética y Minas del Ministerio de

Industria, Turismo y Comercio, de acuerdo al modelo establecido en el apartado 6.3 del Real

Decreto (Anexo 3). Ésta dará traslado de la comunicación realizada por el interesado a la

Comisión Nacional de Energía, procediendo esta última a publicar en su página web y

mantener actualizado con periodicidad al menos trimestral un listado que incluya a todos los

consumidores directos en mercado, sin perjuicio de lo dispuesto en la disposición transitoria

única de este Real Decreto.

2. La comunicación de inicio de actividad deberá acompañarse de la declaración responsable

sobre el cumplimiento de los requisitos establecidos para el ejercicio de la actividad, de

acuerdo al modelo establecido en el apartado 6.4 del Real Decreto (Anexo 3)

3. Los requisitos necesarios para actuar como consumidor directo en mercado son los

establecidos en el artículo 4 del Real Decreto 2019/1997, de 26 de diciembre, por el que se

organiza y regula el mercado de producción de energía eléctrica.

A modo de resumen se muestra la siguiente tabla con las ventajas y los inconvenientes de acudir al

mercado como consumidor directo:



Ventajas Inconvenientes

Ahorro del canon de eficiencia Complejidad de gestión

Ahorro de tasa municipal Sólo posibilidad de cobertura por bandas base

Ahorro de las primas de la comercializadora Coste de los desvíos y necesidad de previsión

de consumo

Ahorro de los márgenes de gestión Aporte de garantías al mercado

Ilustración 5-8. Ventajas e inconvenientes de acudir al mercado como consumidor directo

En el siguiente capítulo se van a valorar las pérdidas que puede conllevar el hecho de ser consumidor

directo a mercado (CDM)


54


6. ANÁLISIS DE VIABILIDAD DE

COSTES DE CLH COMO CDM

Se va a desarrollar un análisis para calcular los posibles sobrecostes derivados de los inconvenientes

que tendría CLH escogiendo la modalidad de CDM, para ello se introduce el modelo de negocio de

la compañía y la programación de su actividad como posible fuente de cálculo del consumo eléctrico.

Finalmente se valorará la bondad de adoptar esta modalidad.

6.1 Actividad y modelo de negocio de CLH.

Con el objetivo de analizar la viabilidad de actuar como consumidor directo a mercado, como hemos

dicho anteriormente, se necesita poseer una previsión del consumo eléctrico lo más similar posible

con la realidad.

A continuación se va a explicar cómo funciona el modelo de negocio de CLH:

El propio modelo de negocio de CLH produce ahorros energéticos, al eliminar la necesidad de

realizar cualquier transporte globalmente innecesario, ya que está basado en el balance de las

necesidades de posicionamiento de producto de los clientes. Por tanto, el consumo energético que

globalmente se produce en el sistema, es inferior al teórico que se produciría si cada operador tuviese

que realizar el transporte de forma independiente.

Esta actividad se realiza después de una planificación y programación de los movimientos, que

tienen como objetivo llevar a cabo los transportes necesarios al menor coste posible, teniendo en

cuenta los medios necesarios. Los clientes mueven el producto “en papel”, pero CLH debe adecuar el

transporte a las restricciones físicas. Los productos son indiferenciados hasta el momento en que

salen de las instalaciones de almacenamiento de CLH.

Cada mes se reciben las necesidades de transporte (y almacenamiento) de sus clientes. Estas

necesidades son del tipo “transporte X m3 del producto Pi desde el origen Oj hasta el destino Dk”. Se

llaman consignaciones. Generalmente, se manejan siete productos. Los orígenes pueden ser una

refinería o un buque que descarga directamente en una instalación de CLH. La compañía dispone de

una gran red de oleoductos, tanques y puertos conectados a lo largo de toda la geografía española,

como se puede ver en la figura. CLH dispone de medios de transporte (oleoductos, buques y,

excepcionalmente, camiones cisterna)

La Planificación Logística trabaja para que estos movimientos se hagan con la mayor eficiencia

posible a través de un modelo matemático de optimización desarrollado por CLH. Para ello, se deben

tener en cuenta múltiples factores condicionantes, como la capacidad del oleoducto o de los buques,

las existencias en las instalaciones, los plazos y también las tarifas eléctricas. El resultado es la

forma más sostenible de mover el producto garantizando las necesidades de los clientes de CLH.

Todo ello permite a CLH realizar una planificación mensual de transporte optimizada

energéticamente.

ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM


Ilustración 6-1.Infraestructura logística del Grupo CLH. Fuente: (Guillén, 2007)

6.1.1 Planificación mensual

El ciclo de transporte, comienza con las peticiones de los clientes de CLH para mover sus productos

entre distintos puntos de España. Sus peticiones se centran en trasladar el producto desde las

refinerías, desde las instalaciones portuarias que reciben importaciones, o de otras empresas

logísticas hasta las instalaciones de almacenamiento, donde posteriormente lo recogen para

distribuirlo.

Con los datos proporcionados por los clientes y las previsiones e información de CLH se plantea el

problema del transporte de un mes:

1. Se elabora un plan mensual de medios, cuyo resultado son los totales transportados de cada origen

a cada destino por cada medio (unos días antes del comienzo del mes)

2. Se elabora un programa mensual de buques que recoge en viajes de buques reales los flujos

resultado del plan mensual de medios (simultáneamente con el mismo):

3. Se elaboran programas de oleoductos, de horizonte variable. El objetivo es fijar una secuencia

mensual de entregas de cada origen.

Los bombeos del oleoducto son las principales consumidores de energía eléctrica de la compañía


56


Ilustración 6-2. Esquema de Planificación mensual en el Grupo CLH. Fuente (Guillén, 2007)

6.1.2 Programación de oleoductos

La planificación mensual se va desgranando a partir de la programación de los oleoductos en

bombeos horarios distinguiendo ya entre distintos productos, oleoductos e instalaciones.

En los programas de oleoductos, dependiendo del tramo, su duración puede estar entre siete y quince

días, y en los más sencillos se programa todo el mes porque tienen poca incertidumbre. Cuantas más

instalaciones de almacenamiento de CLH, estaciones de bombeo y refinerías haya en un oleoducto,

más difícil es prever el comportamiento del sistema. Por ello, el horizonte de programación se reduce

al período en que existen suficientes garantías de cumplimiento.

La inmensa mayoría del producto, casi el 90 por ciento, se transporta por oleoducto. Los

movimientos por buques, aunque en porcentaje minoritario –9,6 por ciento–, suelen ser más

complicados de planificar. Los contratiempos en oleoductos son fácilmente subsanables, pero los

barcos dependen de la climatología para poder atracar y es imposible hacer previsiones con un mes

de antelación. La mayor parte del transporte por buque corresponde al abastecimiento de las

instalaciones de las Islas Baleares, Motril y Gijón, que no están conectados a ningún oleoducto.

Una vez visto cómo CLH planifica, programa y efectúa su actividad, una posible línea futura del

proyecto sería que como resultado de la programación también se obtuviera una previsión horaria del

consumo eléctrico.

Se ha analizado la viabilidad y se ha realizado una primera aproximación de la correlación entre el

transporte por oleoducto y su consumo. Para ello se ha analizado la programación de los bombeos y

el consumo real y también como la actividad explica el consumo mediante una RLM.



6.2 Análisis de la viabilidad de previsión de demanda en

CLH y valoración de desvíos

Como parte del proyecto, se ha querido estudiar la viabilidad de esta opción realizando unos

modelos simples que permiten cuantificar la diferencia entre la previsión del consumo y el consumo

real, y de la relación entre la actividad real y el consumo real.

Para ello, se han utilizado los datos de la previsión de bombeo de cada una de las instalaciones, datos

reales de actividad y de consumo eléctrico real, y se ha realizado un modelo obteniéndose como

resultado un consumo eléctrico de cada una de ellas. Se ha dividido las instalaciones en tres tipos

según sus características del consumo eléctrico.

6.2.1 Estaciones de bombeo

En otros casos, como ocurre en la instalación de Zaragoza, el consumo de los oleoductos conforma la

mayor parte del consumo eléctrico de la instalación. Para estas instalaciones se ha realizado un

modelo de regresión simple entre el caudal bombeado y el consumo de la instalación. Con un

coeficiente de correlación de 0.87, se llega a la conclusión de que es posible realizar un buen modelo

de previsión de la demanda en este tipo de instalaciones.

Se ha analizado la viabilidad de la opción de acudir al mercado como agente directo a mercado, es

decir, sin utilizar una comercializadora como intermediaria.

Para poder acudir al mercado directamente se deben realizar las unidades de oferta de un día para

otro. El consumidor debe mandar al operador del mercado sus unidades de oferta a las 12h de la

mañana del día anterior al día de entrega. Cuanto más pequeña sea la diferencia entre el consumo

real y la previsión, menos riesgo se tendrá a la hora de cubrir la posición en el mercado de futuros.

6.2.1.1 Validación de la previsión de consumo

Así pues se ha realizado un estudio de la viabilidad de prever el consumo de un día para otro: Para

ello se ha utilizado la programación de bombeo de las distintas instalaciones de la empresa.

Utilizando la programación de bombeo de las distintas instalaciones de la empresa se ha obtenido

una previsión del consumo eléctrico para el día siguiente. Este dato se ha comparado con el consumo

real de dicha instalación.

Como ejemplo, se ve el bombeo del oleoducto que une Zaragoza-Torrejón y Miranda-Pamplona-

Zaragoza:


58


10/02/2015 12/02/2015 14/02/2015 16/02/2015 18/02/2015 20/02/2015 22/02/2015 24/02/2015 26/02/2015 28/02/2015

Consumo (kWh)

Consumoreal

Previsión deconsumo

Los picos que hacen que el consumo real se diferencie de la previsión se deben al rizado horario que

posee la empresa. Dicho rizado hace que en las horas en los que la energía eléctrica es más barata, se

consume más energía; y en las horas en los que la energía eléctrica es más cara se consumen menos

kilovatios, consiguiendo así un ahorro importante.

Las diferencias que se observan, por ejemplo, en el día 17 de Febrero se deben a paradas no

programadas de alguna bomba de la instalación. De esta manera, se demuestra que la empresa es

capaz de realizar una previsión de su consumo a 24 horas vista con una buena correspondencia con la

realidad.

Se muestra ahora otro ejemplo, la instalación de la compañía en la refinería de Puertollano:

Ilustración 6-3. Comparación de consumo real y previsión de consumo en oleoducto Zarato y Mipaza. Elaboración propia



02/02/2015 07/02/2015 12/02/2015 17/02/2015 22/02/2015 27/02/2015

Consumo (kWh)

Consumoreal

Previsión deconsumo

Estas diferencias que se observan como mínimos, que como se ha explicado antes, se deben a

paradas no programadas de unidades de bombeo, no supondrán un gran inconveniente a la hora de

calcular una previsión del consumo. Esto es debido a que al agregar el consumo eléctrico de todas las

instalaciones, estas pequeñas variaciones no supondrán un gran cambio en la previsión. Lo relevante

es que la previsión se asemeja al consumo real en la mayor parte del tiempo.

6.2.1.2 Análisis de actividad y consumos de las estaciones de bombeo

Mediante la utilización de una regresión lineal múltiple se ha querido demostrar la relación que

existe entre el consumo real y el previsto a través de las actividades de los oleoductos

Ilustración 6-4. Comparación de consumo real y previsión de consumo en la instalación de Puertollano. Elaboración propia


60


Ilustración 6-5. Comparación del consumo real (azul) con el consumo previsto por la actividad (rojo).

6.2.2 Instalaciones de almacenamiento

Poseen un consumo relativamente bajo (alrededor de 100kW consumidos cada hora. Cómo se ve en

el gráfico, la estacionalidad horaria y diaria en su consumo es muy acentuada.. Algunos ejemplos de

este tipo de instalación son: Albuixech, Alcázar, Alicante, Burgos, Córdoba, Málaga, Navarra,

Tarragona, Vigo, Villaverde…

Para la realización del modelo se ha utilizado un modelado ingenuo ya que se observan unos

patrones muy bien definidos, y con él se puede de recoger las tendencias observadas en datos

históricos y copiarlas para los eventos futuros, con un resultado muy satisfactorio.

Ilustración 6-6.Estacionalidad horaria y diaria según el promedio de las instalaciones de almacenamiento. Elaboración propia

0

5.000

10.000

15.000

20.000

25.000

30.000

35.000

Lunes Martes Miércoles Jueves Viernes Sábado Domingo

Consumo (kWh)



6.2.3 Instalaciones cabecera cola

Como se ve en el mapa de infraestructuras de la compañía, existen algunos oleoductos aislados del

resto de oleoductos. Estos son tres: la instalación de Bens (conecta La Coruña con Vigo), el

oleoducto que conecta Castellón con Valencia, y el oleoducto que conecta Cartagena con Alicante.

Estas instalaciones se han estudiado por separado debido a la sencillez del transporte por oleoducto,

ya que no intervienen tantos factores externos como en las demás, y por qué el peso de la parte de la

instalación de almacenamiento es suficientemente elevada como para no ser obviada, como sucede

en otras instalaciones en las que el consumo de los bombeos al oleoducto eclipsa cualquier otro

consumo.

En este caso, se ha realizado un modelo rígido que sólo tiene en cuenta si existe caudal de bombeo o

no, y según el día de la semana y la hora; ya que existe una estacionalidad importante según estas

divisiones. Por tanto, se trata de un modelo mixto en el que se han mezclado suposiciones que se han

hecho para las estaciones de bombeo con suposiciones de las instalaciones de almacenamiento.

Se ha obtenido un modelo cuya diferencia con el valor real posee una desviación estándar de 159

kWh, con lo que se llega a un modelo que se ajusta lo suficientemente a la realidad como para

utilizarlo en la previsión de la demanda.

6.2.4 Otros

Se ha omitido el análisis de algunas instalaciones, con el objetivo de simplificar el estudio, ya que la

finalidad de éste no es más que estudiar la viabilidad de realizar un modelo de previsión de demanda

ajustado a la realidad. Para una futura mejora de dicho modelo se deberían estudiar todas y cada una

de las instalaciones, con una mayor profundidad.

6.2.5 Resultado del análisis de previsión de consumos

Al sumar el modelo de previsión de demanda de cada una de las instalaciones y compararlo con el

consumo, se obtiene un resultado con la siguiente distribución:


62


Ilustración 6-7. Histograma de la diferencia entre el consumo real y el modelo de previsión de consumo.

Se trata de una distribución normal centrada en 0 y con una desviación estándar de 2007 kWh. Este

estudio ha sido realizado sobre datos reales del año 2015.

A continuación se va a cuantificar en dinero estos posibles desvíos del modelo. Para ello se explicará

brevemente cómo funciona la gestión de los desvíos para los grandes consumidores, es decir los que

acuden al mercado mayorista comerciando directamente con el operador del mercado.

6.2.6 Gestión de los Desvíos

La liquidación de los desvíos depende de varios factores; en primer lugar del desvío en sí, que se

define como la energía medida menos la energía programada, ya que la liquidación variará si el

desvío es a favor o en contra del sistema.

Por otra parte se desarrolla la necesidad neta del balance del sistema para determinar el precio que se

debe aplicar al desvío.

La liquidación puede ser de dos tipos; la liquidación consolidada del desvío por sujeto de

liquidación, que dependerá del sentido del desvío total de las unidades de programación del sujeto, o

la liquidación de cada unidad de programación por separado.

Finalmente se desarrolla el coste del desvío dependiendo de si es a favor o en contra del sistema y la

exposición de la exención de dicho coste en algunas instalaciones.

0

0,5

1

1,5

2

2,5

-11

40

0

-74

00

-61

00

-55

00

-50

00

-45

00

-40

00

-35

00

-30

00

-25

00

-20

00

-15

00

-10

00

-50

0 0

50

0

10

00

15

00

20

00

25

00

30

00

35

00

40

00

45

00

50

00

55

00

60

00

66

00

10

90

0

70

00

Diferencia entre consumo real y modelo de previsión de consumo (kWh)



Ilustración 6-8. Cálculo del precio de los desvíos (Moreno Movilla)

Siendo NNS la necesidad del sistema, cuando es mayor que 0, la necesidad del sistema es aumentar

la cantidad de energía que hay en el sistema, es decir, que los generadores aumenten la producción o

que los consumidores disminuyan la cantidad de energía demandada


64


EB es la energía de balance

PMD es el precio del mercado diario

Ilustración 6-9.Diferenciación entre desvíos a favor o en contra del sistema (Moreno Movilla)

6.2.6.1 Coste de los desvíos

Desvíos en contra:

El coste del desvío dependerá en el caso de ser desvío a subir o desvío a bajar; si el desvío es en

contra a subir y es mayor que cero, el coste del desvío será el Precio del Mercado Diario (PMD)

menos el Precio del desvío a subir (PDSVS); y su precio será el Precio del desvío a subir (PDSVS).

En el caso del desvío en contra a bajar (DSVCB), si éste es menor que cero, su coste de desvío será

el Precio del desvío a bajar menos el Precio Medio Diario; su precio será el Precio del desvío a bajar

(PDSVB).

En el caso de una unidad de programación el coste del desvío dependerá del precio de desvío

apantallado liquidado.

Desvíos a favor:

Tanto si el desvío es a subir como si el desvío es a bajar el precio del desvío será el Precio del

Mercado Diario y el coste del desvío será cero.

Fuente (Moreno Movilla)



6.2.7 Aplicación a valores del 2015 de CLH

Se han aplicado estos cálculos al caso real de 2015, para ello se ha necesitado la previsión de

consumo previamente calculada, el consumo real de la compañía, el precio del mercado diario, el

precio de cobro de los desvíos a subir y el precio de pago de desvíos a bajar. Estos últimos datos se

pueden obtener de la página web de (e-sios).

Como resultado de éste análisis se ha obtenido que el coste de los desvíos es de 0,32 € / MWh . Hay

que tener en cuenta que el consumo de la compañía es de alrededor de 250 GWh al cabo del año y

que la comercializadora aplica un 0,2 € / MWh a la factura como concepto de desvíos. Esto significa

50.000 € al cabo del año. Por lo que, finalmente, la penalización que se recibe por desvíos por el

hecho de acudir al mercado como consumidor directo es de

0,32 €/MWh – 0,2 €/MWh = 0,12 €/MWh

6.3 Gestión de coberturas

6.3.1 Introducción

Para una mayor comprensión del lector se añaden dos gráficos en los que se muestra la diferencia

más significativa entre la cobertura por bandas y la cobertura por porcentajes: los desvíos entre la

energía programada y la consumida, que provocan la compra/venta de esta diferencia en el mercado

diario, además de la aplicación de un coste de desvíos.

En el gráfico superior de la siguiente ilustración se expone cómo sería una cobertura del 90% por

porcentajes (coloreado en azul) mientras, que la zona coloreada en verde sería energía que se debería

comprar en el mercado diario.

En el gráfico inferior, se observa con una misma cobertura del 90 % del consumo medio del

consumidor se cubre mediante bandas base. En este caso, al contrario que en la cobertura por

porcentajes se observa como a veces, la cantidad de energía cubierta es mayor que la que se consume

(naranja). Este excedente de energía se debe vender en el mercado diario. Otras veces, al igual que

pasaba en las coberturas por porcentajes, la energía cubierta es menor que la energía consumida y

esta diferencia debe comprarse en el mercado diario.


66


Ilustración 6-10 a) Cobertura por porcentajes; b) Coberturas por bandas

El hecho de acudir al mercado diario no tiene por qué suponer pérdidas, todo depende del precio de

la cobertura y del precio del mercado diario en ese momento. Como se ve en el siguiente gráfico, se

han expuesto los precios de una cobertura separada por trimestres y el precio del mercado diario:

Ilustración 6-11. Ejemplo de precios de cobertura

Esto hace que si se debe vender en el mercado diario, será más beneficioso hacerlo cuando el precio

de la cobertura sea menor que el precio del mercado diario. En cambio, si se debe comprar al

mercado diario, será más beneficioso cuando el precio del OMIE sea menor que el precio de la

cobertura.

Co

nsu

mo r

eal

vs

cub

iert

o

Co

nsu

mo r

eal

vs

cub

iert

o



6.3.2 Análisis del coste

Uno de los cambios más importantes que introduce el hecho de ser un consumidor directo a mercado

es que ya no es posible contratar la energía mediante coberturas por porcentajes en el mercado de

futuros. Con esta nueva metodología sólo se pueden realizar coberturas utilizando bandas base.

Para cuantificar el efecto de la contratación mediante bandas base comparada con la contratación por

porcentajes se ha analizado el consumo horario de la compañía durante el año 2015. Para ello,

también se ha utilizado un modelo de simulación del precio del mercado diario (OMIE).

El modelo de simulación nos aporta para cada hora un posible valor del mercado diario, que depende

de varios factores como la producción de las distintas tecnologías, la época del año o la demanda

nacional. En los próximos capítulos se profundizará más en este modelo.

Para obtener el precio de la energía consumida realizando una cobertura por porcentajes es necesario

conocer el porcentaje de cobertura que se decide realizar (se trata de un numero aleatorio entre 0 y

100, que tiene en cuenta los datos históricos de coberturas por trimestre).

Para comparar ambos modelos se supone una cobertura por bandas proporcional al porcentaje de

cobertura por porcentajes, es decir

𝐵𝐵𝑛 (𝑀𝑊ℎ) = 𝐶𝑂𝐵𝑛 𝑥 ∑ 𝐶𝑜𝑛𝑠𝑢𝑚𝑜𝑖 (𝑀𝑊ℎ)

ℎ𝑛𝑖=1

ℎ𝑛

Siendo:

BBn: Banda base para el mes n

COBn: porcentaje de cobertura en el mes n

Consumoi: consumo de la compañía a la hora i

hn: número de horas del mes n

Para poder calcular un precio de la energía necesitamos saber también el precio de nuestra cobertura,

el cual hemos supuesto como un aleatorio entre 30 y 50 euros por MWh (supuesto así utilizando

datos históricos de precios de coberturas).

Ahora se calcula el precio de la energía utilizando cobertura en porcentajes como:

𝐶𝐻𝑃𝑃ℎ = (𝐶𝑂𝐵𝑛 ∗ 𝑃𝐶𝑂𝐵𝑛 + (100 − 𝐶𝑂𝐵𝑛) ∗ 𝑂𝑀𝐼𝐸ℎ) ∗ 𝐶𝑜𝑛𝑠𝑢𝑚𝑜𝑖

Siendo:

CHPPh: el coste horario del consumo por porcentajes a la hora h

PCOBn: precio de la cobertura en el mes n

OMIEh: precio del mercado diario a la hora h


68


Para el cálculo del coste horario por bandas se utiliza la siguiente fórmula:

𝐶𝐻𝑃𝐵ℎ = (𝐵𝐵𝑛 ∗ 𝑃𝐶𝑂𝐵𝑛 + (𝐶𝑜𝑛𝑠𝑢𝑚𝑜𝑖 − 𝐵𝐵𝑛) ∗ 𝑂𝑀𝐼𝐸ℎ) ∗ 𝐶𝑜𝑛𝑠𝑢𝑚𝑜𝑖

Siendo:

CHPBh: el coste horario del consumo por bandas a la hora h

Se han realizado 10000 iteraciones de dicho cálculo obteniéndose los siguientes resultados divididos

en meses:

OMIE

Porcentaje cubierto

Precio de cobertura

Precio pagado por porcentajes

Altura de banda base

Precio pagado por bandas base

Diferencia del coste horario por porcentajes con respecto a coste por bandas

Con estos resultados se han obtenido 12 gráficos, uno para cada mes en los que se ve la relación

entre la calidad de la cobertura y las ganancias de un método con respecto al otro. Se define como

calidad de la cobertura a la diferencia entre el precio de cobertura y el precio del OMIE, así, una

cobertura buena será la que el precio del OMIE sea superior al precio de la cobertura. De la misma

manera, una mala cobertura será aquella en la que el precio de la cobertura sea mayor que el precio

del OMIE.

Así pues, en el grafico que se muestra a continuación, las coberturas buenas (más baratas) son las

que se sitúan a la izquierda y las coberturas malas (más caras), las que se sitúan a la derecha,

siguiendo el eje horizontal.

Dicho gráfico, se ha obtenido separando los resultados por porcentaje de cobertura, desde el 20 al 80

% de cobertura, y cómo se ve a continuación este factor tiene un efecto muy marcado en la opción

óptima de gestión de coberturas.

De la misma manera, en el eje vertical, cuando nos encontremos en la zona superior, será señal de

que es mejor una cobertura por bandas, y por el contrario, en la zona inferior, será señal de que una

cobertura por porcentajes es la gestión óptima.

Se va analizar los resultados separándolos por meses.

Se ha optado por dejar en el anexo el análisis de cada uno de los meses, dejando aquí tan solo dos

meses significativos, Febrero y Abril.



Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo

Buena Bandas Porcentajes

Mala Porcentajes Bandas

Tabla 6-1. Gestión de cobertura óptima para Febrero

Se aprecia un cambio muy importante en cuanto pasamos del 50% de cobertura al 60%, esto se debe

a que los mínimos de consumo en este periodo se sitúan justamente en los 18MWh, que coincide con

el 60% del consumo promedio de Febrero (alrededor de 30 MWh).

Los resultados que se obtienen con una diferencia entre OMIE y precio de cobertura mayor a ±10 se

pueden omitir.

-6

-4

-2

0

2

4

6

8

10

(13

,00

)

(12

,00

)

(11

,00

)

(10

,00

)

(9,0

0)

(8,0

0)

(7,0

0)

(6,0

0)

(5,0

0)

(4,0

0)

(3,0

0)

(2,0

0)

(1,0

0)

-

1,0

0

2,0

0

3,0

0

4,0

0

5,0

0

6,0

0

7,0

0

8,0

0

9,0

0

10,0

0

11,0

0

12,0

0

13,0

0Co

ste

ho

rari

o p

or

po

rcen

taje

s -

cost

e p

or

ban

das

Precio de cobertura- Precio OMIE

Febrero

20

30

40

50

60

70

80

Ilustración 6-12. Comparación de coberturas por porcentajes vs coberturas por bandas base en Febrero. Elaboración propia


70


Tabla 6-2. Gestión de cobertura óptima para Abril


a que los mínimos de consumo en este período se sitúan justamente en los 12MWh, que coincide con

el 40% del consumo promedio de Abril (alrededor de 30 MWh).

-6

-4

-2

0

2

4

6

8

10 (

12

,00

)

(11

,00

)

(10

,00

)

(9,0

0)

(8,0

0)

(7,0

0)

(6,0

0)

(5,0

0)

(4,0

0)

(3,0

0)

(2,0

0)

(1,0

0)

-

1,0

0

2,0

0

3,0

0

4,0

0

5,0

0

6,0

0

7,0

0

8,0

0

9,0

0

10,0

0

11,0

0

12,0

0

Co

ste

ho

rari

o d

e p

or

po

rcen

taje

s -

cost

e p

or

ban

das

Precio de cobertura - Precio OMIE

Abril

20

30

40

50

60

70

80




Ilustración 6-13. Comparación de coberturas por porcentajes vs coberturas por bandas base en Abril. Elaboración propia



Se han realizado 10.000 iteraciones, en las que se ha comparado el coste anual de la energía

utilizando una cobertura por bandas y utilizando una cobertura por porcentajes.

Ilustración 6-14. Histograma de 10.000 iteraciones comparando coberturas por porcentajes y por bandas

Se observa cómo se tiende a perder dinero utilizando las coberturas por porcentajes, de media

0.05 €/MWh, con un riesgo máximo de perder 0.12 €/MWh y con una oportunidad de tener unos

beneficios de 0.24 €/MWh a lo largo de un año. Comparado con el coste total de suministro, este

coste no es significativo por lo que se puede considerar que su efecto es nulo.

6.3.3 Análisis y conclusiones del estudio

Primeramente, es necesario recordar que estas gráficas han sido el resultado de coberturas aleatorias

y que, por lo tanto, los extremos no son representativos de la realidad. Es decir, es muy difícil que

ocurra que exista una diferencia de más de 10 euros entre el precio de la cobertura y el promedio del

precio del OMIE en el mismo mes.

El primer resultado que se puede derivar del análisis de dichas gráficas es que el hecho de realizar las

coberturas por bandas base no introduce pérdidas importantes con respecto a las coberturas mediante

porcentajes.

Incluso en algunos casos es más económico realizar las coberturas mediante bandas base.

En la siguiente tabla se muestra un resumen de los costes que conlleva el hecho de acudir como

consumidor directo a mercado:

Precio anual pagado por porcentajes- precio pagado por bandas (€/MWh)


72


Concepto Coste (€/MWh)

Ahorro de Costes de Libre Establecimiento* -1,29

Coste de desvíos +0.12

Ahorro por bandas -0.05

TOTAL -1.22 Ilustración 6-15. Resumen costes consumidor directo a mercado

*Ahorro calculado por no pagar la tasa municipal (1€/MWh) ni el Canon de Eficiencia (0.29€/MWh)

ANÁLISIS DEL MERCADO DE FUTUROS


7. ANÁLISIS DEL MERCADO DE

FUTUROS

En este capítulo se analizará el mercado de futuros con el objetivo de poder monitorizar una

estrategia de contratación que nos aporte el momento óptimo para la realización de una cobertura en

el mercado de futuros

Se utilizaran dos tipos de indicadores para el análisis:

Análisis técnico a través de indicadores bursátiles

Análisis de los factores fundamentales que influyen en el precio de la electricidad

7.1 Indicadores bursátiles

Se utilizarán distintas estrategias de trading para identificar las tendencias de subida y de bajada de

los distintos productos. Se seguirán los siguientes cinco indicadores:

1. Medias móviles simples

2. MACD

3. Rate of Change

4. Índice de fortaleza relativa (RSI)

5. Posiciones abiertas (Open Interests)

A continuación se explican los indicadores elegidos siguiendo la siguiente estructura:

A. Descripción

B. Cómo calcular el indicador

C. Cuando nos ofrece señales de compra/venta

7.1.1 Medias móviles simples

A. Una media móvil simple es la media aritmética de los n datos anteriores. En esta técnica

elemental de predicción, cuanto más grande sea n, mayor será la influencia de los datos

antiguos. En contrapartida, si se selecciona una n baja, se tendrán en cuenta datos más

recientes para nuestra predicción.

Las medias móviles sirven como zonas de soporte y resistencia. Una MMs creciente tiende a

servir como un suelo por debajo de los precios, y una MMs descendente actúa como un techo


74


por encima de ellos. Adicionalmente los cortes entre el precio y las MMS y los cruces entre

MMS son momentos a tener en cuenta para la posible compra/venta.

B. Para el caso del mercado eléctrico se han utilizado las medias móviles de 20 y de 50 (MMs20

y MMs50). Se realiza la media aritmética de los 20 datos anteriores (valor del precio) y

situamos el resultado a la misma altura que el último dato incluido en la media.

Se realiza la misma operación con los últimos 50 datos para crear la MMs50

Se realiza un gráfico que incluya la curva del precio y las dos medias móviles generadas.

C. Las medias móviles generan señales de compra/venta en dos situaciones:

Cruce entre la variable precio y las medias móviles MMs20 y MMs50

Cuando la curva del precio alcanza a la MMs 20 desde abajo hacia arriba indica que es un

buen momento para realizar una compra, del mismo modo cuando la curva del precio

cruza de arriba hacia abajo a la MMs20, nos ofrece una señal de venta. Una buena señal

de compra seria que el precio (azul), estando por debajo de las medias móviles, cruzara

bruscamente la media móvil de veinte datos (rojo)

Hay que tener en cuenta el ángulo entre las curvas en el momento de cruce. Un cruce muy

brusco (ángulo elevado) da señales de cambio de tendencia más fuertes que un ángulo

pequeño entre las curvas. De hecho, los cruces con ángulo pequeño suelen dar falsas

indicaciones.

Cruce entre las medias móviles

El cruce de las dos curvas generadas determina un cambio de tendencia, ya que la media

móvil de cincuenta datos predice cambios de tendencia a más largo plazo y la de veinte

los predice a un plazo menor. Al igual que en el punto anterior, debemos estar atentos a la

brusquedad del cruce.



38

40

42

44

46

48

50

52

Yr-2017

MMs-20

MMs-50

Señales de compra/Venta

Veamos un ejemplo, lo hemos realizado para la variable Yr-17.

Falsas indicaciones

MMs20 actúa

como techo de los

precios

Ilustración 7-1. Medias Móviles


76


7.1.2 MACD (Moving Average Convergence Divergence)

A. Este indicador, utiliza medias móviles exponenciales y la relación entre estas para predecir

las tendencias del mercado.

Una media móvil exponencial (MME) es una herramienta mejor que una MM simple para

seguir tendencias. Da más peso a los datos recientes y responde a los cambios más

rápidamente. Al mismo tiempo, una MME no salta en respuesta a datos viejos.

Se utilizará la línea MACD y la línea de Señal. La línea de MACD se obtiene con dos medias

móviles exponenciales (MMEs) y responde a los cambios de precios de forma relativamente

rápida. La línea de Señal es la línea de MACD alisada mediante otra MME, ésta responde a

los cambios de precios algo más lentamente.

B. Se procede a calcular una MME del siguiente modo.

MME = Phoy * K + MMEayer * (1− K)

Donde K = 2 / (N + 1)

N = Número de días en la MME (escogido por el usuario)

Phoy = el precio de hoy

MMEayer = La MME de ayer

Después de la realización de varias pruebas se observa que al cambiar la N a 30, 50, 20 se

obtienen los mejores resultados. Aumentando los valores de N conseguimos eliminar

oscilaciones. La contrapartida de eliminar las oscilaciones es que cuanto más se aumentan los

valores de N, más se aumenta la distancia (en el tiempo) entre el punto óptimo real de compra

y la señal de compra que nos arroja el indicador.

1. Calcular una MME de 30 días con los precios de cierre;

2. Calcular una MME de 50 días con los precios de cierre;

3. Realizar la diferencia entre la MME30 y la MME50. Esta es la línea rápida del MACD;

4. Calcular una MME de 20 días de la línea rápida. Esta es la línea de Señal.

5. Realizar un gráfico que incluya las líneas de Señal y MACD, juntamente con los datos

iniciales (precio) para valorar las señales del indicador.



C. Cuando la línea rápida del MACD cruza hacia arriba a la línea lenta de Señal, da una señal de

compra.

Se trata de un indicador que predice una bajada de los precios cuando la MACD alcanza

valores cada vez más bajos. En cambio, cuando están bajando los precios, si los valores del

MACD y la Señal cada vez son más altos, indica un cambio de tendencia.

30

35

40

45

50

55

-1

-0,5

0

0,5

1

1,5

2

MACD

Señal(MME)

Yr-2017

Ilustración 7-2. Moving Average Convergence-Divergence (MACD)

Compra Compra

Venta Venta


78


7.1.3 Rate of change

A. El Rate of Change (RoC) es un indicador anticipatorio, muestra cuando una tendencia

aumenta su velocidad, se ralentiza o mantiene su ritmo de progresión. Usualmente alcanza su

techo antes de que la tendencia llegue al suyo y alcanzan su suelo antes de que los precios

toquen el suyo.

El Rate of Change compara los precios de cierre de hoy con los de un periodo seleccionado,

hacia atrás. Cuando el RoC alcanza un nuevo máximo muestra que el optimismo está

creciendo y que los precios probablemente subirán más alto. Ocurre lo mismo en sentido

contrario para la bajada de precios. En cambio, cuando los precios bajan pero el Rate of

Change sube, avisa que un mínimo está cercano y es el momento de comprar ya que los

precios no van a bajar mucho más.

El Rate of Change comparte un defecto con las medias móviles simples: salta dos veces en

respuesta a cada dato. Reacciona con cada nuevo precio, y salta de nuevo cuando ese precio

abandona el periodo n. El Rate of Change Alisado (RoC-L) da una solución a este problema.

Éste realiza los mismos cálculos que el RoC, pero en lugar de realizarlos directamente sobre

el precio, lo hace sobre una media móvil exponencial. En este caso, se ha escogido la media

móvil exponencial de 13 días (MME-13). Para que el resultado tenga más en cuenta las

tendencias a medio plazo, se realiza el RoC-L escogiendo una n de 21 días

B. El procedimiento de cálculo es el siguiente:

RoC =Phoy /Phoy-n

Donde

RoC = Rate of Change

Phoy = Precio de cierre de hoy

Phoy-n = Precio de hace n días (escogido por el usuario)

Después de analizar los resultados de la predicción con distintos valores de n, se ha escogido

n=7 días.

1. Calcular el RoC-7 de la variable precio

2. Calcular la MME-13 de la variable precio

3. Calcular el RoC-21 de la Media móvil exponencial (MME-13), esta será la curva del Rate

of Change Alisado (RoC-L 13/21).

4. Insertar en un gráfico las variables precio, MME-13,RoC-7 y RoC-L 13/21



C. Como se observa en el ejemplo, los cambios de tendencia en los indicadores anticipatorios

ocurren 1 o 2 días antes que en la variable precio. Se debe ir con cuidado con los indicadores

anticipatorios porque prevén igualmente cambios de tendencia a largo plazo como a corto

plazo y a nosotros solo nos interesan los primeros.

Rate of Change alisado:

Utilizamos la mejora del RoC para las verdaderas señales de compra:

Se debe comprar cuando el RoC-L se gira hacia arriba, estando por debajo de la línea

central. Vemos que anualmente alcanza un mínimo alrededor del final del primer

trimestre, de valor aproximado 0,96. Este mínimo se debe a la estacionalidad del mercado

eléctrico peninsular. Debemos estar muy atentos cuando el RoC-L esté cerca de dicho

valor.

Si los precios alcanzan un nuevo mínimo pero el RoC-L alcanza un máximo más alto que

el anterior, es una señal de que el mercado va a subir. Hay que comprar en este momento.

Ilustración 7-3. Rate of Change y Rate of Change Alisado

30

35

40

45

50

0,92

0,97

1,02

1,07

1,12

1,17

02

/01

/20

14

02

/02

/20

14

02

/03

/20

14

02

/04

/20

14

02

/05

/20

14

02

/06

/20

14

02

/07

/20

14

02

/08

/20

14

02

/09

/20

14

02

/10

/20

14

02

/11

/20

14

02

/12

/20

14

02

/01

/20

15

02

/02

/20

15

02

/03

/20

15

02

/04

/20

15

02

/05

/20

15

02

/06

/20

15

02

/07

/20

15

02

/08

/20

15

02

/09

/20

15

02

/10

/20

15

02

/11

/20

15

02

/12

/20

15

RoC 7

RoC-L 13/21

YR-2016

Cambio de tendencia

Compra Compra


80


7.1.4 Índice Relative Strength Index (RSI)

A. El Relative Strength Index, es un oscilador que mide la fortaleza del producto de estudio

controlando los cambios en sus precios de cierre, en comparación con los días anteriores.

Se utilizan líneas de referencia que nos indican cuando el precio está sobrevalorado o cuando

está menospreciado.

B. Realiza el promedio de cierres al alza de un seleccionado número de días y lo divide entre el

promedio de cierres a la baja durante el mismo número de días.

Proceso de cálculo:

1. Obtención de los precios de cierre de los últimos n días. Para el caso que aplica, se ha

utilizado n=40, como se explicará posteriormente.

2. Localización de todos los días en los que el mercado cerró más alto que el día anterior y se

suman todos los incrementos. Al dividir la suma por n se obtiene el promedio AL ALZA de

los cierres.

3. Localización todos los días en los que el mercado cerró más bajo que el día anterior y se

suman todos los decrementos. Al dividir la suma por n se obtiene el promedio A LA BAJA

de los cierres.

4. Al dividir el Promedio AL ALZA entre el promedio A LA BAJA se obtiene la Fuerza

Relativa (RS). Se Inserta el RS en la fórmula para llegar al RSI (Relative Strength Index).

𝑅𝑆𝐼 = 100 −100

1 + 𝑅𝑆

5. A continuación se grafican las variables precio, RSI y además se añaden las líneas de

referencia. Las líneas de referencia horizontales deben pasar por los picos más altos y los

valles más profundos del RSI. Se utiliza la regla del 5 por ciento: Trazar cada línea a un nivel

más allá del cual el RSI esté solo el 5 por ciento del tiempo, y eso para los últimos 4 o 6

meses. Se deben ajustar cada tres meses. En el ejemplo se ha colocado a 30 y a 60.

Se ha analizado con 7, 20 y 40 días. A medida que vamos aumentando el número de días

seleccionados, el indicador se hace menos oscilatorio y revela las tendencias a más largo

plazo. Utilizaremos la n=40 días. Si seguimos aumentando n, no detectamos algunas de las

tendencias importantes.



C. El RSI nos indica que una tendencia bajista es estable si el RSI cada vez alcanza mínimos

más bajos. Lo mismo ocurre con las tendencias alcistas.

Las señales de compra se dan en las divergencias alcistas entre el RSI y los precios. Ocurren

cuando los precios caen a un nuevo mínimo mientras que el RSI hace un suelo más alto que el

precedente. Se debe comprar tan pronto como el RSI se gire hacia arriba desde su segundo

suelo. Las señales de compra son especialmente fuertes si el primer suelo del RSI está por

debajo de su línea de referencia y el segundo por encima.

Vemos en el ejemplo del Yr-17 cuando el precio se encuentra sobrevalorado (por encima de

la línea de referencia superior) y cuando el precio se encuentra menospreciado (por debajo de

la línea de referencia inferior).

Ilustración 7-4.Relative Strength Index

25

30

35

40

45

50

0

20

40

60

80

100

120

RSI : 40

Cierre

Tendencia bajista:

mínimos cada vez

más bajos

Tendencia alcista:

máximos cada

vez más altos

Divergencia alcista: Compra


82


7.1.5 Posición abierta (Open Interest)

A. La posición abierta es igual al número total de contratos que existen entre compradores y

vendedores. Este indicador lo utilizan los traders para ver si las tendencias van al alza o a la

baja. Pongamos un ejemplo, en una tendencia alcista, si el número de contratos aumenta

significa que el optimismo está en auge. En cambio, en una tendencia alcista en la que el

número de contratos este alcanzando cada vez máximos más bajos significa que los precios

están listos para realizar un cambio de tendencia. Ocurre lo mismo en las tendencias bajistas.

En resumen, esta variable refuerza las tendencias.

Para nuestro caso, al estudiar un mercado de futuros, el número de contratos normalmente va

en aumento, no suele decrecer. Además se trata de un mercado con poco número de contratos

al día (en todo el año, se realizan una media de 1000 contratos).

B. No se debe realizar ningún cálculo para obtener las curvas de la Posición abierta,

simplemente se deben obtener los datos del operador del mercado (omip.pt)

C. Las posiciones abiertas sólo pueden ayudar a identificar cuando los compradores y

vendedores ven que es la mejor oportunidad para cubrirse, es decir, prevén que no habrá una

mejor ocasión en el futuro. También ayudan a determinar años con grandes diferencias con

respecto a los anteriores.

Se debe estar atento cuando los valores de la Posición abierta sean muy distintos de los

valores a la misma fecha relativa en otros años estudiados (p.ej. un año antes de la

finalización de la negociación).

A modo de ejemplo, se va a comparar el Yr-16 con el Yr-17:

En el caso del Yr-17 se observa que las posiciones abiertas están alcanzando máximos

históricos, ya que a falta de 9 meses para el cierre del calendar (31/12/16) se han alcanzado

los 700 contratos, cuando raramente el número de contratos al final del calendario ha

alcanzado los 1000 contratos. Todo ello indica que se debe estar muy atento a lo que nos

marcan el resto de indicadores para poder aprovechar la oportunidad.



30

32

34

36

38

40

42

44

46

48

50

0

200

400

600

800

1000

1200

1400

N. Contracts

Yr-2017

30

35

40

45

50

0

200

400

600

800

1000

1200

1400

N. Contracts

Yr-2016

Ilustración 7-5.Número de contratos de Calendar-17

Ilustración 7-6. Número de Contratos de Calendar 16


84


Resumen

Estadísticas de la regresión

Coeficiente de correlación múltiple0,933092819

Coeficiente de determinación R^20,870662208

R^2 ajustado 0,869830988

Error típico 1,410182882

Observaciones 784

ANÁLISIS DE VARIANZA

Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F

Regresión 5 10414,89093 2082,978187 1047,451311 0

Residuos 778 1547,143062 1,988615761

Total 783 11962,034

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

Intercepción 15,13043148 0,887980832 17,039142 1,45217E-55 13,38730926 16,8735537 13,38730926 16,8735537

Variable X 1 0,232534462 0,037882108 6,138371733 1,3278E-09 0,158171207 0,306897716 0,158171207 0,306897716

Variable X 2 0,050525749 0,004587116 11,01471007 2,54386E-26 0,04152116 0,059530339 0,04152116 0,059530339

Variable X 3 0,068623575 0,007000779 9,802277583 1,81183E-21 0,054880921 0,082366228 0,054880921 0,082366228

Variable X 4 0,218094012 0,016089557 13,55500388 9,8939E-38 0,186509924 0,249678101 0,186509924 0,249678101

Variable X 5 0,347358324 0,015786033 22,00415589 8,27888E-84 0,31637006 0,378346588 0,31637006 0,378346588

7.2 Factores fundamentales que afectan al precio de la

electricidad

Para llegar a tomar una decisión sobre el momento óptimo de compra, se debe introducir en el

análisis un estudio de los factores fundamentales que afectan al precio de la electricidad. El mercado

de la electricidad a largo plazo se moverá en la dirección que marcan los factores fundamentales, por

lo que este indicador servirá para intuir el precio “justo” de la energía eléctrica obviando los factores

especulativos.

Después de realizar varias pruebas, se ha decidido que el modelo que mejor se ajusta a la realidad

tiene en cuenta los siguientes factores:

Emisiones de CO2

Crudo

Gas natural

Carbón

OMIE (Media Móvil de 365 días del precio diario de la energía eléctrica)

7.2.1 Generación del modelo

Se han obtenido los datos de las variables anteriores desde 01/01/2010. A continuación, se ha

realizado una regresión múltiple, utilizando la herramienta de análisis de datos de EXCEL, para

modelar el valor de los cinco años anteriores al actual.

En el análisis de regresión hay que introducir los valores de las variables independientes (Crudo,

Emisiones,…), así como los valores de la variable que se pretende modelar, en este caso, el Yr+1. La

regresión múltiple nos arroja como resultados una tabla como la de la figura.

Ilustración 7-7. Regresión múltiple de los factores fundamentales que afectan al precio del mercado de futuros



Para la generación del modelo utilizamos la siguiente fórmula:

𝑀𝑜𝑑𝑒𝑙𝑜 = 𝐼𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑐𝑖ó𝑛 + ∑ 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑖

𝑖

× 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑖

Obteniendo los valores de los coeficientes y la intercepción del análisis realizado anteriormente.

Se realizan dos análisis de regresión:

Teniendo en cuenta sólo los primeros seis meses de cada año de estudio (Modelo1)

Teniendo en cuenta sólo los últimos seis meses de cada año de estudio (Modelo2)

Con ello se obtienen dos coeficientes para cada variable, cada uno de ellos para periodos

complementarios. Así, se tiene un modelo que se ajusta mejor al precio real de la electricidad.

Ahora se debe estudiar la manera de aplicar estos coeficientes de manera gradual para que no existan

saltos en el modelo entre el 31/06 y el 1/07. Debemos introducir una nueva variable “a” asociada a

cada día, de manera que:

Para día 01/01 a=0

Para día 31/12 a=1

Cada día tenga el mismo incremento

Entonces, si la columna B es la asociada a la fecha e introducimos nuestra variable en la columna C,

en la celda C3 nos quedaría una fórmula como la siguiente (Sabiendo que un año posee de media 254

días en los que existen datos):

= 𝑆𝐼(𝑌(𝐵2 = 12; 𝐵3 = 1); 0; 𝐶2 + 1/254)

Se debe introducir el primer valor de la primera fila en la columna, ya que la fórmula introducida

hace depender el valor de una celda de la superior. P.ej.: C2=0 (si es el primer día del año).

Para obtener nuestro modelo definitivo, aplicamos la nueva variable a cada uno de los modelos:

𝑀𝑜𝑑𝑒𝑙𝑜3 = 𝑀𝑜𝑑𝑒𝑙𝑜1 × (1 − 𝑎) + 𝑀𝑜𝑑𝑒𝑙𝑜2 × 𝑎


86


35,000

40,000

45,000

50,000

55,000

60,000

05/01/2010 05/01/2011 05/01/2012 05/01/2013 05/01/2014 05/01/2015 05/01/2016

OMIP

Modelo

Ahora se grafica el modelo 3 sobre la curva de los precios del mercado de futuros real (OMIP):

Existen algunos puntos en los que el modelo no se ajusta al precio adecuadamente, se encuentra la

explicación a estas divergencias en la posible especulación del producto, y en que algunos factores

pueden ponderar el precio con pesos mayores en caso de movimientos bruscos.

Las conclusiones que se extraen del gráfico son:

Cuando la curva del omip está por encima de la del modelo (omip regresión) significa que el

producto está sobrecomprado, es decir, su alto valor no encuentra explicación en los factores

fundamentales y lo normal es que en un futuro próximo se acerque al precio del modelo

Lo mismo ocurre en las divergencias a la baja, cuando la curva del omip se encuentra por

debajo de la curva del modelo el producto está menospreciado y lo normal es que en un

futuro la curva del precio intente alcanzar a la del modelo.

Ilustración 7-8. Modelado del mercado de futuros.



Estos cambios de tendencia se dan sobre todo cuando la curva del modelo se mantiene constante, y la

curva de la regresión se encuentra muy alejada de la de los precios reales.

Entonces las señales de compra se darán en los puntos rodeados en azul, las divergencias bajistas

entre las dos curvas.

En el anexo IV se muestran las fuentes de datos y el periodo máximo que debe pasar entre ñas

actualizaciones de datos.


88


8. ANÁLISIS DEL MERCADO

DIARIO

En este capítulo se analiza la estructura de generación y demanda de energía del mercado diario con

el objeto de conocer cómo será el precio del mercado diario en función de los distintos factores que

le afectan, para lo cual se ha desarrollado un modelo de simulación.

Simulación estocástica

El precio del mercado diario es una variable que depende de factores tan aleatorios como el viento, el

Sol o la lluvia, por lo que se puede considerar una variable aleatoria que responde a diferentes

estímulos. Debido a que no se dispone de los suficientes datos históricos como para realizar un

modelo analítico, por lo que se ha optado por desarrollar un modelo de simulación a partir de

generación de números aleatorios.

La simulación es una herramienta de la investigación operativa, sin duda, una de la más comúnmente

conocida y más utilizada por todo el mundo. Tanto es así, que la simulación está considerada una de

las más importantes técnicas de dicha disciplina, es por esto que a día de hoy esta herramienta sea tan

amplia y se haya extendido a numerosos ámbitos. (Aguerrea, 2015)

“El proceso de diseñar un modelo de un sistema real y realizar experimentos con este modelo con el

propósito de entender el comportamiento del sistema o de evaluar diferentes estrategias para el

funcionamiento del sistema.”

(Shannon)

En nuestro caso se han desarrollado modelos estocásticos para la demanda y las fuentes de

generación que tienen su origen en factores climatológicos, y determinísticos para las fuentes de

generación que por reglas de mercado tienen un comportamiento dependiente de las demás. Para

obtener resultados fiables se atenderá al teorema de los grandes números que establece que la

frecuencia relativa de los resultados de un cierto experimento aleatorio, tienden a estabilizarse en

cierto número, que es precisamente la probabilidad, cuando el experimento se realiza muchas veces.

Los resultados que se muestran aquí han sido obtenidos tras 10.000 iteraciones.

Según se ha explicado en capítulos anteriores, el precio del mercado diario resulta de la casación de

las curvas agregadas de oferta y demanda para cada hora. De esta manera se obtiene una curva

parecida a la de la siguiente figura.

ANÁLISIS DEL MERCADO DIARIO


Ilustración 8-1. Precios del mercado diario para el día 26/11/2015. Elaboración propia.

Se han analizado todas las posibles componentes que pueden afectar al precio del mercado y se ha

concluido que las más importantes son las siguientes:

Nivel de demanda eléctrica del país

Producción hidráulica

Producción Nuclear

Producción Solar

Producción Eólica

Producción de centrales de carbón

Producción de centrales de ciclo combinado

De esta manera, se ha desarrollado un modelo de simulación para cada una de las componentes

citadas anteriormente, los cuales se van a explicar a continuación siguiendo este esquema:

A. Descripción de la componente

B. Modelo utilizado

8.1 Modelo de demanda del país


La demanda del país es el principal factor que afecta a los precios, como se ha visto en el capítulo del

mercado eléctrico español. Posee una estacionalidad horaria muy marcada, depende de si se estudia

un día festivo o un día laborable, depende de si hace Sol, llueve, depende las temperaturas, etc.

Por todo ello, se ha decidido utilizar un modelo de generación de aleatorios teniendo en cuenta los

datos históricos segmentados por meses, días de la semana y horas.

0

10

20

30

40

50

60

70

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Pre

cio

de

l me

rcad

o d

airi

o (

eu

ros/

MW

h)

Hora


90


B. Modelo utilizado

Se han utilizado para el siguiente análisis de datos, los proporcionados por la página web de e-sios,

de demanda total del país (o producción, ya que cómo se ha explicado anteriormente, deben ser

iguales en todo momento) de los años 2014 y 2015.

Mediante un análisis sencillo de dichos datos se concluye que la hora con menor desviación estándar

es las 5 de la mañana. Entonces se intentará realizar un modelo para obtener ese dato de las 5 de la

mañana y después se le aplicará el rizado horario.

A continuación se calculará un modelo por el que se obtenga un valor de producción horaria a las 5

de la mañana.

Utilizando los valores horarios de la producción durante 2014 y 2015 se obtienen las siguientes

tablas que ofrecen el valor promedio de producción y la desviación estándar de la misma a las 5 de

la mañana, separando dichos valores según si se trata de día laboral o de día festivo (sábados y

domingos) y separado además por meses. Vemos los resultados en el siguiente gráfico y en las tablas

del anexo V.

Ilustración 8-2. Rango real de variación de la demanda según los meses del año

Con estos datos y mediante la fórmula de Excel DISTR.NORM.INV, con un promedio y desviación

estándar determinados, se obtiene un valor de producción a las 5 de la mañana para un día cualquiera

(PM5). Se ha utilizado una probabilidad aleatoria entre 0,1 y 0,9, debido a que las colas que presenta

una distribución normal producen una gran distorsión de los resultados.

El siguiente paso es calcular el promedio mensual las 5 de la mañana de este modelo. Con una

simple fórmula de PROMEDIO.SI, realizamos dicho cálculo, obteniendo PMM5.

Aquí surge el problema de que no se disponen de suficientes datos históricos como para obtener una

simulación fiable, es decir, puede que los años 2014 y 2015 no muestren todo el abanico de

posibilidades de la demanda nacional. Para solucionar dicho problema se plantea realizar otro

modelo de demanda utilizando datos históricos desde el año 2005.

-

5.000

10.000

15.000

20.000

25.000

30.000

35.000



Pero aquí surge otro problema y es que no se dispone de los datos de demanda horaria de antes del

año 2013. Bien pues como solución aceptable, se decide utilizar los datos mensuales de demanda

desde 2005, los cuales se pueden encontrar en la página web de Red Eléctrica de España.

Se han utilizado datos históricos de producción mensual desde 2005, disponibles en la página web de

REE, y se ha calculado el promedio horario y la desviación estándar separado por meses de dichos

datos obteniéndose el siguiente gráfico y la tabla del anexo V:

Ilustración 8-3.Rango modelado de variación de la demanda según los meses del año

Mediante la utilización de la fórmula de Excel, DISTR.NORM.INV, se obtiene el dato de

producción horaria media en cada uno de los meses (PHMM).

El siguiente paso es obtener el valor de la producción a las 5 de la mañana. Así pues se calcula el

coeficiente que hay que aplicar a la producción mensual para obtener la producción a las 5 de la

mañana (PHM5). Se obtiene un coeficiente de 0,793, es decir, el valor de la producción promedio a

las 5 de la mañana es el 79,3% del valor de la producción promedio de todas las horas del día.

A continuación se debe aplicar la ponderación que nos ofrecen los datos históricos de 2005 a 2015 a

los datos obtenidos por el primer modelo (con datos de 2014 y 2015). Así se obtiene la demanda

nacional las 5 de la mañana (PNM5):

𝑃𝑁𝑀5 =𝑃𝐻𝑀5 ∗ 𝑃𝑀5

𝑃𝑀𝑀5

Para finalizar el modelo se debe aplicar el rizado horario tomando como referencia el valor de

demanda a las 5 de la mañana para cada día:

Analizando los datos de producción horaria de 2014 y 2015 se obtienen las siguientes variaciones

horarias, separadas según si se trata de días laborales o de días festivos:

Utilizando los datos reflejados en las tablas 4 a 7, se puede obtener el valor de la demanda nacional a

una hora determinada h.

𝑃𝑁𝑀ℎ = 𝑃𝑁𝑀ℎ−1(1 + 𝐷𝐼𝑆𝑇𝑅. 𝑁𝑂𝑅𝑀. 𝐼𝑁𝑉(𝐴𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑜. 𝑒𝑛𝑡𝑟𝑒(0,1; 0,9); 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜; 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟))

-

5.000

10.000

15.000

20.000

25.000

30.000

35.000

40.000


92


Donde los datos de promedio y desviación estándar se recogen en las tablas anteriormente señaladas.

Se añade a continuación la comparación entre el valor que se obtiene ejecutando el modelo y el valor

el mismo dia en años anteriores. En concreto, se trata del día 8 de enero. Se observa que el modelo

sigue el rizado horario característico de la demanda y los valores están dentro de los rangos que se

espera. El hecho de que el valor de producción sea un poco menor que en los datos reales no

preocupa ya que al realizar muchas iteraciones de esta simulación obtendremos un rango de todos los

valores posibles.

Tabla 8-1. Ejemplo de funcionamiento del modelo de demanda nacional para el día 08/01.

De forma esquemática, el modelo se puede resumir de la siguiente manera:

-

5.000

10.000

15.000

20.000

25.000

30.000

35.000

40.000

45.000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

De

man

da

ho

rari

a (M

Wh

)

Hora

Modelo

2014

2015



Ilustración 8-4.Esquema de modelo de simulación de la demanda nacional


94


8.2 Modelo de producción hidráulica


La energía hidráulica es la energía renovable más antigua, utiliza la energía cinética y potencial del

agua para su transformación en energía eléctrica mediante su circulación por grandes turbinas. Se

puede almacenar esta energía utilizando presas y así realizar una gestión óptima de este recurso.

B. Modelo utilizado

Para la realización del modelo se han utilizado los datos que proporciona el ministerio de agricultura

de la cantidad de energía disponible que hay en los embalses, para modelizar dicha variable y

utilizarla para el cálculo de la energía hidráulica producida.

Para modelizar la energía disponible en los embalses se ha utilizado un modelo de generación de

aleatorios y para el cálculo de la energía hidráulica una regresión lineal múltiple segmentada con los

valores de la energía hidroeléctrica disponible y la variación de la misma. La segmentación responde

a las variaciones de producción que se observan en los distintos meses.

8.2.1 Previsión de energía disponible en embalses hidroeléctricos

El factor que más influye en la energía producida por los embalses hidroeléctricos es la energía

disponible en los mismos, dato que se obtiene de ministerio de agricultura.

De la página web del ministerio:

http://www.magrama.gob.es/es/agua/temas/evaluacion-de-los-recursos-hidricos/boletin-hidrologico/

Se pueden obtener los datos semanales históricos del llenado de embalses hidroeléctricos desde el

año 2003. Una vez se han recogido estos datos, se calcula la diferencia entre una semana y la

siguiente, de manera que se puede observar una clara estacionalidad en el llenado de los embalses,

correspondiente a la estacionalidad de las lluvias en España.

En el siguiente gráfico se muestra el nivel de llenado de los embalses de los últimos 4 años, en los

que se puede observar dicha estacionalidad:

http://www.magrama.gob.es/es/agua/temas/evaluacion-de-los-recursos-hidricos/boletin-hidrologico/



Ilustración 8-5. Datos históricos de energía disponible en embalses hidroeléctricos

Se necesita desarrollar una simulación que dé como resultado unos posibles valores del nivel de

llenado de los embalses en el futuro. Para ello se utiliza un modelo de generación de aleatorios, con

el que a partir de un dato inicial, se le va añadiendo semana a semana un incremento igual a la

variación que haya podido haber en la misma semana de un año anterior registrado.

Realizando miles de iteraciones de esta simulación se obtienen unos rangos de valores para una

semana del futuro.

En el siguiente gráfico se ilustra a modo de ejemplo cómo funciona el modelo de simulación, a partir

de un dato conocido (línea azul inicial), se crean una serie de supuestos casos que se podrían dar en

el futuro mediante la adición de los incrementos (o decrementos) reales de otros años.

-

2.000

4.000

6.000

8.000

10.000

12.000

14.000

16.000

18.000

20.000

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52

Ene

rgía

sip

on

ible

(G

Wh

)

Semana del año

2015

2014

2013

2012

2011


96


Ilustración 8-6. Ejemplo de evolución del modelo de simulación de los embalses

Se observa como el rango de valores que puede tomar la energía disponible en los embalses se va

haciendo mayor, cuanto más se aleja del punto real inicial. Entonces para una mayor exactitud del

modelo se debería actualizar el dato de la energía disponible en embalses cada semana.

De esta manera se consigue que para, por ejemplo, la semana 28 del siguiente año se tenga una

distribución de valores como la mostrada en el siguiente gráfico:

Ilustración 8-7. Distribución normal de probabilidad para la predicción de energía disponible en la semana 28

-

2.000

4.000

6.000

8.000

10.000

12.000

14.000

16.000

18.000

20.000

40 42 44 46 48 50 52 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38

Ene

rgía

dis

po

nib

le (

GW

h)

Semana del año

0%

5%

10%

15%

20%

25%

30%

35%

Pro

bab

ilid

ad

Energía disponible (GWh)



Se debe tener en cuenta que sólo se han realizado 100 iteraciones para la demostración del ejemplo,

cuantas más iteraciones se realicen mayor parecido tendrá la curva con una curva de distribución

normal.

Una vez se ha obtenido el valor de energía disponible en embalses hidroeléctricos, se pasa a

cuantificar la producción hidroeléctrica que supone.

Realizamos el promedio mensual de energía disponible en los embalses mediante la función

PROMEDIO.SI. A continuación se calcula la variación mensual de esta energía.

8.2.2 Coeficientes para el cálculo de la producción hidráulica

mensual

Tras el análisis de esta tecnología se observa que suele casar siempre a los precios más altos y no

casa cuando los precios del mercado son bajos. Esto se debe a la alta flexibilidad que posee dicha

tecnología, se trata de abrir compuertas de la presa cuando se sabe que los precios van a ser mayores

y cerrar las compuertas cuando se sabe que los precios serás bajos. Esto hace que la energía

hidroeléctrica sea una tecnología que estabiliza el precio, y en un mercado tan volátil como el

español hace que genere muchos ingresos. Desgraciadamente, la mayoría de la energía hidráulica ya

ha sido construida por lo que no se prevé un aumento de la potencia instalada.

Después de realizar hasta seis modelos para el cálculo de los coeficientes que se aplica al nivel de

energía disponible en los embalses, se opta por utilizar el que mejor resultados ofrece en cuanto a

coeficiente de correlación. Se trata de una regresión múltiple que separa los datos según si se trata de

los meses de Enero, Febrero, Marzo o Abril; o si por el contrario, es uno de los restantes.

Utilizando los datos ofrecidos por Red Eléctrica de España, se obtiene la producción mensual de

energía hidráulica mensual desde el año 2007. A continuación se muestran los resultados de las

regresiones múltiples que se han realizado tomando como variable a explicar la producción

hidráulica mensual y como variables explicativas, la energía disponible y la variación de dicha

energía disponible.


98


Tabla 8-2. Regresión múltiple para el cálculo de la producción hidráulica en los meses de Enero a Abril

Tabla 8-3. Regresión múltiple para el cálculo de la producción hidráulica en los meses de Abril a Diciembre

Utilizando los coeficientes obtenidos, se desarrolla un modelo que posee un coeficiente de

correlación de 0,93 y un coeficiente de R2 de 0,85.

Entonces la producción mensual hidráulica en el mes m (PMHm) será:

𝑃𝑀𝑆𝑚 = 𝐸𝐷𝑚 ∗ α + VarED𝑚β + Inter

Siendo:

Resumen primeros 4 meses


Coeficiente de correlación múltiple 0,91854385

Coeficiente de determinación R^2 0,84372281

R^2 ajustado 0,83395549


Observaciones 35


Grados de libertadSuma de cuadradosPromedio de los cuadradosF Valor crítico de F

Regresión 2 49207034,7 24603517,3 86,3821857 1,2657E-13

Residuos 32 9114293,05 284821,658

Total 34 58321327,7

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción -1772,8486 415,986562 -4,26179295 0,00016695 -2620,185497 -925,5116986

Variable X 1 0,34177004 0,03145094 10,8667686 2,8548E-12 0,277706584 0,405833505

Variable X 2 6253,9843 940,406162 6,65030128 1,6752E-07 4338,439634 8169,528968

Resumen últimos 8 meses




R^2 ajustado 0,70012066


Observaciones 72


Grados de libertadSuma de cuadradosPromedio de los cuadradosF Valor crítico de F

Regresión 2 18437987,6 9218993,78 83,8809481 3,36152E-19

Residuos 69 7583492,86 109905,694

Total 71 26021480,4

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 855,90124 176,496278 4,84940107 7,3729E-06 503,8007996 1208,001681

Variable X 1 0,10954207 0,01421058 7,70848884 6,8206E-11 0,081192744 0,137891392

Variable X 2 4731,98522 522,32112 9,05953261 2,3258E-13 3689,983094 5773,98734



EDm: Energía disponible en embalses hidroeléctricos en el mes m

VarEDm: Variación en la energía disponible en embalses hidroeléctricos entre el mes m y el mes m-1

VarED𝑚 = 𝐸𝐷𝑚−𝐸𝐷𝑚−1

α: coeficiente aplicado a la energía disponible en embalses hidroeléctricos. Depende del mes en el

que se encuentre, al igual que β (coeficiente aplicado a la variación de la energía disponible) y la

intercepción (Inter):

Mes≤4 Mes>4

α 0,34177 0,10954207

β 6253,9843 4731,98522

Inter -1722,8486 855,90124 Tabla 8-4. Resumen de coeficientes a aplicar para cálculo de producción hidráulica

A continuación dividiendo la producción mensual hidráulica (PMHm) entre el número de días que de

los que se compone el mes se obtiene la producción media diaria (PDMHm).

El hecho es que utilizando este modelo surgían errores debidos a que los datos de los embalses están

generados mediante números aleatorios y esto introducía errores que se acumulaban a lo largo del

tiempo.

Para solucionar este hecho se ha utilizado una reversión a la media. Este concepto frecuentemente

utilizado en el sector de la bolsa cuando ocurre un hecho excepcional, lo más normal es que el hecho

excepcional no vuelva a ocurrir y la cotización vuelva a sus niveles previos medios o reversión a la

media (Rankia).

Para la utilización de esta metodología se necesita el conocimiento de la desviación estándar diaria

de la variable que se va a revertir (DESVd). Para el cálculo de la desviación estándar diaria se utiliza

la fórmula de Excel DISTR.NORM.INV, con una probabilidad aleatoria, una media 0 y una

desviación D, donde D vale:

𝐷 = 𝑃𝐷𝑀𝐻𝑚 ∗ ⍵

⍵ = 0,31 𝑠𝑖 𝑃𝐷𝑀𝐻𝑚 > 2050

⍵ = 0,42 𝑠𝑖 𝑃𝐷𝑀𝐻𝑚 < 2050

Ahora, para calcular la producción diaria (PHd), se suma el promedio de los 4 días anteriores y los 4

días posteriores, junto con el día en cuestión; con el promedio de las desviaciones estándar del día en

cuestión, el día anterior y el día posterior.

A continuación, utilizando los datos de 2014 y 2015 de la página web de e-sios, se calcula el

porcentaje de desviación horaria con respecto al promedio diario, para incorporar la estacionalidad

horaria que posee la producción hidráulica.

Esta desviación se debe a que la energía hidráulica es de muy fácil regulación, sólo hace falta abrir

las compuertas de la presa cuando la energía eléctrica es más cara para vender el máximo en esas


100


horas; y mantener las compuertas cerradas en los momentos en los que la energía eléctrica sea más

barata.

En el siguiente gráfico se muestra cómo la curva de producción horaria es muy similar a la curva de

precios del mercado diario, lo cual responde al razonamiento realizado en el párrafo anterior.

Ilustración 8-8. Rizado horario típico de la producción hidráulica

Entonces la producción hidráulica horaria (PHh) será:

𝑃𝐻ℎ = 𝑃𝐻𝑑 ∗ 𝜕𝑚ℎ

Donde

∂mh es el coeficiente que se aplica a la producción media diaria hidráulica, que depende del mes m en

el que se encuentre y de la hora h. En la siguiente ilustración y en la tabla del anexo V se observa

cómo varía este coeficiente:

,00

1000,00

2000,00

3000,00

4000,00

5000,00

6000,00

7000,00

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24



Ilustración 8-9. Coeficiente aplicado a la producción media diaria según la hora y el mes

0%

50%

100%

150%

200%

250%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Enero

Febrero

Marzo

Abril

Mayo

Junio

Julio

Agosto

Septiembre

Octubre

Noviembre

Diciembre


102


0%

5%

10%

15%

20%

25%

30%

35%

1 2 3 4 5 6 7 8 9 10 11 12

Po

rce

nta

je d

e p

rod

ucc

ión

co

n r

esp

ect

o a

l to

tal a

nu

al

Mes

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

8.3 Modelo de producción eólica


La energía eólica es la más volátil de las tecnologías generadoras y la más extendida en nuestro país

de las energías renovables. Esto introduce una gran volatilidad en el precio. A pesar de ello, tras el

análisis de la producción de esta tecnología se ha detectado una cierta estacionalidad, que es debida

al calentamiento y al enfriamiento de la tierra y el mar, con lo que se crean las corrientes de aire.

B. Modelo utilizado

Se han tomado los datos de producción eólica desde el año 1999 hasta la actualidad de la página web

de Red Eléctrica de España. Teniendo en cuenta la potencia instalada en cada uno de los años se ha

realizado la siguiente tabla

Para una mejor apreciación de la estacionalidad que la producción eólica a lo largo del año se incluye

el gráfico de la tabla anterior

Ilustración 8-10. Porcentaje real de producción mensual eólica con respecto al total instalado



0

5.000

10.000

15.000

20.000

25.000

Po

ten

cia

eó

lica

inst

alad

a (M

Wh

)

El objetivo es realizar un modelo en el que se aplique el mismo razonamiento que en el caso de la

producción solar, ya que la producción eólica depende de los mismos factores que la producción

solar.

Con los datos de la Tabla del anexo V, se calcula el promedio y la desviación estándar de los

porcentajes de producción de cada uno de los meses.

Ilustración 8-11. Porcentaje modelado de producción mensual eólica con respecto a la potencia instalada

Ahora se va a analizar la potencia instalada desde 1999, mostrada en la ilustración 6-8

0%

5%

10%

15%

20%

25%

30%

35%

40%

Ilustración 8-12. Evolución de la potencia eólica instalada


104


Se ve cómo en los últimos años, la instalación de nuevos generadores eólicos se ha visto menguada

hasta llegar a ser nula. Entonces se puede suponer que la potencia instalada no ha variado entre el

año 2015 y el año 2016.

Así, sabiendo que la potencia instalada es de 22845 MWh y utilizando la función de Excel

DISTR.NORM.INV con una probabilidad aleatoria y con los promedios y las desviaciones estándar

indicados en la Tabla del anexo V, se puede obtener una producción eólica promedio de cada mes

(EPm)

Al igual que en el caso de la producción solar, se utilizan los datos de producción horaria de los años

2014 y 2015 obtenidos de Red Eléctrica de España y se separan por:

Semana del año

Hora del día

De esta manera se consiguen una media de 14 eventos para cada semana del año y cada hora.

Ahora asignamos a cada uno de los días de nuestra simulación de futuro un valor de producción

eólica según la hora y la semana en la que se encuentre (Ehs); esto se hace con una función

BUSCARV. A continuación, se calcula el promedio mensual de los valores obtenidos para un mismo

mes: EPHm.

El próximo paso es ponderar el valor del modelo sobre el valor que se había obtenido de producción

eólica promedio calculada con los datos desde el año 1999.

Así, la producción de una hora h y de un día que pertenece a la semana s y al mes m será:

𝐸ℎ𝑠𝑚 =𝐸𝑃𝑚𝐸ℎ𝑠

𝐸𝑃𝐻𝑚



8.4 Modelo de producción solar


La producción solar no depende de ningún factor humano, sólo de la cantidad de Sol que se recibe en

las placas solares. Este factor depende de la hora del día y de la época del año en que se encuentre.

Además depende de si el día está nublado o si, por el contrario, hace Sol.

La energía Solar es de muy fácil modelado ya que posee una estacionalidad horaria y semanal muy

marcada. Para la realización de este modelo, se han obtenido los datos de producción solar horaria de

los años 2014 y 2015 de la página web de e-sios.

Estos datos se han separado por:

Semana del año

Hora del día

B. Modelo utilizado

De esta manera, para cada semana del año y para cada hora, se dispone de una media de 14 eventos

(7 días en cada semana x 2 años), con lo que algunos eventos serán soleados y otros serán nublados.

En el siguiente gráfico se puede observar la estacionalidad mensual de la producción solar; se

observa como en los meses de verano, la producción llega a más de 3000 MWh, mientras que en los

meses de invierno, la producción promedio se sitúa alrededor de los 2200 MWh.

Ilustración 8-13. Producción Solar promedio de los años 2014 y 2015.

0

500

1000

1500

2000

2500

3000

3500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Pro

du

cció

n (

MW

h)

Hora

Enero

Febrero

Marzo

Abril

Mayo

Junio

Julio

Agosto

Septiembre

Octubre

Noviembre

Diciembre


106


Para determinar el valor de la producción solar de un día de nuestro modelo, se utiliza la función

BUSCARV, en la que aleatoriamente se selecciona uno de los eventos de la misma semana en la que

se encuentra, de una semana anterior o de una semana posterior.

Se trata de un modelo sencillo con el que se obtiene una producción solar muy ajustada a la realidad.

8.5 Modelo de producción Nuclear


La energía nuclear, es muy particular en cuanto a producción debido a que los costes de parada son

muy elevados, por lo tanto a las centrales nucleares les interesa estar el máximo tiempo posible

funcionando.

Otro hecho destacable en la producción de energía eléctrica mediante fisión nuclear es que la energía

producida por una central es constante, no depende de ningún factor externo, ni de la temperatura, ni

de las lluvias, ni del Sol…

Se va a analizar la curva de producción horaria por energía nuclear durante los años 2014 y 2015,

estos datos han sido obtenidos de la página web de e-sios. En el siguiente gráfico se muestran dichos

datos:

Ilustración 8-14. Producción Nuclear en los años 2014 y 2015

3000

3500

4000

4500

5000

5500

6000

6500

7000

7500

Pro

du

cció

n e

n M

Wh



Se trata de una producción muy escalonada, dichos escalones dependen de la cantidad de centrales

que se encuentran en marcha:

Si están todas activas (7), la producción es de 7100 MWh

Si están 6 centrales activas, la producción es de alrededor de 6100 MWh

Si están 5 centrales activas, la producción es de alrededor de 5060 MWh

Si están 4 centrales activas, la producción nuclear aja hasta los 400 MWh

Los picos más bajos se dan con tan poca frecuencia que se eliminan del análisis

Otra conclusión que se puede extraer del gráfico anterior es que es muy probable que durante un mes

se mantenga el mismo nivel de producción, salvo pequeñas incidencias que ocurren frecuentemente

pero no afectan al promedio mensual.

Ahora se va a estudiar la frecuencia con la que se da cada evento, separándose por meses, a

continuación se muestra el gráfico resultante:

Ilustración 8-15. Estacionalidad de la energía nuclear, diferenciado por niveles de producción (MWh)

Del análisis de dicho gráfico se extraen las siguientes conclusiones:

Se suelen realizar la mayoría de paradas en las centrales nucleares en los meses de Mayo y

Junio

En los meses de noviembre es probable encontrar al menos una central en estado de parada.

El mes de Marzo, es muy probable encontrar todas las centrales en marcha, al igual que en el

mes de septiembre

Estas conclusiones se han ratificado recogiendo los promedios mensuales de producción nuclear

facilitados por la página web de Red Eléctrica de España.

0%

20%

40%

60%

80%

100%

120%

7100

6100

5060

4000


108


B. Modelo Utilizado

A continuación se va a desarrollar un sencillo modelo para obtener una simulación de la producción

a futuro de energía eléctrica mediante la fisión nuclear.

Mediante la utilización de la siguiente tabla (Tabla 1) y la generación de números aleatorios entre 0 y

el máximo de frecuencia acumulada se obtiene dicho modelo, en el cual, según el número aleatorio

obtenido se asigna un valor de producción u otro.

FRECUENCIA

ACUMULADA

7100 6100 5060 4000

Enero 1488 745 27 0

Febrero 1344 105 0 0

Marzo 1486 40 0 0

Abril 1440 232 110 32

Mayo 1488 1447 939 186

Junio 1440 1440 1251 165

Julio 1488 1066 192 0

Agosto 1488 745 245 0

Septiembre 1440 305 0 0

Octubre 1490 835 330 0

Noviembre 1440 1440 379 0

Diciembre 1488 925 43 0

Tabla 8-5. Frecuencia acumulada de datos históricos en los años 2014 y 2015.



8.6 Modelo de producción de centrales de ciclo

combinado y de carbón


Las centrales de ciclo combinado y de combustión térmica convencional son las más contaminantes

del sector eléctrico y son las que poseen un coste marginal más alto, además son muy flexibles. Su

producción no depende de la naturaleza directamente, ya que utilizan combustibles fósiles como

materia prima para la producción de energía. Pero indirectamente sí que dependen de la cantidad

producción eléctrica renovable, ya que al poseer un mayor coste marginal, son desplazadas por las

tecnologías precioaceptantes y siempre casan por detrás de las renovables,

B. Modelo utilizado

Para comenzar este apartado, se va a definir el concepto de hueco térmico, que es la parte de la

demanda no cubierta por tecnologías precioaceptantes, como la Solar, la Eólica, la Nuclear y la

Hidráulica; y por tanto debe ser cubierto con centrales térmicas convencionales y ciclos combinados.

De esta manera, se han recogido los datos de producción horaria dividida por tecnologías de la

página web de e-sios de los años 2014 y 2015. Se ha calculado el hueco térmico a una hora h (HTh)

del siguiente modo:

𝐻𝑇ℎ = 𝐷ℎ − 𝑃𝐻ℎ − 𝑃𝑆ℎ − 𝑃𝑁ℎ − 𝑃𝐸ℎ

Siendo:

Dh: demanda nacional a la hora h.

PHh: producción hidráulica a la hora h.

PSh: producción solar a la hora h.

PNh: producción nuclear a la hora h.

PEh: producción eólica a la hora h.

El siguiente paso ha sido el cálculo de producción térmica real (PTRh): sumando la producción

térmica convencional con la producción de las centrales de ciclo combinado y las centrales de

cogeneración. Se dispone de dichos datos en la misma página web del e-sios.

Se podría pensar que las variables HTh y PTRh deberían coincidir, pero no es así. Esto se debe a que

además de las centrales térmicas de carbón y las centrales de ciclo combinado, existen otros tipos de

tecnologías, menos importantes, que ayudan a suplir el hueco que dejan las energías renovables. Un

ejemplo de este tipo de tecnologías es la biomasa. Entonces se ha querido buscar la relación que

existe entre la producción térmica real y el hueco térmico. En la siguiente figura se muestra un

gráfico de dispersión de ambas:


110


Ilustración 8-16. Correlación entre el hueco térmico y la Producción térmica real

Mediante la ecuación que nos arroja la línea de tendencia polinómica de tercer grado es posible

calcularse la producción térmica real a partir del hueco térmico existente:

𝑃𝑇𝑅ℎ = −0,0000000009 ∗ 𝐻𝑇ℎ3 + 0,00004 ∗ 𝐻𝑇ℎ

2 + 0,331 ∗ 𝐻𝑇ℎ + 2724,1

A continuación se va a calcular la energía producida por las centrales térmicas convencionales, es

decir, las que funcionan a partir de carbón (ya sea hulla antracita o hulla sub-bituminosa). Se utilizará

el mismo método utilizado para calcular la potencia térmica real, es decir, realizamos el gráfico que

relaciona la variable PTRh con la producción térmica convencional (PTCh).



Ilustración 8-17. Correlación entre la producción térmica real y la producción térmica convencional (Carbón)

Es decir:

𝑃𝑇𝐶ℎ = 2,86156𝐸 − 13 ∗ 𝑃𝑇𝑅ℎ4 − 1,70835𝐸 − 8 ∗ 𝑃𝑇𝑅ℎ

3

+ 3,18941𝐸 − 4 ∗ 𝑃𝑇𝑅ℎ2 − 1,57172 ∗ 𝑃𝑇𝑅ℎ + 3141,91

Ahora se va a calcular la producción en centrales de ciclo combinado (PCCh) utilizando la mima

metodología que se ha utilizado en este apartado

Producción térmica real (MWh)


112


Ilustración 8-18. Correlación entre la producción térmica real y la producción en centrales de ciclo combinado

Así:

𝑃𝐶𝐶ℎ = −1,5919942𝐸 − 13 ∗ 𝑃𝑇𝑅ℎ4 + 1,05439791251𝐸 − 8 ∗ 𝑃𝑇𝑅ℎ

3 − 1,97507252050939𝐸

− 4 ∗ 𝑃𝑇𝑅ℎ2 + 1,5608083027438 ∗ 𝑃𝑇𝑅ℎ − 2600,23715784969

Realizando una comparación de los datos reales y los de los modelos se ha observado un error

importante en la simulación. Para solucionar este hecho se ha decidido modelar dicho error con una

media y una desviación estándar en cada uno de los casos (Producción térmica convencional y

producción de las centrales de ciclo combinado) y separado por niveles de producción redondeados.

Se ha obtenido las siguientes tablas:

Entonces las nuevas producciones de ambas tecnologías se denominarán revisadas (PCTRh y PCCRh)

y su valor se calcula mediante la función de Excel DISTR.NORM.INV., utilizando una probabilidad

aleatoria y la media y desviación estándar correspondiente al nivel de producción y a la tecnología

indicada en las tablas anteriores:

𝑃𝐶𝑇𝑅ℎ = 𝑃𝐶𝑇ℎ + 𝐷𝐼𝑆𝑇𝑅. 𝑁𝑂𝑅𝑀. 𝐼𝑁𝑉(𝐴𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑜; 𝑚𝑝𝑡; 𝑑𝑝𝑡)

𝑃𝐶𝐶𝑅ℎ = 𝑃𝐶𝐶ℎ + 𝐷𝐼𝑆𝑇𝑅. 𝑁𝑂𝑅𝑀. 𝐼𝑁𝑉(𝐴𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑜; 𝑚𝑝𝑡; 𝑑𝑝𝑡)

Siendo:

mpt: media correspondiente al nivel de producción p y la tecnología t.

dpt: desviación estándar correspondiente al nivel de producción p y la tecnología t.

En el caso de la producción por centrales de ciclo combinado se ha detectado como en algunos casos

queda por debajo de 500 MWh, cuando en realidad nunca baja de dicho valor. Para solucionar dicho

Producción térmica real (MWh)



problema se ha optado por la solución rápida y fácil, por la que cualquier valor de producción que

baje de los 500MWh se considera que ha producido 500MWh. Para una futura ampliación del

trabajo, uno de los puntos a mejorar sería este, pero dado el tiempo y el objetivo del presente

proyecto, se opta por esta solución.

8.7 Modelo de producción de mediante energía

hidráulica fluyente


Llamadas también de agua corriente, o de agua fluyente. Se construyen en los lugares en que la

energía hidráulica debe ser utilizada en el instante en que se dispone de ella, para accionar las

turbinas hidráulicas. No cuentan con reserva de agua, por lo que el caudal suministrado oscila según

las estaciones del año.

En la temporada de precipitaciones abundantes (de aguas altas), desarrollan su potencia máxima, y

dejan pasar el agua excedente. Durante la época seca (aguas bajas), la potencia disminuye en función

del caudal, llegando a ser casi nulo en algunos ríos en la época del estío. (VELÁSQUEZ, 2002)

B. Modelo utilizado

Se han analizado los datos pertenecientes a la página web del e-sios de producción separada por

tecnologías, tomando los años 2014, 2015 y parte del 2016, en la que las estaciones de energía

hidráulica fluyente se define como hidráulica no UGH.

Se han realizado varias regresiones múltiples estudiando como variable explicada la Hidráulica no

UGH y como variables explicativas varias tecnologías de producción. Finalmente se decide escoger

la regresión que mayor coeficiente de determinación presenta, que es la siguiente:

Energía Eólica

Energía hidráulica UGH (gran hidráulica)

Demanda nacional o producción total


114


Conociendo entonces las tres variables explicativas, se puede obtener un valor aproximado de la

producción hidráulica fluyente horaria (PHFh):

𝑃𝐻𝐹ℎ = 𝑃𝐻ℎ ∗ 0,101485117 + 𝑃𝐸ℎ ∗ 0,018583137 − 𝐷ℎ ∗ 0,011094515 + 577,277

8.8 Determinación de coeficientes para el cálculo del

precio del mercado diario

Se han tomado los datos de e-sios de producción horaria desde el inicio de 2014 hasta día 31 de

Mayo de 2016 para determinar los coeficientes para definir el precio del mercado diario.

Una vez se han determinado las producciones de las tecnologías más influyentes en el precio, se debe

determinar cuánto y de qué manera lo hacen. Después de realizar numerosas regresiones múltiples,

separando los datos de distintas maneras se ha optado por el siguiente método:

Segmentación por nivel de demanda y nivel de producción renovable.

Se ha realizado una división de los precios según el nivel de demanda nacional, en el cual:

0 equivale a una demanda inferior a 25.000 MWh

Resumen




R^2 ajustado 0,703252203


Observaciones 19703


Grados de libertad

Regresión 3

Residuos 19699

Total 19702

Coeficientes

Intercepción 577,2777492

Eólica 0,018583137

Hidráulica UGH 0,101485117

Produccion Total -0,011094515

Tabla 8-6.Regresión para el cálculo de la energía hidráulica fluyente



1 equivale a una demanda situada entre 25.000 y 35.000 MWh

2 equivale a una demanda superior a 35.000 MWh

Para el cálculo del factor renovable, simplemente se ha realizado el tanto por 10 de producción por

energías renovables con respecto a la producción total. Tomando como energías renovables la

energía hidráulica UGH, la energía hidráulica no UGH (fluyente), la energía eólica, la energía solar y

la energía nuclear. Es preciso aclarar que la energía nuclear no es considerada como energía

renovable, pero debido a que es una tecnología precio aceptante, para este cálculo se incluye en el

conjunto de renovables.

Para obtener los números enteros, simplemente se ha redondeado, es decir, que el factor renovable 9

comprende desde el 85 al 95 % de producción total generada por energías renovables.

A continuación se muestra un gráfico de distribución de los precios reales tomando esta separación

de datos

Ilustración 8-19. Relación entre precio horario y la segmentación realizada

Se puede observar como una mayor contribución de energías renovables en el mix de generación

contribuye a la bajada de los precios, esto se debe a que la mayoría de ellas posee un coste de

producción nulo o casi nulo. La producción solar depende de la cantidad de radiación que llega a las

placas fotovoltaicas, la producción eólica depende de la cantidad de viento que atraviesa su

superficie de barrido y la producción hidráulica de las precipitaciones que tienen lugar en el país.

La energía nuclear merece especial atención ya que sí posee un coste de producción la materia prima,

el uranio, no es gratuita. Pero la realización de paradas y demás eventos que suponen la reducción de

potencia resultan muy costosos, hace que ofrezcan su energía al mercado con un precio inferior a los

5 euros/MWh, con lo que se convierten en tecnología precio aceptante.

0

10

20

30

40

50

60

70

80

3 4 5 6 7 8 9 10

Pre

cio

ho

rari

o (

eu

ros/

MW

h)

Factor renovable

0

1

2


116


También se desprende del gráfico, como era de esperar, que un aumento de demanda en el país

supone un aumento en el precio del mercado diario.

Se ha supuesto que cada nivel de demanda y cada nivel de renovable supone un escenario distinto

(concatenando el factor de renovable con el de nivel de demanda). Con lo que, justificada la

utilización de esta segmentación, se procede a la realización de una regresión múltiple para cada uno

de los escenarios, obteniéndose la siguiente tabla.

El hecho de que algunos coeficientes sean los mismos para distintos escenarios se pueden deber a

distintas razones:

Son escenarios que no se han dado en la realidad

Son escenarios en los que se dispone de muy pocos datos para realizar la regresión con lo que

no se pueden realizar las regresiones o resultan coeficientes no significativos.

Una vez calculados los coeficientes, el último paso es la aplicación de éstos a los resultados

obtenidos de los demás modelos de simulación

Así el precio horario del mercado diario (PMDh) resultante será:

𝑃𝑀𝐷ℎ = 𝛼𝑒 ∗ 𝑃𝐸ℎ + 𝛽𝑒 ∗ 𝑃𝐶𝐶𝑅ℎ + 𝛿𝑒 ∗ 𝑃𝐶𝑇𝑅ℎ + 휀𝑒 ∗ 𝑃𝐻ℎ + 𝜆𝑒 ∗ 𝑃𝑆ℎ + 𝜃𝑒 ∗ 𝑃𝑁ℎ + 𝜇𝑒 ∗ 𝑃𝐻𝐹ℎ

+ 𝜑𝑒 ∗ 𝐷ℎ + 𝛾𝑒

Siendo:

αe: coeficiente aplicado a la producción eólica para el escenario e.

βe: coeficiente aplicado a la producción de las centrales de ciclo combinado para el escenario e.

δe: coeficiente aplicado a la producción de las centrales térmicas convencionales (Carbón) para el

escenario e.

εe: coeficiente aplicado a la producción hidráulica UGH para el escenario e.

θe: coeficiente aplicado a la producción nuclear para el escenario e.

φe: coeficiente aplicado a la producción hidráulica fluyente (no UGH) para el escenario e.

λe: coeficiente aplicado a la producción solar fotovoltaica para el escenario e.

γe: intercepción para el escenario e.



8.9 Validación del modelo

A continuación se va a realizar la comprobación del funcionamiento del modelo aplicado a valores

reales, es decir se llevará a cabo un backtesting. Escogiendo valores del pasado de producción de

cada una de las tecnologías, se observará el valor que se extrae del modelo para estimar su ajuste a la

realidad.

Se han utilizado promedios mensuales ya que son los datos que interesan a la hora de realizar las

posibles coberturas. A continuación se muestran algunos ejemplos del proceso realizado

Para mayo de 2016 se tienen unos valores reales de:

Eólica

total

Hidráulica

UGH

Solar

fotovoltaica

Producción

Total

OMIE

5351,43495 5843,90605 1056,85524 25398,08669 25,7656452

En las columnas se ven los valores de energía hidráulica, y en las filas se tienen los valores de la

energía eólica

Como se ve, el modelo ofrece un resultado de 26 €/MWh cuando en la realidad se obtuvieron unos

valores de 25,76 €/MWh. Se obtiene un error de 0,24 €/MWh.

Para septiembre de 2009

Los datos reales de producción en este mes fueron:

Eólica total Hidráulica

UGH

Solar

fotovoltaica

Producción

Total

OMIE

4217,65667 1860,65847 962,77625 27356,11639 51,8782778

Promedio de Precio Etiquetas de columna

Etiquetas de fila 5500 5600 5700 5800 5900 6000 Total general

5000 34,00 27,00 29,50 33,00 26,00 29,43

5100 27,67 27,33 26,60 27,20 25,63 26,63

5200 27,50 26,86 27,71 25,80 25,75 27,00 26,71

5300 26,33 26,60 26,00 26,00 25,90 24,50 26,00

5400 30,67 24,50 25,80 26,00 28,17 25,00 27,05

5500 26,17 25,00 26,14 26,00 21,50 25,52

Total general 28 26,79166667 26,34482759 26,43333333 26,35897436 24,88888889 26,5

a a

Energía

Eólica

Energía Hidráulica


118


En este caso se obtienen unos valores en el modelo de 51,67 €/MWh, cuando en la realidad se obtuvo

un valor del OMIE promedio en el mes de 51,87 €/MWh. Es decir un error de 0,20 €/MWh.

8.9.1 Resultados de la simulación

Se muestran a continuación los valores del mercado diario que se obtienen tras la ejecución de

10.000 iteraciones del modelo, estas gráficas están separadas por trimestres. Como era de esperar, se

obtienen para todas ellas distribuciones semejantes a distribuciones normales.

Ilustración 8-20. Distribución de precios para el primer trimestre de 2017 (Q1)

Promedio de Meses9 Etiquetas de columna

Etiquetas de fila 1700 1800 1900 2000 2100

4000 53,17 53,00 52,67 52,60 52,00

4100 53,00 54,00 53,00 51,83 51,50

4200 53,00 52,50 51,67 51,50 51,60

4300 52,00 52,00 51,56 52,00 51,00

4400 52,00 51,50 52,00 50,75 50,80

4500 51,25 50,50 50,56

0%

2%

4%

6%

8%

10%

12%

14%

16%

34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56

a Promedio de Precio

Energía

Eólica

Energía Hidráulica



Ilustración 8-21. Distribución de precios para el segundo trimestre de 2017(Q2)

Ilustración 8-22. Distribución de precios para el tercer trimestre de 2017 (Q3)

0%

1%

2%

3%

4%

5%

6%

7%

8%

9%

10%

272829303132333435 36373839404142434445 46474849505152535455 5657585960

0%

5%

10%

15%

20%

25%

44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60


120


Ilustración 8-23. Distribución de precios para el cuarto trimestre de 2017 (Q4)

Ilustración 8-24. Distribución de precios para el Calendar 17 (Yr-17)

0%

2%

4%

6%

8%

10%

12%

14%

16%

34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56

0,0%

2,0%

4,0%

6,0%

8,0%

10,0%

12,0%

14,0%

16,0%

18,0%

33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55



10.000 iteraciones

8.9.2 Diagrama del modelo

Ilustración 8-25. Diagrama del modelo de simulación del mercado diario

Modelo de demanda

Modelo de producción

gran hidráulica


eólica


nuclear


solar


de centrales de carbón y

ciclos combinados


pequeña hidráulica

Aplicación de

coeficientes

PRECIO

OMIE

PRECIO

OMIE


122


9. RESULTADO. ESTRATEGIA DE

CONTRATACIÓN

Como se ha ido viendo en los puntos anteriores, la energía eléctrica es la clave para la competitividad

de las empresas, pero su gestión es un reto ya que debido a la volatilidad de precios existen grandes

riesgos.

9.1 Gestión del riesgo

9.1.1 Concepto de riesgo

El riesgo se asocia con la incertidumbre en un resultado económico, esta falta de conocimiento del

¿qué va a pasar en el futuro?, lleva a los agentes de mercado a buscar vías de gestión del riesgo al

que se encuentran expuestos. El objetivo de dicha gestión es ajustar la política de decisión a la

situación del mercado actual y futuro.

Según el agente y sus objetivos, la actitud que se toma hacia el riesgo puede ser de tres tipos:

especulación, neutralidad o aversión al riesgo. Cada una de ellas muestra un concepto de riesgo

diferente, se toma como algo bueno, indiferente o malo, respectivamente. El tipo de actitud depende

en muchas ocasiones de la cantidad de recursos que se posea. Un jugador especula para conseguir

ganancias mientras que una persona con recursos limitados muestra aversión al riesgo y lo evita.

El caso del mercado energético muestra varias peculiaridades que lo hacen diferente de cualquier

otra materia prima, sobretodo, el hecho de que no sea un producto almacenable hace que exista una

menor liquidez en el mercado, lo que puede llevar a distorsiones en los precios.

En el mercado eléctrico, la actitud más normal es la aversión al riesgo, tanto para los compradores

como para los vendedores de energía. Para ellos, su negocio no es la compra-venta de energía y por

tanto, en el caso de los consumidores, no desean tener el riesgo de perder su abastecimiento

energético.

(Tschoegl, 1999) (IEEE, 1999) (Reichel, 2001) (M.Crookes, 1999)

9.1.2 Fuentes de riesgo

La gestión del riesgo para cualquier tipo de agente tiene fundamentalmente tres fases [ea01]. En la

primera se identifican las causas de la incertidumbre. En una segunda fase se cuantifican las pérdidas

máximas esperadas por medio de herramientas matemáticas. Finalmente, una vez medido el riesgo al

que se expone el agente, en una tercera fase se determina la estrategia y las acciones a seguir.

La primera fase, la identificación de las fuentes de incertidumbre, es necesaria de cara a incluir en los

modelos los factores de riesgo más significativos de acuerdo al problema tratado. Una clasificación

de los riesgos más relevantes en mercados energéticos es la siguiente [IEE99, Cro99, ea01, Tsc99]:

RESULTADO. ESTRATEGIA DE CONTRATACIÓN


Riesgo de precio: Debido a las fluctuaciones de los precios en los mercados. Es el más común

en todos los mercados y el tipo de riesgo más estudiado.

Riesgo de tipos: Derivado de las fluctuaciones de los tipos de interés y cambio de divisas.

Riesgo de crédito: Debido al incumplimiento de una de las partes del contrato con sus

obligaciones financieras

Riesgo de liquidez: Debido a la imposibilidad de una empresa de financiar un compromiso

adquirido. Puede ser considerado como un caso particular del riesgo de crédito.

Riesgo regulatorio: Derivado de los cambios regulatorios, se trata de un riesgo a considerar

dada la juventud de los mercados de electricidad.

Riesgo medioambiental: Derivado de posibles penalizaciones por contaminación

Riesgo de operación: Debido a errores cometidos al operar con los activos de una empresa

Riesgo de modelado: no se trata de un riesgo a identificar a priori pero es importante conocer

los límites de los modelos matemáticos que se desarrollan y saber interpretar los resultados.

El riesgo de precio y el riesgo de tipos se denominan conjuntamente riesgo de mercado ya que

depende de las fluctuaciones de las variables de los mercados financieros y energéticos. El riesgo de

mercado es el más estudiado y modelado para la gestión del riesgo.

9.1.2.1 Fuentes de riesgo para un consumidor industrial

Al igual que sucede con el resto de los agentes, los consumidores industriales también tienen fuentes

de riesgo en la gestión de sus contratos eléctricos.

Riesgo de precio: es el principal factor de riesgo que afecta a estos agentes debido a las

fluctuaciones de los precios de la electricidad. En este trabajo se va a desarrollar un modelado

de este tipo de riesgo.

Riesgo de modelado: debido a que la simulación realizada depende de valores históricos y

basa su cálculo en la estadística. Esto puede introducir errores entre el modelo y el valor real

debido a que la realidad no siempre sigue modelos matemáticos, además de que la realidad

evoluciona y los modelos se pueden quedar obsoletos

Riesgo regulatorio: este es un riesgo muy característico del mercado español, en el que en los

últimos años se han realizado reformas que afectan profundamente a los precios finales

pagados por el mercado.

Los demás riesgos expuestos en el anterior apartado no son relevantes.


124


9.2 Estrategia de gestión de contrato

Como resultado a los análisis realizados en el capítulo 5, siempre y cuando no se tenga la obligación

de realizar un presupuesto muy preciso, y buscando la reducción de primas, pero manteniendo la

gestión de los riesgos, se concluye que la mejor opción de contratación es una estrategia de Precio

Mixto con un pass-through de los servicios de ajuste.

Aunque esto suponga la asunción por parte del consumidor de todos los riesgos, estos pueden ser

gestionados de manera adecuada, reduciendo las primas asociadas que la comercializadora necesita

introducir para asegurar su margen comercial.

En el siguiente apartado se describe la estrategia de gestión de coberturas, en la que en función del

alcance temporal, el precio del mercado de futuros, y la probabilidad de precios en el mercado diario

se expone un metodología para la gestión eficiente. En cuanto a los servicios de ajuste, debido al

efecto de cobertura natural que éstos proporcionan al mercado diario, se elimina el riesgo, por lo que

no se considera necesario cubrir este concepto a cambio de una prima, máxime cuando no existe un

mercado de futuros en el que las comercializadoras puedan cubrir el riesgo.

Una opción de mejora adicional, como se ve en el apartado 5.2.2 es la de consumidor directo a

mercado, con un ahorro medio estimado para CLH de 1,22 €/MWh con respecto al uso de una

comercializadora. Aunque en estos momentos todavía no se dispone de los programas adecuados

para la predicción del consumo de CLH, pero como se ha analizado en el capítulo 6, existe una

posibilidad viable para realizar su cálculo.

Mientras no se disponga de dicha programación, se seguirá con el contrato mediante una

comercializadora, a no ser que sea posible la gestión de los desvíos mediante otro método, como

sería un seguro

En el caso de que el objetivo sea construir un presupuesto cerrado, un precio fijo será la opción más

adecuada. Aun así la primera parte de monitorización del mercado de futuros que se establece en la

estrategia definida en el próximo punto ayudaría a la reducción de costes.

9.3 Estrategia de optimización de coberturas

La optimización de la gestión de coberturas se entenderá como la solución que relacione las

oportunidades que ofrece el mercado de futuros con las oportunidades y riesgos que genera el

mercado diario.

Esta estrategia no asegura que el precio a pagar por la energía sea el mínimo posible, ya que para

ellos se deberían tomar decisiones extremas como no cubrir ninguna parte de consumo, o tener la

suerte de cubrir el 100% del consumo en el momento en el que la cotización del mercado de futuros

fuera mínima, por lo que los riesgos asumidos serían muy elevados, existiendo la posibilidad de

asumir costes mucho mayores.



Se presenta a continuación un esquema de la estrategia que debe seguir un consumidor industrial a

la hora de optimizar las coberturas.

Corto plazo

Largo plazo

+2 años vista

Si

No

Si

No

No

Si

Tipo

Valoración del

presupuesto objetivo

mediante simulación

de Montecarlo

¿Compra?

Orden de

compra

OMIP

Monitorización del

mercado de futuros

¿Ventana de

compra?

Valoración

OMIP vs previsión OMIE

mediante la gestión de

riesgos

¿Compra?

Orden de

compra


126


9.3.1 A largo plazo

Las coberturas a largo plazo son una herramienta que sirven para disminuir la exposición a la

volatilidad de los precios del mercado. En la compañía se utiliza una simulación de Montecarlo ya

desarrollada y la gestión del riesgo está enfocada a la minimización de costes en cuanto a energía

eléctrica. Es decir, el objetivo aquí es la seguridad de no llegar a pagar un determinado precio por la

Materia prima, es decir, garantizar un precio máximo futuro que encaje con las políticas marcadas

por la dirección.

También se puede utilizar esta estrategia con el objetivo de obtener estabilidad presupuestaria, hacer

los costes más previsibles e incluso mejorar los resultados económicos.

La simulación de Montecarlo es un método de generación de números aleatorios que dependen de los

datos históricos de la propia variable estudiada así como de los factores que sean influyentes en la

evolución de ésta. El modelo desarrollado posee la estructura de la siguiente figura:

Se tiene en cuenta los valores históricos de cotización de las principales fuentes de energía del

mundo, que son el gas, el carbón, además del valor del eurodólar y la previsión a futuro de todas

ellas.

Un ejemplo de los resultados del modelo se muestran en la siguiente figura, las líneas en verde y rojo

se corresponden a los percentiles 5 y 95 dentro de todos los escenarios generados.

Simulación

cotización

petróleo

Simulación

cotización

CO2

Simulación

mercado

diario

Cotización

Gas

Cotización

Carbón

Cotización

€/$

Modelo de

precios de

OMIP basado

en

fundamentales

OMIP

simulado

Ilustración 9-2. Estructura del modelo de simulación de Montecarlo



Ilustración 9-3. Ejemplo del resultado de una simulación de Montecarlo

9.3.1.1 Decisión del volumen a adquirir

Desde la actitud del agente de aversión al riesgo, se toma la hipótesis de que se va obtener un

volumen de cobertura al final del periodo de entrega del 100% y que toda la parte que no se cubra

ahora se cubrirá al peor precio posible en el futuro. De esta manera se asegura un precio objetivo

máximo, el cual será una decisión de la compañía.

También será decisión de la compañía el percentil de la simulación que se quiere eliminar, en el

grafico anterior se ha tomado el rango entre el percentil 5 y 95. Así cuanto menor sea el percentil

eliminado, mayor será el precio de la cobertura futura.

Se debe seguir el siguiente procedimiento:

𝑃𝑟𝑒𝑐𝑖𝑜 𝐴𝑐𝑡𝑢𝑎𝑙 𝑂𝑀𝐼𝑃 ∗ 𝑉𝑜𝑙 + 𝑃𝑟𝑒𝑐𝑖𝑜 𝐹𝑢𝑡𝑢𝑟𝑜 𝑂𝑀𝐼𝑃 ∗ (1 − 𝑉𝑜𝑙) = 𝑃𝑟𝑒𝑐𝑖𝑜 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜

Siendo:

Precio Futuro OMIP: máximo del percentil superior escogido por la compañía.

Precio objetivo: Precio máximo que la compañía quiere pagar por la energía eléctrica. Debe

ser un valor superior al precio actual del OMIP. En caso de que el precio máximo sea menor

que el precio actual significa que no se debería realizar ninguna cobertura y replantear la

decisión del Precio objetivo.

41

,20

35

37

39

41

43

45

47

49

5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12

2.015 2.016 2017


128


Vol.: Porcentaje de cobertura (en tanto por 1). Variable que se desea calcular en función de

las demás

9.3.2 A corto plazo

La estrategia a seguir en la contratación a corto plazo, como se observa en el esquema es la siguiente:

una vez se ha encontrado una ventana de compra mediante la monitorización del mercado de futuros,

se compara el valor del mercado diario obtenido mediante los modelos de simulación desarrollados

en este proyecto.

El porcentaje de cobertura se fijará dependiendo de las funciones de densidad del precio medio para

cada periodo de entrega, y el precio de cotización del mercado de futuros.

Para definir la estrategia de gestión de cobertura se definirán tres variables: el riesgo, la prima y el

coste de oportunidad. Se calcularán en cada momento, obteniéndose cuál es el porcentaje de

cobertura óptimo para cada momento.

El riesgo se medirá como la diferencia entre el precio máximo y el esperado multiplicado por

la probabilidad de que se den precios superiores al esperado. A medida que se incrementa el

porcentaje de cobertura el precio máximo y el esperado se van acercando, hasta que se llega

al 100% en el que coinciden, ya que no hay parte abierta a la volatilidad del mercado diario, y

por tanto no hay riesgo.

El coste de oportunidad tiene el mismo significado que el riesgo, pero de sentido contrario, ya

que será la diferencia con el precio mínimo multiplicado por la probabilidad de precios

inferiores al esperado.

La prima se medirá como la diferencia entre el precio mínimo esperado para todas las

posibilidades de cobertura, y el precio esperado para cada porcentaje de cobertura.

El porcentaje de cobertura se ha calculado como el punto en que la prima iguala al coste de

oportunidad:

%𝑐𝑜𝑏𝑒𝑟𝑡𝑢𝑟𝑎 =𝑅0 − 𝑃0

𝑃′ − 𝑅′

Siendo:

R0: Ordenada en el origen de la variable riesgo (al 0% de cobertura)

P0: Ordenada en el origen de la variable prima (al 0% de cobertura)

R’: pendiente de la variable riesgo

P’: pendiente de la variable prima

Al aplicar esta metodología se ha detectado que para valores del OMIP menores que el valor

promedio del OMIE siempre aconseja una cobertura del 100%. Esto se debe a la actitud de aversión

al riesgo, en el que no se tiene en cuenta el coste de oportunidad.

Para desarrollar otro modelo con menor aversión al riesgo, tomando la cobertura como una

oportunidad de mejorar el coste de la energía, se ha decidido corregir el resultado de la cobertura

mediante el siguiente cálculo:



%𝑐𝑜𝑏𝑒𝑟𝑡𝑢𝑟𝑎 𝑐𝑜𝑟𝑟𝑒𝑔𝑖𝑑𝑜 = % 𝑐𝑜𝑏𝑒𝑟𝑡𝑢𝑟𝑎 𝑖𝑛𝑖𝑐𝑖𝑎𝑙𝑅′

𝐶𝑂′

Siendo:

CO’: pendiente de la variable coste de oportunidad

Además, para mejorar el modelo, se ha decidido eliminar los valores del OMIE que quedan fuera del

rango entre los percentiles 5 y 95. Cuidado porque hay que tener en cuenta que si se obtuviera un

valor de OMIP igual al promedio del OMIE, sería preferible cubrirse más del 50% ya que las

coberturas ofrecen una estabilidad presupuestaria que estando indexado al mercado diario no se

podría tener.

Por ejemplo, se obtiene un valor de OMIP de 44 €/MWh en el primer trimestre del año y mediante el

modelo de simulación se extrae un precio promedio para el mismo trimestre en el mercado diario de

46 €/MWh.

Ilustración 9-4. Ejemplo de aplicación de la estrategia a corto plazo

Tras realizar el cálculo del riesgo, la oportunidad y la prima, se obtiene el siguiente gráfico en el que

se cuantifica dichas variables para diferentes niveles de cobertura.

0%

2%

4%

6%

8%

10%

12%

14%

16%

34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56


130


Ilustración 9-5. Variables para la toma de decisiones de cobertura

Así para un porcentaje de cobertura del 60 % se tiene un riesgo de 1,15 €/MWh y una prima de 0,45

€/MWh.

A continuación se muestran los resultados obtenidos en cuanto a la gestión de las coberturas

dependiendo del precio del mercado de futuros (eje horizontal) y conociendo la distribución de

precios del mercado diario en ese periodo.

Ilustración 9-6. Gráfico para la toma de decisión de coberturas para el Q1.

0

2

4

6

8

10

12

0%

20%

40%

60%

80%

100%

120%

140%

160%

41 42 43 44 45 46 47 48 49 50

Precio del OMIP (mercado de futuros) €/MWh

% coberturaCorregido% cobertura

Riesgo/Prima

Oportunidad



Entonces para el caso anterior, con un precio de OMIP de 44 €/MWh, se tiene una cobertura óptima

corregida del 39% en el caso de tomar una postura neutral y una cobertura del 79% en el caso de

tomar una postura de aversión al riesgo. Obviamente, los datos de cobertura mayores al 100% deben

descartarse ya que no es posible cubrirse más del 100% (se estaría realizando especulación).

En el anexo 3 se muestran los resultados obtenidos para cada uno de los cuatrimestres y para el

producto calendar en el caso del año 2017.

9.3.3 Previsión de la temperatura y las lluvias

Se debe tener en cuenta que se dispone de la previsión aproximada de la temperatura y de lluvias del

país a tres meses vista proporcionada por la agencia estatal de meteorología. Esto puede ayudar en la

toma de decisiones ya que se conocerá con mayor precisión en que rango se moverán los precios.

En los siguientes gráficos se muestran los datos facilitados por AEMET.

Ilustración 9-7. Probabilidad de categoría más probable de temperatura en Julio – Agosto – Septiembre. Fuente: (AEMET)


132


Ilustración 9-8. Probabilidad de categoría más probable de lluvia en Julio – Agosto – Septiembre. Fuente: (AEMET)

CONCLUSIONES


CONCLUSIONES


134


CONCLUSIONES


10. CONCLUSIONES

El objetivo del trabajo consistía en el estudio y la posible mejora de la gestión de la contratación

eléctrica de un consumidor industrial, concretamente aplicado a la Compañía Logística de

Hidrocarburos.

En la revisión de las opciones de contratación se ha visto que hay diferentes modalidades, y que

aunque cada empresa decidirá una u otra en función de la aversión al riesgo, o la necesidad de tener

un presupuesto fijo, la modalidad más recomendable es la de precio Mixto. Esto significa, tener una

parte del consumo fijo mediante coberturas en el mercado de futuros y la parte restante indexada al

mercado diario.

Fruto de los análisis realizados, se ha demostrado que como alternativa a que la comercializadora fije

los servicios de ajuste, se tiene que dejar una parte del consumo abierta al mercado diario, ya que

este actúa como cobertura natural y reduce la volatilidad de la suma de ambos, reduciendo el riesgo y

evitando primas.

En cuanto a la energía (materia prima) se ha desarrollado una metodología para la gestión eficiente

de coberturas basada en factores como el riesgo, el coste de oportunidad o la prima que tiene cada

decisión respecto del menor coste esperado.

También se ha realizado un profundo análisis del impacto que tendría para CLH acudir como como

consumidor directo a mercado, calculando los ahorros directos, y estimando el posible incremento de

costes de otros, además de establecer los desarrollos necesarios que CLH debería acometer para la

reducción del coste de desvíos.

El trabajo ha tenido una duración de seis meses. Algunos de los estudios se han realizado de manera

superficial ya que se excedía de los objetivos del mismo, por tanto para una posible mejora sería un

análisis más profundo de algunos modelos utilizados.

Para verificar la satisfacción de los objetivos se debe esperar a que la empresa aplique dicha

estrategia, y hay que tener en cuenta que el proyecto se ha desarrollado mediante modelos

estadísticos basándose en datos históricos del mercado. Por lo tanto, se trata de una estrategia que a

largo plazo puede proporcionar unos ahorros importantes reduciendo los riesgos, pero que debido a

la componente estadística, y a la no predictibilidad del mercado diario a largo, medio, e incluso corto

plazo, puede ser que algunos años ofrezca resultados alejados de lo que se considera una gestión de

coberturas óptima.

Además hay que tener en cuenta que el mercado eléctrico español es un mercado relativamente

joven, y que está evolucionando para la integración de energías renovables, por lo que todavía puede

sufrir importantes cambios. En caso de que esto ocurriera se debería realizar una revisión de la

estrategia, modificando los modelos simulación y adecuando la gestión de coberturas para adaptarla

a la nueva legislación,


136


Dicho esto, se trata de una estrategia que no sólo sirve para CLH, sino que puede ser utilizado por

cualquier consumidor industrial que desee aprovechar las oportunidades que ofrece el mercado

gestionando los riesgos. Por lo que posee una gran proyección hacia la industria española.

Añadir que para la realización de la estrategia de optimización de coberturas se han buscado

referencias sobre el tema pero no existe una gran bibliografía a la que acogerse. Por ello se ha

decidido desarrollar dicha estrategia utilizando razonamientos lógicos nunca antes utilizados. Se trata

por tanto, de un proyecto innovador y con un gran alcance en cuanto a la posible implantación en

muchas empresas del país.

LÍNEAS FUTURAS


LÍNEAS FUTURAS


138


LÍNEAS FUTURAS


11. LÍNEAS FUTURAS

Como posibles mejoras al trabajo se citan las siguientes:

La realización de un mayor backtesting de la monitorización del mercado de futuros.

Una mejora en el modelo de simulación del mercado diario, teniendo en cuenta las

tecnologías de producción menores, como puede ser la biomasa o la energía solar térmica.

Como se ha explicado en el capítulo correspondiente, por falta de tiempo, se ha decidido

realizar un estudio de la viabilidad de la previsión del consumo de la compañía. Para poder

llevar a cabo la estrategia de manera óptima, es necesario que se desarrolle una manera de

conocer este consumo con una mayor fiabilidad que el actual, el cual depende solamente de

las programaciones de oleoductos.

Como se ha explicado, el mercado eléctrico depende de la legislación vigente. Por lo tanto

Se debería realizar una revisión cada vez que un cambio en la legislación pudiera afectar al

sector.

Tras la aplicación de la estrategia definida se debería analizar su funcionamiento y mejorar, por

ejemplo, en cuanto a la optimización del porcentaje de energía cubierto.


140


BIBLIOGRAFÍA


BIBLIOGRAFÍA


142


BIBLIOGRAFÍA


12. BIBLIOGRAFÍA

Trabajos citados

AEMET. (s.f.). Obtenido de Agencia estatal de meteorologia.

Aguerrea, Í. L. (2015). Modelo de simulación del consumo de energía electrica doméstica.

Asociación de grandes consumidores de energía. (2015). Una reflexión sobre la competitividad

eléctrica de la industria electro-intensiva.

Beltrán, H. (s.f.). Influencia de las renovables en el precio de la electricidad. Obtenido de Fundación

para la ediciencia energética.

CLH. (s.f.).

El observatorio crítico de la energía, & OCE. (2012). Entiende el mercado eléctrico.

e-sios. (s.f.). web pública del operador del sistema.

Funseam. (s.f.). Análisis comparativo de precios de la electricidad UE-España.

García Baños, E. M. (2013). Estimación del coste de la facturación eléctrica para el edificio del

Hospital de Marina participando como consumidor directo a mercado.

Guillén, J. (2007). Modelos matemáticos en CLH y problemas planteados. Planificación Logística.

IEEE. (1999). Risk Assessment and Financial Assesment. En Power Energy Society.

Kirschen, D. S. (2003). Demand-side view of electricity markets.

M.Crookes. (1999). Risk factors in Power contracts. Risk Books.

Mate, P. G. (2015). Modelo de previsión del precio del mercado diario de la electricidad en el corto

plazo.

Moreno Movilla, M. (s.f.). Análisis del coste de los desvíos de las energías renovables en el mercado

de producción de energía eléctrica.

Ojea, L. (2016). Así es el efecto Caníbal. El periódico de la energía.

OMIE. (s.f.). Obtenido de Operador del Mercado Ibérico Español.

Rankia. (s.f.). Análisis de la reversión a la media.

Red Eléctrica de España. (s.f.).

Reichel, D. (2001). Portfolio and risk management. Electra.


144


Sevilla, U. d. (2011). Optimización de la facturación eléctrica de un consumidor industrial con tarifa

de acceso de seis periodos.

Shannon, R. (s.f.).

Tschoegl, A. E. (1999). Management. En The key to risk management. (págs. 99-42). The Warton

School.

VELÁSQUEZ, C. A. (2002). fluidos.eis.edu.co.

PLANIFICACIÓN TEMPORAL Y PRESUPUESTO


PRESUPUESTO


146




13. PLANIFICACIÓN TEMPORAL Y

PRESUPUESTO

El presente proyecto dio comienzo el día 1 de febrero de 2016, desde entonces, la secuencia de

actividades que lo han formado se pueden resumir en las que se recogen en la ilustración y en el

gráfico siguiente:

Nombre de tarea Duración Costo

Proyecto 115 días 3.720,00 € Inicio 0 días 0,00 € Introducción 5 días 150,00 € Objetivos 3 días 90,00 € Análisis de alternativas de contratación 5 días 150,00 € Monitorización del mercado de futuros 33 días 420,00 € Búsqueda de información y estudio 5 días 150,00 € Indicadores bursátiles 5 días 150,00 € Factores fundamentales 3 días 90,00 € Elaboración Guía de Usuario 2 días 30,00 € Backtesting de la monitorización 20 días 0,00 € Simulación mercado diario 57 días 1.710,00 € Búsqueda de información y estudio 5 días 150,00 € Modelo de demanda 8 días 240,00 € Modelo de producción hidráulica UGH y no UGH 10 días 300,00 € Modelo de producción eólica 8 días 240,00 € Modelo de producción solar 6 días 180,00 € Modelo de producción nuclear 2 días 60,00 € Modelo de producción de ciclos combinados y

centrales térmicas convencionales

5 días 150,00 €

Coeficientes para cálculo de precio 10 días 300,00 € Análisis del modelo 3 días 90,00 € Consumidor directo a mercado 16 días 480,00 € Búsqueda de información y estudio 4 días 120,00 € Análisis curvas de consumo de CLH 5 días 150,00 € Cobertura por porcentajes vs cobertura por bandas

base

4 días 120,00 €

Gestión de desvíos 3 días 90,00 € Estrategia de contratación 5 días 300,00 € A largo plazo 3 días 90,00 € A corto plazo 2 días 60,00 € Redacción del proyecto 14 días 420,00 € Fin 0 días 0,00 €

Ilustración 13-1. Planificación del proyecto


148


Ilustración 13-2. Diagrama de Gantt



Se presenta una valoración del coste incurrido en el presente proyecto en el que se incluyen

principalmente las horas dedicadas al proyecto por cada uno de los integrantes del equipo. Así como

el coste del resultado.

HORAS /

UNIDADES

COSTE

UNITARIO

(€/h o €/unidad)

CANTIDAD

TOTAL (€)

Becario 480 7,5 3600

Dirección técnica 70 40 2800

Otros colaboradores 20 36 720

Instalaciones (luz,

amortización equipos)

1 800 800

TOTAL 7920 Tabla 13-1. Presupuesto del proyecto

Este no es un proyecto de construcción, por lo que no posee un presupuesto de obra como tal, se ha

decidido mostrar aquí una diferenciación en costes de las dos metodologías de contratación a las que

opta un consumidor industrial, mediante una comercializadora o acudir como consumidor directo a

mercado (en €/MWh):

Concepto Comercializadora Consumidor Directo a

Mercado

Coste de desvíos 0.2 0.32

Tasa municipal 1 0

Canon de eficiencia 0.29 0

Margen de gestión agente

representante*

0.5

Margen de gestión

comercializadora

0.5

TOTAL 1.99 0.82

Tabla 13-2. Diferencias en coste de las metodologías de contratación

*Coste no obligatorio, pero derivado de una gestión más compleja se estima necesario. En el caso de ser asumido con nuevos recursos

(2 personas), este coste sería de 0.44€/MWh.


150


ÍNDICE DE TABLAS Tabla 2-1. Comparación del sector español con el sector alemán. Fuente (Asociación de grandes

consumidores de energía, 2015) .......................................................................................................... 30 Tabla 6-1. Gestión de cobertura óptima para Febrero ......................................................................... 69 Tabla 6-2. Gestión de cobertura óptima para Abril ............................................................................. 70 Tabla 8-1. Ejemplo de funcionamiento del modelo de demanda nacional para el día 08/01. ............. 92

Tabla 8-2. Regresión múltiple para el cálculo de la producción hidráulica en los meses de Enero a

Abril ..................................................................................................................................................... 98 Tabla 8-3. Regresión múltiple para el cálculo de la producción hidráulica en los meses de Abril a

Diciembre ............................................................................................................................................. 98 Tabla 8-4. Resumen de coeficientes a aplicar para cálculo de producción hidráulica ........................ 99

Tabla 8-5. Frecuencia acumulada de datos históricos en los años 2014 y 2015. ............................... 108

Tabla 8-6.Regresión para el cálculo de la energía hidráulica fluyente .............................................. 114 Tabla 13-1. Presupuesto del proyecto ................................................................................................ 149

Tabla 13-2. Diferencias en coste de las metodologías de contratación ............................................. 149 Tabla 14-1. Gestión de cobertura óptima para Enero ........................................................................ 159 Tabla 14-2. Gestión de cobertura óptima para Febrero ..................................................................... 160

Tabla 14-3. Gestión de cobertura óptima para Marzo ....................................................................... 161 Tabla 14-4. Gestión de cobertura óptima para Abril ......................................................................... 162 Tabla 14-5. Gestión de cobertura óptima para Mayo ........................................................................ 163

Tabla 14-6. Gestión de cobertura óptima para Junio ......................................................................... 164 Tabla 14-7. Gestión de cobertura óptima para Julio .......................................................................... 165

Tabla 14-8. Gestión de cobertura óptima para Agosto ...................................................................... 166 Tabla 14-9. Gestión de cobertura óptima para Septiembre ................................................................ 167 Tabla 14-10. Gestión de cobertura óptima para Octubre ................................................................... 168

Tabla 14-11. Gestión de cobertura óptima para Noviembre .............................................................. 169

Tabla 14-12. Gestión de cobertura óptima para Diciembre ............................................................... 170 Tabla 14-13. Tabla de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17

............................................................................................................................................................ 171 Tabla 14-14. Tabla de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17



............................................................................................................................................................ 174

Tabla 14-17 Promedio horario y desviación estándar horaria de la demanda a las 5 de la mañana

separada por meses para los días laborales, datos desde 2014 a 2015. .............................................. 177 Tabla 14-18 Promedio horario y desviación estándar horaria de la demanda a las 5 de la mañana

separada por meses para los días festivos, datos desde 2014 a 2015. ................................................ 177

Tabla 14-19 Promedio horario y desviación estándar horaria separada por meses, datos desde 2005 a

2015. Elaboración propia. .................................................................................................................. 178 Tabla 14-20. Promedio separado por meses y horas de la producción horaria en los días festivos de

2014 y 2015....................................................................................................................................... 178 Tabla 14-21. Desviación estándar separada por meses y horas de la producción horaria en los días

festivos de 2014 y 2015 .................................................................................................................... 179 Tabla 14-22. Promedio separado por meses y horas de la producción horaria en los días laborales de

2014 y 2015....................................................................................................................................... 179

ÍNDICE DE TABLAS


Tabla 14-23. Desviación estándar separada por meses y horas de la producción horaria en los días

laborales de 2014 y 2015 .................................................................................................................. 180 Tabla 14-24. Coeficientes a aplicar para el cálculo horario de la producción hidráulica .................. 181

Tabla 14-25 .Producción eólica por porcentajes sobre el total instalado desde 1999. ....................... 182 Tabla 14-26. Promedio y desviación estándar de los porcentajes de producción de cada uno de los

meses .................................................................................................................................................. 182 Tabla 14-27. Errores en modelo de producción de ciclos combinados ............................................. 183 Tabla 14-28. Errores en modelo de producción en centrales térmicas convencionales (Carbón) ..... 183

Tabla 14-29. Coeficientes a aplicar a cada tecnología para el cálculo del precio horario ................. 184


152


ÍNDICE DE ILUSTRACIONES

Ilustración 0-1. Evolución de la potencia instalada en la península. ..................................................... 8 Ilustración 0-2. Segmentación de los precios según nivel de demanda y nivel de generación

renovable ................................................................................................................................................ 9

Ilustración 1-1. Esquema de funcionamiento del Marco Legal Estable (El observatorio crítico de la

energía & OCE, 2012) ......................................................................................................................... 20 Ilustración 1-2. Esquema de funcionamiento del mercado liberalizado español (El observatorio

crítico de la energía & OCE, 2012) ..................................................................................................... 21 Ilustración 1-3. Diferenciación entre sectores del consumo nacional. Fuente (Red Eléctrica de

España). ................................................................................................................................................ 23

Ilustración 2-1. Mecanismo de casación de oferta y demanda. Fuente (Mate, 2015) .......................... 26

Ilustración 2-2. Referencia temporal de cada mercado y procesos de formación del precio. Fuente

(OMIE) ................................................................................................................................................. 27 Ilustración 2-3.Evolución de Potencia instalada en la península. Elaboración propia con datos de

(OMIE) ................................................................................................................................................. 28

Ilustración 2-4. Producción de energía eléctrica desglosada por tecnologías. Elaboración propia con

datos de (OMIE) .................................................................................................................................. 29

Ilustración 2-5. Diferenciación de la curva de oferta por tecnologías de generación. Fuente (Beltrán)

.............................................................................................................................................................. 30 Ilustración 3-1. Mapa de infraestructuras de CLH. Fuente (CLH) ...................................................... 33

Ilustración 3-2. Capacidad de almacenamiento (miles de m3). Fuente (CLH) .................................... 34

Ilustración 3-3. Longitud de oleoductos (kilómetros). Fuente (CLH) ................................................. 34

Ilustración 5-1. Descomposición del precio de la energía en sus componentes. Elaboración propia .. 40

Ilustración 5-2. Cobertura en bandas base ........................................................................................... 49

Ilustración 5-3. Cobertura por porcentajes [1] ..................................................................................... 49 Ilustración 5-4. Relación entre primas y riesgo ................................................................................... 50 Ilustración 5-5. Relación anual entre coste de Mercado Diario y el coste de los servicios de ajuste . 50 Ilustración 5-6. Relación mensual entre el coste del Mercado Diario y el coste de los servicios de

ajuste .................................................................................................................................................... 51 Ilustración 5-7. Comparativa mensual del efecto de los servicios de ajuste sobre el precio de la

electricidad ........................................................................................................................................... 51 Ilustración 5-8. Ventajas e inconvenientes de acudir al mercado como consumidor directo .............. 53 Ilustración 6-1.Infraestructura logística del Grupo CLH. Fuente: (Guillén, 2007) ............................. 55

Ilustración 6-2. Esquema de Planificación mensual en el Grupo CLH. Fuente (Guillén, 2007) ......... 56 Ilustración 6-4. Comparación de consumo real y previsión de consumo en oleoducto Zarato y

Mipaza. Elaboración propia ................................................................................................................. 58 Ilustración 6-5. Comparación de consumo real y previsión de consumo en la instalación de

Puertollano. Elaboración propia ........................................................................................................... 59 Ilustración 6-6. Comparación del consumo real (azul) con el consumo previsto por la actividad

(rojo). ................................................................................................................................................... 60

Ilustración 6-7.Estacionalidad horaria y diaria según el promedio de las instalaciones de

almacenamiento. Elaboración propia ................................................................................................... 60 Ilustración 6-8. Histograma de la diferencia entre el consumo real y el modelo de previsión de

consumo. .............................................................................................................................................. 62 Ilustración 6-9. Cálculo del precio de los desvíos (Moreno Movilla) ................................................. 63

ÍNDICE DE ILUSTRACIONES


Ilustración 6-10.Diferenciación entre desvíos a favor o en contra del sistema (Moreno Movilla) ..... 64 Ilustración 6-11 a) Cobertura por porcentajes; b) Coberturas por bandas ........................................... 66 Ilustración 6-12. Ejemplo de precios de cobertura .............................................................................. 66

Ilustración 6-13. Comparación de coberturas por porcentajes vs coberturas por bandas base en

Febrero. Elaboración propia ................................................................................................................. 69 Ilustración 6-14. Comparación de coberturas por porcentajes vs coberturas por bandas base en Abril.

Elaboración propia ............................................................................................................................... 70 Ilustración 6-15. Histograma de 10.000 iteraciones comparando coberturas por porcentajes y por

bandas .................................................................................................................................................. 71 Ilustración 6-16. Resumen costes consumidor directo a mercado ....................................................... 72 Ilustración 7-1. Medias Móviles .......................................................................................................... 75 Ilustración 7-2. Moving Average Convergence-Divergence (MACD) ............................................... 77 Ilustración 7-3. Rate of Change y Rate of Change Alisado ................................................................. 79

Ilustración 7-4.Relative Strength Index ............................................................................................... 81

Ilustración 7-5.Número de contratos de Calendar-17 .......................................................................... 83

Ilustración 7-6. Número de Contratos de Calendar 16 ........................................................................ 83 Ilustración 7-7. Regresión múltiple de los factores fundamentales que afectan al precio del mercado

de futuros ............................................................................................................................................. 84 Ilustración 7-8. Modelado del mercado de futuros. ............................................................................. 86

Ilustración 8-1. Precios del mercado diario para el día 26/11/2015. Elaboración propia. ................... 89 Ilustración 8-2. Rango real de variación de la demanda según los meses del año .............................. 90 Ilustración 8-3.Rango modelado de variación de la demanda según los meses del año ...................... 91

Ilustración 8-4.Esquema de modelo de simulación de la demanda nacional ....................................... 93 Ilustración 8-5. Datos históricos de energía disponible en embalses hidroeléctricos .......................... 95

Ilustración 8-6. Ejemplo de evolución del modelo de simulación de los embalses ............................. 96 Ilustración 8-7. Distribución normal de probabilidad para la predicción de energía disponible en la

semana 28............................................................................................................................................. 96

Ilustración 8-8. Rizado horario típico de la producción hidráulica ................................................... 100

Ilustración 8-9. Coeficiente aplicado a la producción media diaria según la hora y el mes .............. 101 Ilustración 8-10. Porcentaje real de producción mensual eólica con respecto al total instalado ....... 102 Ilustración 8-11. Porcentaje modelado de producción mensual eólica con respecto a la potencia

instalada ............................................................................................................................................. 103 Ilustración 8-12. Evolución de la potencia eólica instalada ............................................................... 103

Ilustración 8-13. Producción Solar promedio de los años 2014 y 2015. ........................................... 105 Ilustración 8-14. Producción Nuclear en los años 2014 y 2015 ........................................................ 106 Ilustración 8-15. Estacionalidad de la energía nuclear, diferenciado por niveles de producción

(MWh)................................................................................................................................................ 107 Ilustración 8-16. Correlación entre el hueco térmico y la Producción térmica real .......................... 110

Ilustración 8-17. Correlación entre la producción térmica real y la producción térmica convencional

(Carbón) ............................................................................................................................................. 111 Ilustración 8-18. Correlación entre la producción térmica real y la producción en centrales de ciclo

combinado .......................................................................................................................................... 112 Ilustración 8-19. Relación entre precio horario y la segmentación realizada .................................... 115 Ilustración 8-20. Distribución de precios para el primer trimestre de 2017 (Q1) .............................. 118 Ilustración 8-21. Distribución de precios para el segundo trimestre de 2017(Q2) ............................ 119

Ilustración 8-22. Distribución de precios para el tercer trimestre de 2017 (Q3) .............................. 119 Ilustración 8-23. Distribución de precios para el cuarto trimestre de 2017 (Q4) ............................. 120 Ilustración 8-24. Distribución de precios para el Calendar 17 (Yr-17) ............................................ 120 Ilustración 8-25. Diagrama del modelo de simulación del mercado diario ....................................... 121


154


Ilustración 9-1. Diagrama de la estrategia de optimización de coberturas ....................................... 124

Ilustración 9-2. Estructura del modelo de simulación de Montecarlo .............................................. 126 Ilustración 9-3. Ejemplo del resultado de una simulación de Montecarlo ......................................... 127 Ilustración 9-4. Ejemplo de aplicación de la estrategia a corto plazo ................................................ 129 Ilustración 9-5. Variables para la toma de decisiones de cobertura ................................................... 130 Ilustración 9-6. Gráfico para la toma de decisión de coberturas para el Q1. ..................................... 130

Ilustración 9-7. Probabilidad de categoría más probable de temperatura en Julio – Agosto –

Septiembre. Fuente: (AEMET) .......................................................................................................... 131 Ilustración 9-8. Probabilidad de categoría más probable de lluvia en Julio – Agosto – Septiembre.

Fuente: (AEMET) .............................................................................................................................. 132 Ilustración 13-1. Planificación del proyecto ...................................................................................... 147

Ilustración 13-2. Diagrama de Gantt .................................................................................................. 148 Ilustración 14-1. Comparación de coberturas por porcentajes vs coberturas por bandas base en Enero.

Elaboración propia ............................................................................................................................. 159


Febrero. Elaboración propia ............................................................................................................... 160 Ilustración 14-3. Comparación de coberturas por porcentajes vs coberturas por bandas base en

Marzo. Elaboración propia ................................................................................................................. 161 Ilustración 14-4. Comparación de coberturas por porcentajes vs coberturas por bandas base en Abril.

Elaboración propia ............................................................................................................................. 162 Ilustración 14-5. Comparación de coberturas por porcentajes vs coberturas por bandas base en Mayo.


Ilustración 14-6. Comparación de coberturas por porcentajes vs coberturas por bandas base en Junio.


Ilustración 14-7. Comparación de coberturas por porcentajes vs coberturas por bandas base en Julio.

Elaboración propia ............................................................................................................................. 165 Ilustración 14-8. Comparación de coberturas por porcentajes vs coberturas por bandas base en

Agosto. Elaboración propia ............................................................................................................... 166


Septiembre. Elaboración propia ......................................................................................................... 167 Ilustración 14-10. Comparación de coberturas por porcentajes vs coberturas por bandas base en

Octubre. Elaboración propia .............................................................................................................. 168 Ilustración 14-11. Comparación de coberturas por porcentajes vs coberturas por bandas base en

Noviembre. Elaboración propia ......................................................................................................... 169


Diciembre. Elaboración propia .......................................................................................................... 170

Ilustración 14-13. Gráfico de apoyo a la decisión de volumen de compra en mercado de futuros para

Q1-17 ................................................................................................................................................. 171 Ilustración 14-14. Gráfico de apoyo a la decisión de volumen de compra en mercado de futuros para



Q1-17 ................................................................................................................................................. 174

ANEXOS


ANEXOS


156


ANEXOS


14. ANEXOS

14.1 Anexo I: Características y calendario de las

liquidaciones

El Consumidor Directo en Mercado recibe las siguientes facturas:

- Una factura diaria de OMIE por la energía adquirida en el mercado diario e intradiario.

- Una factura mensual de REE por el coste de los ajustes del sistema.

- Una factura mensual del Distribuidor por los Peajes.

14.1.1 Liquidación a realizar por el Operador de Mercado

El Operador del Mercado (OMIE), de acuerdo con sus funciones como gestor del sistema de ofertas

de compra y venta de energía en el mercado diario, es el encargado de realizar la liquidación de los

programas resultantes de los procesos de casación de los mercados diario e intradiario.

En la liquidación se practican para cada hora y sesión de mercado diario e intradiario las siguientes

anotaciones en cuenta a las unidades, aplicando el precio marginal español o portugués según la zona

a la que pertenezca la unidad:

A cada unidad que ha resultado vendedora se le anota un derecho de cobro calculado como el

producto de la energía vendida por el precio marginal.

A cada unidad que ha resultado compradora se le anota una obligación de pago calculada

como el producto de las compras realizadas por el precio marginal.

En caso de producirse separación de mercados entre España y Portugal, la renta de

congestión que se genera debido a la diferencia de precio entre España y Portugal, se asigna

al 50% entre los operadores del sistema de ambos países.

La liquidación diaria de cada agente se obtiene como la suma de las anotaciones horarias

correspondientes a las ventas y compras realizadas en cada hora de las distintas sesiones.

El operador del mercado, en aplicación de la Disposición adicional tercera del RD 1496/2003 de 28

de noviembre de Reglamento de facturación, expide diariamente facturas en nombre y por cuenta

de las entidades suministradoras de energía que acuden al mercado y expide una factura por los

suministros efectuados a cada adquirente de energía.

En dichas facturas el operador del mercado incluye los correspondientes impuestos: I.V.A. y en el

caso de los consumidores directos el impuesto de la electricidad que les corresponde.

14.1.2 Liquidación a realizar por el Operador del Sistema

El Operador del Sistema es el encargado de liquidar los siguientes conceptos:


158


Pagos por capacidad.

Servicios de ajustes del sistema:

a) La resolución de restricciones por garantía de suministro.

b) La resolución de restricciones técnicas del PBF, del mercado intradiario y en tiempo real.

c) La resolución de desvíos generación-consumo.

d) Los servicios complementarios de regulación secundaria.

e) Los servicios complementarios de regulación terciaria.

Desvíos entre energía medida y energía programada.

En su caso, cuota de la moratoria nuclear a la que se refiere el artículo 6.3, párrafo segundo

del Real Decreto 2017/1997, de 26 de diciembre.

Impuesto Especial sobre la Electricidad.

Impuesto sobre el Valor Añadido (IVA).

Antes del inicio de cada año natural, se pondrá a disposición de los Sujetos de Liquidación el

calendario de pagos para el siguiente año natural. Este calendario detallará las fechas límite de

comunicación de los cargos y abonos y las fechas límite de pago de cada liquidación.

Se pondrá a disposición del Sujeto de Liquidación su correspondiente factura de compra en la que

se hará constar lo siguiente:

- Periodo mensual de liquidación.

- Energía adquirida

- Importe total de las obligaciones de pago.

- Cuota de la moratoria nuclear.

- Cuota soportada del Impuesto sobre la Electricidad.

- Impuesto sobre el Valor Añadido (IVA) soportado.

Junto con las facturas, se pondrá a disposición de los Sujetos de Liquidación la nota de cargo o de

abono por el importe neto a pagar o recibir resultante de la factura o facturas correspondientes al

mismo día de cobros y pagos. En dicha nota se hará constar lo siguiente:

- Importe a pagar o recibir por el Sujeto de Liquidación por el conjunto de las facturas.

- Identificación de las facturas que comprende la nota de cargo o de abono.

- Fecha y hora límite de pago.

- Cuenta en la que se debe recibir el pago del Sujeto de Liquidación.

Para cada mes M, tendrán lugar los siguientes procesos de liquidación:

En el mes M, la Liquidación Inicial Provisional Primera.

En el mes M+1, la Liquidación Inicial Provisional Segunda.

En el mes M+3, la Liquidación Intermedia Provisional.

En el mes siguiente al cierre provisional de medidas, la Liquidación Final Provisional.

En el mes siguiente al cierre definitivo de medidas, la Liquidación Final Definitiva.

Los detalles de las medidas a considerar en cada liquidación, así como la cronología de las distintas

anotaciones aparecen detallados en el Procedimiento de Operación P.O. 14.1 publicado por el

Operador del Sistema (REE).

(García Baños, 2013)

ANEXOS


-20

-15

-10

-5

0

5

10

15

20

25

-30

,00

-28

,00

-26

,00

-24

,00

-22

,00

-20

,00

-18

,00

-16

,00

-14

,00

-12

,00

-10

,00

-8,0

0-6

,00

-4,0

0-2

,00 -

2,0

0 4

,00

6,0

0 8

,00

10

,00

12

,00

14

,00

16

,00

18

,00

20

,00

22

,00

24

,00

26

,00

28

,00

31

,00

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

ho

rari

o p

or

ban

das

(e

uro

s)

Precio Cobertura-OMIE (euros)

Enero

20

30

40

50

60

70

80

14.2 Anexo II: Coberturas por porcentajes vs

Coberturas por bandas


Buena Porcentajes Bandas

Mala Bandas Porcentajes

Tabla 14-1. Gestión de cobertura óptima para Enero

Los resultados que se obtienen en una diferencia entre el precio del OMIE y el de la cobertura de

más de 10 euros (por un lado y por otro), no son significativos ya que es muy difícil que ocurra en la

realidad.

Ilustración 14-1. Comparación de coberturas por porcentajes vs coberturas por bandas base en Enero. Elaboración propia


160


-20

-15

-10

-5

0

5

10

15

20

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Febrero

20

30

40

50

60

70

80




Tabla 14-2. Gestión de cobertura óptima para Febrero


a que los mínimos de consumo en este periodo se sitúan justamente en los 18MWh, que coincide con

el 60% del consumo promedio de Febrero (alrededor de 30 MWh).

Al igual que en caso de Enero, los resultados que se obtienen con una diferencia entre OMIE y

precio de cobertura se pueden omitir.

Ilustración 14-2. Comparación de coberturas por porcentajes vs coberturas por bandas base en Febrero. Elaboración propia

ANEXOS


-25

-20

-15

-10

-5

0

5

10

15

20

-23

,00

-21

,00

-19

,00

-17

,00

-15

,00

-13

,00

-11

,00

-9,0

0

-7,0

0

-5,0

0

-3,0

0

-1,0

0

1,0

0

3,0

0

5,0

0

7,0

0

9,0

0

11

,00

13

,00

15

,00

17

,00

19

,00

21

,00

23

,00

25

,00

27

,00

29

,00

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Marzo

20

30

40

50

60

70

80




Tabla 14-3. Gestión de cobertura óptima para Marzo

Ilustración 14-3. Comparación de coberturas por porcentajes vs coberturas por bandas base en Marzo. Elaboración propia


162


-20

-15

-10

-5

0

5

10

15

20

-27

,00

-25

,00

-23

,00

-21

,00

-19

,00

-17

,00

-15

,00

-13

,00

-11

,00

-9,0

0

-7,0

0

-5,0

0

-3,0

0

-1,0

0

1,0

0

3,0

0

5,0

0

7,0

0

9,0

0

11

,00

13

,00

15

,00

17

,00

19

,00

21

,00

23

,00

25

,00

27

,00

29

,00

32

,00

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Abril

20

30

40

50

60

70

80

Tabla 14-4. Gestión de cobertura óptima para Abril


a que los mínimos de consumo en este período se sitúan justamente en los 12MWh, que coincide con

el 40% del consumo promedio de Abril (alrededor de 30 MWh).




Ilustración 14-4. Comparación de coberturas por porcentajes vs coberturas por bandas base en Abril. Elaboración propia

ANEXOS


-15

-10

-5

0

5

10

15

20

-33 -31 -29 -27 -25 -23 -21 -19 -17 -15 -13 -11 -9 -7 -5 -3 -1 1 3 5 7 9 11 13

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Mayo

20

30

40

50

60

70

80




Tabla 14-5. Gestión de cobertura óptima para Mayo

Ilustración 14-5. Comparación de coberturas por porcentajes vs coberturas por bandas base en Mayo. Elaboración propia


164


-20

-15

-10

-5

0

5

10

15

-38

,00

-36

,00

-34

,00

-32

,00

-30

,00

-28

,00

-26

,00

-24

,00

-22

,00

-20

,00

-18

,00

-16

,00

-14

,00

-12

,00

-10

,00

-8,0

0

-6,0

0

-4,0

0

-2,0

0 -

2,0

0

4,0

0

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Junio

20

30

40

50

60

70

80




Tabla 14-6. Gestión de cobertura óptima para Junio

Ilustración 14-6. Comparación de coberturas por porcentajes vs coberturas por bandas base en Junio. Elaboración propia

ANEXOS


-6

-4

-2

0

2

4

6

8

10

12

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Julio

70

80

90

100




Tabla 14-7. Gestión de cobertura óptima para Julio

Ilustración 14-7. Comparación de coberturas por porcentajes vs coberturas por bandas base en Julio. Elaboración propia


166


-8

-6

-4

-2

0

2

4

6

8

10

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Agosto

70

80

90

100




Tabla 14-8. Gestión de cobertura óptima para Agosto

Ilustración 14-8. Comparación de coberturas por porcentajes vs coberturas por bandas base en Agosto. Elaboración propia

ANEXOS


Tabla 14-9. Gestión de cobertura óptima para Septiembre




-10

-5

0

5

10

15

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Septiembre

70

80

90

100

Ilustración 14-9. Comparación de coberturas por porcentajes vs coberturas por bandas base en Septiembre. Elaboración propia


168


-15

-10

-5

0

5

10

15

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Octubre

70

80

90

100




Tabla 14-10. Gestión de cobertura óptima para Octubre

Ilustración 14-10. Comparación de coberturas por porcentajes vs coberturas por bandas base en Octubre. Elaboración propia

ANEXOS


-20

-15

-10

-5

0

5

10

15

20

25

-20

,00

-15

,00

-13

,00

-11

,00

-9,0

0

-7,0

0

-5,0

0

-3,0

0

-1,0

0

1,0

0

3,0

0

5,0

0

7,0

0

9,0

0

11

,00

13

,00

15

,00

17

,00

19

,00

21

,00

23

,00

25

,00

27

,00

29

,00

31

,00

33

,00

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Noviembre

70

80

90

100




Tabla 14-11. Gestión de cobertura óptima para Noviembre

Ilustración 14-11. Comparación de coberturas por porcentajes vs coberturas por bandas base en Noviembre. Elaboración propia


170


-20

-15

-10

-5

0

5

10

15

20

25

-21

,00

-15

,00

-13

,00

-11

,00

-9,0

0

-7,0

0

-5,0

0

-3,0

0

-1,0

0

1,0

0

3,0

0

5,0

0

7,0

0

9,0

0

11

,00

13

,00

15

,00

17

,00

19

,00

21

,00

23

,00

25

,00

27

,00

29

,00

31

,00

Co

ste

ho

rari

o p

or

po

rce

nta

jes-

co

ste

po

r b

and

as (

eu

ros)


Diciembre

70

80

90

100




Tabla 14-12. Gestión de cobertura óptima para Diciembre

Ilustración 14-12. Comparación de coberturas por porcentajes vs coberturas por bandas base en Diciembre. Elaboración propia

ANEXOS


14.3 Anexo III: Estrategia de cobertura a corto plazo

para 2017

Ilustración 14-13. Gráfico de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17

Q1 % cobertura

Corregido

% cobertura Riesgo/Prima Oportunidad

41 139% 100% 0 0

42 98% 100% 0 0

43 72% 100% 1,054071753 1,473868319

44 39% 79% 1,72130382 3,535937966

45 19% 56% 1,811743457 5,449499117

46 8% 38% 1,52965441 6,903962624

47 3% 23% 1,146355591 8,512318623

48 1% 12% 0,649158893 9,268321094

49 0% 5% 0,271466446 9,842613772

50 0% 0% 7,48803E-16 10,25538663

Tabla 14-13. Tabla de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17

0

2

4

6

8

10

12

0%

20%

40%

60%

80%

100%

120%

140%

160%

41 42 43 44 45 46 47 48 49 50

% cobertura Corregido

% cobertura

Riesgo/Prima

Oportunidad


172



Q2 % cobertura

Corregido


39 108% 100% 0 0

40 59% 91% 0,872374332 1,346630562

41 22% 56% 1,252651793 3,240663649

42 7% 31% 0,912220001 4,198618069

43 2% 15% 0,548235245 5,182772516

44 0% 5% 0,214377703 5,554151553

45 0 0 0 5,792622681 Tabla 14-14. Tabla de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17

0

1

2

3

4

5

6

7

0%

20%

40%

60%

80%

100%

120%

1 2 3 4 5 6 7


% cobertura

Riesgo/Prima

Oportunidad

ANEXOS



Q3 % cobertura

Corregido


51 126% 100% 0 0

52 57% 100% 0,517443479 0,908228642

53 10% 44% 0,637020497 2,791865683

54 1% 12% 0,249793974 3,752171656

55 0% 0% 0 4,106731481

56 0% 0% 0 4,106731481

57 0% 0% 0 4,106731481

58 0% 0% 0 4,106731481 Tabla 14-15. Tabla de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

0%

20%

40%

60%

80%

100%

120%

140%

51 52 53 54 55 56 57


% cobertura

Riesgo/Prima

Oportunidad


174



Q4 % cobertura

Corregido


44 119% 100% 0 0

45 68% 100% 0,543987866 0,797748859

46 27% 71% 0,922453151 2,39969659

47 8% 37% 0,793764887 3,694054816

48 2% 16% 0,490531635 4,711968136

49 0% 7% 0,25041708 5,084604109

50 0% 2% 0,105851068 5,308957424

51 0% 1% 0,042625637 5,407077547 Tabla 14-16. Tabla de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17

0

1

2

3

4

5

6

0%

20%

40%

60%

80%

100%

120%

140%

44 45 46 47 48 49 50 51


% cobertura

Riesgo/Prima

Oportunidad

ANEXOS


Anexo IV: Fuentes y actualización de

datos para monitorización del mercado

de futuros

Fuentes

Emisiones de CO2

http://www.sendeco2.com/es/precios-co2

Descargamos el precio histórico del CO2

Crudo

http://www.infomercados.com/cotizaciones/historico/crude-oil-oil/

Gas natural

http://www.powernext.com/#sk;tp=app;n=market;f=listMarketTable;t=layout/gasSpot;fp=system

_name:gasSpot,delivery:uk;lang=en_US;m=marketdata

Descargamos en formato csv PEGAS Spot Índices y lo obtenido lo separamos en columnas.

Nos interesa la tercera columna (TRS).

Cuidado porque los datos obtenidos no utilizan comas, sino puntos para delimitar los decimales,

debemos realizar el tratamiento de estos datos adecuado

Carbón

https://www.quandl.com/api/v3/datasets/CHRIS/ICE_ATW1.csv

Utilizamos la columna Settle y al igual que con los datos del gas debemos realizar el debido

tratamiento de datos para transformar los puntos en comas

OMIE (Media Móvil de 365 días del precio diario de la energía eléctrica)

http://www.omip.pt/Downloads/SpotPrices/tabid/296/language/es-ES/Default.aspx

Descargamos los datos entre las fechas de interés añadiendo un año anterior al periodo y

utilizamos la primera columna que nos aparece para realizar un promedio de los 365 días

anteriores al día en concreto

Omip

http://www.omip.pt/Downloads/FuturesMarket/tabid/294/language/es-ES/Default.aspx

Al igual que con el Omie descargamos los datos del periodo temporal de interés y utilizamos la

columna obtenida con el nombre de Settlement Price para realizar todos los cálculos

http://www.sendeco2.com/es/precios-co2

http://www.infomercados.com/cotizaciones/historico/crude-oil-oil/

http://www.powernext.com/#sk;tp=app;n=market;f=listMarketTable;t=layout/gasSpot;fp=system_name:gasSpot,delivery:uk;lang=en_US;m=marketdata

http://www.powernext.com/#sk;tp=app;n=market;f=listMarketTable;t=layout/gasSpot;fp=system_name:gasSpot,delivery:uk;lang=en_US;m=marketdata

https://www.quandl.com/api/v3/datasets/CHRIS/ICE_ATW1.csv

http://www.omip.pt/Downloads/SpotPrices/tabid/296/language/es-ES/Default.aspx

http://www.omip.pt/Downloads/FuturesMarket/tabid/294/language/es-ES/Default.aspx


176


Para los datos de las posiciones abiertas debemos utilizar en este mismo documento la columna

de Number of Contracts.

Actualización de datos

Los datos para los indicadores bursátiles se deben actualizar al menos una vez cada semana cuando

no estamos en posición de alerta o de compra; y cada día en el caso de que nos encontremos en una

situación favorable de compra.

Los datos para los indicadores fundamentales deben actualizarse una vez al mes y se deben ir

corrigiendo los coeficientes utilizados una vez cada seis meses, utilizando para ello, los datos de

entre tres y cinco años anteriores al último dato estudiado.

ANEXOS


14.4 Anexo V: Tablas del modelo de simulación del

mercado diario

Mes Promedio de Producción

(MWh)

Desviación estándar de

Producción (MWh)

Enero 23931,37778 1976,158051

Febrero 26695,1625 644,190214

Marzo 24086,30588 1272,764608

Abril 22343,63529 1392,40969

Mayo 22085,86286 1057,27488

Junio 23556,44545 908,3250716

Julio 25426,62895 1505,105805

Agosto 23003,28788 1082,672981

Septiembre 23633,76286 1108,828262

Octubre 22249,09459 914,0322794

Noviembre 22253,60313 1444,494729

Diciembre 22049,15135 2200,644765

Tabla 14-17 Promedio horario y desviación estándar horaria de la demanda a las 5 de la mañana separada por

meses para los días laborales, datos desde 2014 a 2015.

Mes Promedio de Producción

(MWh)

Desviación estándar de

Producción (MWh)

Enero 22760,43846 1342,268884

Febrero 24089 743,6984555

Marzo 22017,67857 1400,291136

Abril 20625,31667 1132,124008

Mayo 20093,6 1072,346911

Junio 21695,74074 1230,25217

Julio 23059,9875 1428,183464

Agosto 21579,67931 1299,104362

Septiembre 21620,988 1146,941689

Octubre 19563,132 1340,846431

Noviembre 20294,08214 1607,146643

Diciembre 20917,472 1642,868783

Tabla 14-18 Promedio horario y desviación estándar horaria de la demanda a las 5 de la mañana separada por

meses para los días festivos, datos desde 2014 a 2015.


178


Mes Promedio

(MWh)

Desviación estándar

(MWh)

Enero 30093,19 1103,603324

Febrero 30827,0731 1394,788102

Marzo 28662,4104 1359,243365

Abril 26611,5741 984,8498389

Mayo 26734,991 950,8950272

Junio 27864,8148 986,1078834

Julio 29641,7051 1463,849942

Agosto 27735,5991 654,6340577

Septiembre 28215,2778 1228,336034

Octubre 27300,8833 984,6895649

Noviembre 27848,6111 1053,585241

Diciembre 28353,6866 1006,790144

Tabla 14-19 Promedio horario y desviación estándar horaria separada por meses, datos desde 2005 a 2015.

Elaboración propia.

Mes\

Hora

6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 0 1 2 3 4 5

1 4,70

%

7,13

%

6,69

%

7,60% 7,29

%

3,10

%

0,34% 0,22% -

1,78%

-

3,22%

-

1,78%

0,30% 7,44% 4,90% 1,27% -

0,35%

-

4,37%

-

7,15%

-

8,22%

-

8,10%

-

6,24%

-

4,54%

-

1,76%

0,58%

2 4,78

%

7,21

%

6,11

%

7,48% 6,43

%

2,33

%

-

0,19%

0,25% -

1,82%

-

2,83%

-

1,80%

-

0,47%

3,84% 7,87% 1,78% -

1,54%

-

3,76%

-

6,71%

-

8,22%

-

7,25%

-

5,71%

-

3,35%

-

1,54%

0,70%

3 4,75

%

5,84

%

6,06

%

7,61% 5,74

%

2,36

%

0,34% -

0,22%

-

2,28%

-

3,07%

-

2,31%

-

0,58%

1,44% 6,80% 4,76% -

0,31%

-

4,84%

-

6,45%

-

7,87%

-

6,90%

-

4,78%

-

3,52%

-

1,34%

1,31%

4 3,34

%

3,73

%

4,50

%

9,66% 6,13

%

3,25

%

1,15% 0,46% -

2,25%

-

3,17%

-

1,94%

-

1,50%

-

0,53%

0,76% 3,90% 7,79% -

3,15%

-

5,85%

-

8,00%

-

5,32%

-

4,69%

-

3,36%

-

1,83%

0,21%

5 2,29

%

2,48

%

7,96

%

10,22

%

6,72

%

3,03

%

1,64% 0,95% -

2,21%

-

3,65%

-

1,43%

-

0,92%

-

0,81%

0,18% 1,68% 6,35% -

1,02%

-

7,20%

-

7,28%

-

5,83%

-

5,11%

-

3,31%

-

1,53%

0,21%

6 0,85

%

2,65

%

7,41

%

10,14

%

5,86

%

3,19

%

2,13% 1,68% -

1,70%

-

1,95%

-

1,31%

-

0,42%

-

1,11%

-

0,25%

0,30% 2,16% 0,64% -

5,36%

-

5,76%

-

5,76%

-

5,23%

-

3,00%

-

1,83%

-

0,17%

7 1,10

%

1,68

%

6,75

%

9,47% 7,23

%

3,61

%

2,67% 1,72% -

0,71%

-

1,46%

-

1,33%

-

0,88%

-

1,20%

-

0,72%

-

0,27%

1,09% 1,93% -

4,77%

-

5,57%

-

5,98%

-

5,20%

-

3,43%

-

2,33%

-

0,51%

8 2,17

%

1,22

%

4,91

%

9,82% 7,31

%

4,21

%

2,46% 2,19% -

0,27%

-

2,34%

-

1,84%

-

0,90%

-

0,81%

-

0,31%

0,78% 5,25% -

1,40%

-

5,40%

-

5,95%

-

6,43%

-

5,33%

-

3,72%

-

2,01%

-

0,72%

9 3,68

%

4,56

%

3,33

%

7,35% 6,62

%

3,29

%

2,27% 1,34% -

1,59%

-

2,34%

-

1,63%

-

0,46%

-

0,91%

0,74% 4,98% 3,83% -

5,80%

-

7,17%

-

5,88%

-

4,98%

-

4,28%

-

2,76%

-

1,77%

0,00%

10 4,30

%

5,88

%

4,60

%

7,07% 5,80

%

2,53

%

1,84% 0,63% -

2,12%

-

2,99%

-

1,97%

-

0,54%

2,48% 5,16% 5,67% -

1,17%

-

6,98%

-

6,78%

-

6,21%

-

5,93%

-

3,90%

-

2,97%

-

1,19%

0,07%

11 5,08

%

5,53

%

5,00

%

8,23% 6,09

%

2,42

%

0,83% 0,83% -

2,15%

-

3,25%

-

2,23%

1,42% 8,13% 2,77% 0,44% -

1,93%

-

5,69%

-

6,94%

-

6,36%

-

7,02%

-

4,50%

-

2,79%

-

1,03%

1,67%

12 4,59

%

7,37

%

5,38

%

6,86% 7,02

%

3,37

%

0,47% 0,69% -

1,63%

-

2,94%

-

1,69%

2,40% 7,59% 2,40% 0,66% -

0,89%

-

4,57%

-

6,24%

-

8,40%

-

7,35%

-

6,08%

-

3,55%

-

1,90%

0,36%

Tabla 14-20. Promedio separado por meses y horas de la producción horaria en los días festivos de 2014 y 2015

ANEXOS


Tabla 14-22. Promedio separado por meses y horas de la producción horaria en los días laborales de 2014 y 2015

6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 0 1 2 3 4 5

1 6,08% 5,64% 4,13% 2,75% 3,12% 2,32% 1,40% 1,25% 1,44% 1,97% 1,78% 1,22% 2,38% 2,03% 1,21% 1,76% 2,01% 1,94% 2,23% 2,49% 2,47% 1,71% 1,94% 2,33%

2 5,40% 6,86% 4,54% 3,87% 3,54% 2,03% 1,38% 1,46% 1,93% 1,69% 1,37% 1,48% 2,30% 2,96% 1,95% 2,08% 1,73% 2,18% 2,02% 1,75% 1,94% 1,38% 1,19% 2,36%

3 6,05% 6,65% 3,64% 2,72% 3,03% 2,20% 1,28% 1,33% 1,47% 1,98% 1,17% 1,42% 2,85% 3,66% 3,06% 2,82% 2,22% 1,53% 2,79% 2,68% 2,11% 1,34% 1,43% 2,56%

4 4,68% 4,58% 2,66% 2,88% 2,23% 1,38% 0,93% 1,32% 1,39% 1,91% 1,21% 1,08% 1,13% 2,00% 1,83% 3,08% 2,33% 2,15% 2,03% 1,70% 1,77% 1,38% 1,41% 2,08%

5 5,27% 5,64% 2,84% 2,39% 2,27% 1,78% 1,01% 1,09% 1,47% 1,53% 1,69% 0,87% 0,88% 1,17% 1,69% 3,83% 2,78% 1,70% 1,93% 1,36% 1,46% 1,69% 1,10% 1,71%

6 4,14% 4,52% 2,44% 2,17% 1,95% 1,47% 0,85% 1,40% 1,60% 1,67% 1,35% 0,94% 1,29% 1,47% 1,96% 2,51% 2,25% 1,75% 1,88% 1,38% 1,23% 1,15% 1,14% 2,09%

7 4,42% 4,63% 2,79% 1,59% 1,78% 1,18% 1,30% 1,08% 1,68% 1,40% 0,98% 0,66% 1,03% 1,29% 1,88% 2,59% 1,90% 1,99% 1,81% 1,19% 1,33% 0,87% 0,84% 2,08%

8 3,55% 4,74% 3,25% 2,32% 1,64% 1,28% 0,99% 1,02% 1,58% 1,53% 0,91% 0,80% 0,98% 1,57% 2,15% 2,63% 2,80% 1,56% 1,13% 1,29% 1,22% 0,90% 1,22% 1,65%

9 4,31% 5,59% 3,03% 2,45% 2,23% 1,75% 1,11% 1,25% 1,57% 1,16% 1,67% 0,81% 1,36% 1,94% 3,19% 2,50% 2,23% 1,72% 1,97% 1,58% 1,12% 1,34% 1,17% 1,74%

10 5,86% 6,85% 3,38% 2,26% 2,61% 2,57% 1,16% 1,43% 1,33% 1,72% 1,10% 1,53% 4,29% 2,84% 4,52% 1,88% 1,85% 1,98% 1,95% 1,85% 1,86% 1,76% 1,33% 1,75%

11 5,36% 5,95% 3,13% 2,78% 2,71% 1,86% 1,31% 1,49% 1,12% 1,80% 1,53% 2,24% 2,67% 2,65% 1,62% 1,70% 2,38% 2,35% 2,34% 2,34% 1,92% 1,80% 1,39% 3,14%

12 4,36% 6,37% 4,04% 2,72% 3,32% 2,81% 1,09% 1,14% 1,42% 1,86% 1,15% 2,00% 2,94% 1,74% 1,37% 1,54% 1,96% 1,88% 1,98% 2,75% 2,32% 1,66% 1,28% 1,54%

Tabla 14-21. Desviación estándar separada por meses y horas de la producción horaria en los días festivos de 2014

y 2015

Etiquetas

de fila

6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 0 1 2 3 4 5

1 9,01% 13,35% 10,12% 3,10% 2,95% 1,04% -

0,16%

-0,25% -

2,82%

-

1,56%

-

0,84%

1,46% 5,30% 3,65% -

0,01%

-

1,73%

-

6,04%

-

8,32%

-

9,16%

-

6,75%

-

4,89%

-

3,03%

-

1,32%

1,66%

2 8,76% 13,13% 9,08% 3,56% 2,17% 0,31% -

0,40%

-0,70% -

2,74%

-

1,42%

-

0,96%

0,35% 1,80% 5,74% 1,00% -

1,84%

-

6,07%

-

7,73%

-

8,61%

-

6,65%

-

4,18%

-

2,15%

-

0,81%

1,61%

3 9,27% 10,87% 8,63% 5,07% 3,23% 0,93% -

0,57%

-0,88% -

3,47%

-

1,27%

-

1,38%

-

0,45%

1,37% 5,53% 3,07% -

2,57%

-

6,20%

-

7,66%

-

9,39%

-

5,17%

-

4,22%

-

2,45%

-

0,94%

2,08%

4 7,17% 8,80% 7,01% 5,38% 3,74% 1,74% 0,84% -0,48% -

2,63%

-

1,43%

-

0,74%

-

0,69%

-

1,34%

-

0,62%

3,15% 4,72% -

5,02%

-

7,86%

-

7,90%

-

5,08%

-

4,42%

-

2,97%

-

0,91%

1,56%

5 5,96% 7,96% 8,90% 6,98% 3,72% 2,09% 1,48% -0,23% -

2,66%

-

1,32%

-

0,38%

-

0,34%

-

1,38%

-

1,32%

-

0,28%

3,14% -

3,34%

-

8,10%

-

6,89%

-

4,81%

-

4,24%

-

2,46%

-

1,16%

0,70%

6 4,33% 6,85% 8,35% 7,18% 4,14% 2,18% 1,76% 0,65% -

2,36%

-

1,62%

0,04% -

0,12%

-

1,67%

-

1,70%

-

1,36%

-

0,21%

-

0,74%

-

6,08%

-

4,90%

-

5,20%

-

4,51%

-

2,34%

-

1,05%

0,75%

7 4,14% 5,17% 8,00% 9,07% 5,29% 2,61% 2,50% 1,09% -

1,61%

-

1,18%

-

0,24%

-

0,23%

-

2,01%

-

1,94%

-

2,43%

-

0,87%

-

0,43%

-

5,78%

-

5,23%

-

5,85%

-

4,69%

-

2,72%

-

1,50%

0,27%

8 5,18% 5,61% 6,24% 8,86% 6,67% 3,12% 2,74% 1,62% -

1,33%

-

2,11%

-

1,05%

-

0,65%

-

1,40%

-

1,90%

-

1,18%

3,44% -

2,58%

-

6,73%

-

6,46%

-

6,50%

-

5,15%

-

3,09%

-

1,44%

0,26%

9 6,59% 9,37% 5,01% 5,19% 4,10% 2,38% 1,84% 0,32% -

2,18%

-

1,07%

-

0,14%

-

0,25%

-

1,66%

-

1,15%

2,84% 1,98% -

7,79%

-

7,83%

-

5,00%

-

4,54%

-

3,77%

-

2,31%

-

0,82%

0,57%

10 8,21% 12,35% 6,80% 3,23% 2,61% 2,33% 1,30% -0,33% -

2,88%

-

0,62%

-

0,80%

-

0,02%

0,56% 3,10% 2,35% -

2,90%

-

8,69%

-

8,52%

-

6,23%

-

4,66%

-

3,17%

-

1,94%

-

0,82%

1,46%

11 10,57% 12,78% 7,45% 4,24% 2,55% 1,55% 0,20% -0,69% -

3,30%

-

1,85%

-

0,71%

3,38% 5,86% 0,68% -

1,64%

-

3,72%

-

7,46%

-

7,91%

-

8,00%

-

5,78%

-

3,74%

-

2,21%

-

0,32%

1,76%

12 8,49% 12,75% 8,78% 4,87% 3,33% 1,35% -

0,13%

-0,57% -

2,80%

-

2,03%

-

0,66%

2,90% 6,22% 1,18% -

0,66%

-

2,38%

-

6,44%

-

7,47%

-

7,86%

-

7,93%

-

5,43%

-

3,33%

-

1,18%

1,57%


180


Etiquetas

de fila

6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 0 1 2 3 4 5

1 3,57% 4,24% 3,58% 1,81% 2,26% 2,19% 1,64% 1,45% 1,57% 1,41% 1,17% 1,36% 2,00% 1,92% 1,32% 2,07% 2,06% 1,84% 2,68% 2,67% 1,55% 1,80% 1,37% 1,90%

2 2,36% 2,70% 1,59% 1,56% 0,95% 1,05% 1,09% 1,04% 1,30% 1,16% 0,83% 1,07% 2,10% 2,86% 2,17% 1,49% 1,51% 1,82% 1,72% 2,15% 2,01% 1,48% 0,90% 1,21%

3 3,56% 3,11% 2,08% 1,78% 1,68% 1,05% 1,20% 1,15% 1,23% 1,47% 0,68% 1,07% 2,45% 2,77% 2,39% 1,67% 1,54% 1,49% 2,48% 1,79% 1,45% 1,20% 1,07% 1,38%

4 3,36% 4,21% 2,52% 2,25% 2,40% 1,39% 0,79% 1,07% 1,57% 1,49% 0,94% 0,94% 1,06% 1,35% 1,87% 1,89% 2,08% 1,90% 2,58% 1,77% 1,50% 1,42% 1,69% 1,82%

5 2,51% 3,99% 2,69% 1,96% 1,79% 1,05% 1,05% 1,00% 1,00% 1,47% 1,04% 0,93% 1,02% 1,01% 1,66% 2,83% 1,84% 1,81% 1,72% 1,85% 1,60% 1,10% 1,17% 1,04%

6 1,44% 2,35% 1,81% 1,45% 1,22% 1,09% 0,92% 0,68% 1,11% 1,23% 0,84% 0,80% 0,83% 0,87% 1,17% 1,28% 1,32% 1,52% 1,61% 1,21% 0,92% 1,06% 1,05% 0,97%

7 1,38% 2,63% 1,38% 1,44% 1,11% 0,98% 0,89% 0,75% 1,31% 1,00% 0,68% 0,82% 0,91% 0,82% 1,08% 1,62% 1,07% 1,41% 1,36% 2,30% 1,03% 1,04% 0,84% 0,67%

8 1,87% 2,03% 1,78% 1,77% 0,99% 0,86% 0,75% 0,75% 1,01% 0,97% 0,84% 0,64% 0,81% 0,71% 1,29% 1,70% 1,44% 1,66% 1,52% 1,32% 0,88% 0,94% 1,05% 1,18%

9 1,75% 2,78% 0,95% 1,90% 1,26% 0,85% 0,83% 0,81% 1,05% 1,16% 0,83% 0,70% 0,86% 1,55% 2,58% 2,05% 1,71% 1,72% 1,40% 1,34% 0,69% 0,89% 1,07% 0,89%

10 2,68% 3,51% 1,87% 1,80% 1,40% 1,20% 1,13% 0,93% 0,92% 1,30% 1,17% 1,40% 3,11% 2,26% 3,80% 1,59% 1,99% 1,10% 1,61% 1,67% 1,32% 1,06% 0,98% 1,38%

11 3,76% 3,43% 1,96% 1,40% 1,16% 1,56% 1,09% 0,94% 1,19% 1,25% 1,34% 2,56% 1,90% 1,99% 1,88% 1,29% 1,93% 2,24% 2,60% 1,94% 1,50% 1,61% 1,30% 1,21%

12 3,69% 6,01% 3,11% 2,59% 2,55% 2,66% 1,18% 1,18% 0,93% 1,61% 1,11% 1,65% 2,35% 1,95% 1,60% 2,22% 2,19% 2,31% 1,80% 1,92% 1,76% 1,47% 1,47% 1,78%

Tabla 14-23. Desviación estándar separada por meses y horas de la producción horaria en los días laborales de 2014 y 2015

ANEXOS


Mes

Hora 1 2 3 4 5 6 7 8 9 10 11 12

1 79% 92% 88% 91% 84% 82% 82% 81% 72% 64% 67% 73%

2 64% 83% 78% 82% 70% 67% 64% 62% 58% 51% 51% 57%

3 56% 77% 73% 73% 60% 55% 51% 53% 46% 40% 44% 48%

4 52% 75% 70% 70% 56% 53% 48% 50% 42% 37% 41% 44%

5 51% 74% 69% 69% 56% 52% 47% 49% 40% 36% 40% 42%

6 53% 75% 71% 71% 57% 54% 48% 49% 41% 38% 41% 43%

7 61% 82% 82% 83% 71% 66% 60% 59% 62% 54% 53% 54%

8 83% 96% 96% 99% 91% 84% 75% 72% 92% 89% 82% 74%

9 105% 106% 108% 112% 117% 111% 100% 91% 110% 116% 105% 96%

10 120% 113% 115% 125% 133% 131% 129% 122% 137% 136% 122% 115%

11 127% 116% 116% 128% 133% 140% 146% 140% 148% 144% 126% 123%

12 124% 114% 113% 122% 132% 143% 154% 146% 146% 135% 121% 123%

13 116% 110% 109% 117% 130% 144% 158% 151% 145% 128% 116% 116%

14 109% 105% 105% 110% 122% 140% 154% 152% 137% 115% 109% 110%

15 99% 98% 96% 98% 105% 116% 130% 129% 105% 93% 95% 99%

16 93% 96% 93% 89% 94% 100% 109% 103% 87% 82% 86% 91%

17 93% 95% 92% 87% 91% 96% 101% 93% 86% 80% 89% 95%

18 104% 99% 94% 86% 90% 96% 98% 89% 89% 91% 121% 122%

19 132% 109% 107% 89% 91% 92% 93% 85% 91% 117% 166% 163%

20 151% 123% 127% 99% 99% 94% 93% 88% 109% 167% 178% 172%

21 151% 125% 138% 120% 119% 110% 103% 110% 158% 201% 173% 169%

22 146% 121% 134% 142% 150% 134% 124% 162% 184% 180% 161% 156%

23 128% 114% 122% 130% 142% 139% 134% 152% 133% 124% 125% 124%

24 102% 103% 104% 109% 107% 103% 100% 110% 84% 80% 87% 93%

Tabla 14-24. Coeficientes a aplicar para el cálculo horario de la producción hidráulica


182


1 2 3 4 5 6 7 8 9 10 11 12

Potencia

Instalada

(Mwh)

1999 16% 21% 20% 19% 17% 21% 17% 14% 17% 20% 31% 31% 1.022

2000 17% 16% 18% 23% 12% 20% 20% 17% 15% 22% 30% 33% 1.829

2001 21% 20% 23% 23% 15% 15% 14% 13% 22% 20% 27% 20% 2.817

2002 15% 18% 18% 14% 19% 15% 16% 14% 12% 20% 24% 28% 4.391

2003 24% 17% 14% 20% 16% 12% 13% 9% 13% 19% 20% 25% 5.816

2004 22% 14% 16% 20% 13% 13% 12% 14% 15% 21% 19% 22% 7.777

2005 19% 18% 18% 20% 15% 13% 17% 17% 13% 20% 20% 25% 9.654

2006 14% 17% 25% 17% 15% 12% 10% 19% 13% 21% 20% 19% 11.290

2007 16% 21% 23% 10% 19% 13% 14% 18% 15% 14% 20% 18% 13.529

2008 17% 13% 26% 21% 11% 13% 13% 12% 13% 16% 22% 23% 15.977

2009 19% 17% 17% 16% 14% 12% 13% 12% 13% 17% 26% 26% 18.723

2010 22% 24% 23% 13% 18% 13% 14% 15% 12% 20% 22% 24% 19.569

2011 19% 19% 22% 16% 15% 14% 15% 13% 11% 15% 18% 22% 21.026

2012 16% 22% 17% 23% 16% 15% 13% 14% 17% 14% 20% 24% 22.617

2013 28% 23% 25% 19% 17% 17% 12% 15% 14% 17% 28% 22% 22.839

2014 29% 26% 22% 17% 18% 14% 16% 13% 9% 15% 22% 21% 22.839

2015 22% 26% 21% 17% 21% 13% 13% 14% 13% 17% 16% 15% 22.845

Tabla 14-25 .Producción eólica por porcentajes sobre el total instalado desde 1999.

Promedio Desviación

estándar

Enero 20% 4%

Febrero 20% 4%

Marzo 21% 3%

Abril 18% 4%

Mayo 16% 3%

Junio 14% 3%

Julio 14% 2%

Agosto 14% 2%

Septiembre 14% 3%

Octubre 18% 3%

Noviembre 23% 4%

Diciembre 23% 4%

Tabla 14-26. Promedio y desviación estándar de los porcentajes de producción de cada uno de los meses

ANEXOS


Producción de

Ciclo combinado

Promedio de error (m) Desviación estándar de

error (d)

0 190,0996631 19,08177755

1000 31,98228571 301,6803662

2000 4,83213389 617,810969

3000 -30,80355578 673,4694489

4000 -37,63212062 627,012334

5000 123,7040617 644,052624

6000 158,1443848 476,7003111

7000 71,90674517 370,140803

8000 -8,176864196 276,0121371

9000 -231,3137841 243,0359773

10000 -624,3475697 94,51419993

11000 -834,7905703 163,4356287 Tabla 14-27. Errores en modelo de producción de ciclos combinados

Producción del

modelo de carbón

Promedio de error (m) Desviación estándar (d)

1000 -6,204991253 294,0305864

2000 30,9832007 487,7456482

3000 16,16305626 687,6722465

4000 -53,86747802 781,2031766

5000 -37,49124536 807,418737

6000 17,59205017 801,7961977

7000 6,387213538 756,5207086

8000 19,84702939 666,8538976

9000 -69,66525924 513,1663157 Tabla 14-28. Errores en modelo de producción en centrales térmicas convencionales (Carbón)


184


Escenario Intercepción Ciclo

Combinado

Eólica

total

Hidráulica

no UGH

Hidráulica

UGH Carbón Nuclear Solar

Producción

Total

30 6,45E+01 2,54E-03 7,61E-04 -4,75E-03 7,41E-04 -5,06E-07 -2,75E-03 1,04E-04 -9,72E-05

31 6,45E+01 2,54E-03 7,61E-04 -4,75E-03 7,41E-04 -5,06E-07 -2,75E-03 1,04E-04 -9,72E-05

32 6,45E+01 2,54E-03 7,61E-04 -4,75E-03 7,41E-04 -5,06E-07 -2,75E-03 1,04E-04 -9,72E-05

33 6,45E+01 2,54E-03 7,61E-04 -4,75E-03 7,41E-04 -5,06E-07 -2,75E-03 1,04E-04 -9,72E-05

40 2,46E+01 3,19E-04 -4,15E-03 -7,45E-03 -9,43E-04 -1,68E-03 -2,26E-03 -4,05E-03 2,84E-03

41 3,66E+01 1,92E-03 -3,28E-04 2,08E-04 2,15E-03 1,63E-04 1,18E-03 1,43E-04 9,21E-05

42 4,89E+01 2,64E-04 -7,73E-04 -1,31E-02 1,84E-03 2,39E-04 1,12E-03 -9,20E-04 3,06E-04

43 4,89E+01 2,64E-04 -7,73E-04 -1,31E-02 1,84E-03 2,39E-04 1,12E-03 -9,20E-04 3,06E-04

50 1,64E+01 1,92E-03 -2,76E-03 -6,68E-03 -3,27E-04 -1,15E-03 -1,48E-03 -2,70E-03 2,44E-03

51 2,85E+01 1,59E-03 -1,40E-03 -1,02E-02 9,13E-05 6,03E-05 3,04E-05 -1,09E-03 1,19E-03

52 2,20E+01 1,28E-03 -3,60E-04 -1,28E-02 2,37E-03 1,66E-03 3,95E-03 -3,41E-04 -8,81E-05

53 2,20E+01 1,28E-03 -3,60E-04 -1,28E-02 2,37E-03 1,66E-03 3,95E-03 -3,41E-04 -8,81E-05

60 1,24E+01 1,57E-03 -3,90E-03 -4,17E-03 -4,62E-03 -1,65E-03 -3,37E-03 -4,21E-03 3,72E-03

61 1,63E+01 2,02E-03 -1,95E-03 -2,69E-03 -3,12E-03 -3,29E-04 -1,71E-03 -2,73E-03 2,31E-03

62 3,55E+01 1,06E-03 8,11E-04 -1,47E-02 3,27E-03 3,83E-03 2,62E-03 2,81E-04 -9,75E-04

63 3,55E+01 1,06E-03 8,11E-04 -1,47E-02 3,27E-03 3,83E-03 2,62E-03 2,81E-04 -9,75E-04

70 9,96E+00 8,76E-04 -3,67E-03 -6,38E-03 -4,36E-03 -1,07E-03 -2,70E-03 -3,49E-03 3,58E-03

71 1,87E+01 7,10E-04 -3,01E-03 -1,61E-02 -3,28E-03 5,22E-04 -2,20E-03 -3,75E-03 3,00E-03

72 2,34E+01 1,34E-03 -3,82E-03 -3,09E-02 -4,62E-03 5,16E-05 -7,13E-04 -5,43E-03 3,46E-03

73 2,34E+01 1,34E-03 -3,82E-03 -3,09E-02 -4,62E-03 5,16E-05 -7,13E-04 -5,43E-03 3,46E-03

80 1,87E+01 4,12E-04 -4,87E-03 -1,60E-02 -5,28E-03 -2,25E-04 -2,95E-03 -5,55E-03 4,04E-03

81 1,93E+00 2,16E-03 -4,07E-03 -1,38E-02 -4,77E-03 2,27E-03 -3,03E-03 -4,90E-03 4,07E-03

82 1,59E+01 2,77E-03 -6,01E-03 -3,03E-02 -5,43E-03 3,55E-03 -3,35E-03 -6,21E-03 4,93E-03

90 7,58E+00 9,78E-04 -5,03E-03 -9,36E-03 -5,48E-03 3,00E-03 -3,86E-03 -5,07E-03 4,41E-03

91 -8,52E+00 3,56E-03 -3,18E-03 -3,77E-03 -4,16E-03 5,80E-03 -3,42E-03 -3,99E-03 3,49E-03

92 -8,05E+00 4,08E-03 -2,83E-03 -1,04E-03 -3,52E-03 7,93E-03 -2,45E-03 0,00E+00 2,74E-03

100 -2,19E+01 7,73E-03 -1,16E-03 1,13E-02 -9,51E-04 1,12E-02 1,77E-04 7,91E-04 7,10E-04

101 -2,19E+01 7,73E-03 -1,16E-03 1,13E-02 -9,51E-04 1,12E-02 1,77E-04 7,91E-04 7,10E-04

102 -2,19E+01 7,73E-03 -1,16E-03 1,13E-02 -9,51E-04 1,12E-02 1,77E-04 7,91E-04 7,10E-04

Tabla 14-29. Coeficientes a aplicar a cada tecnología para el cálculo del precio horario

Desarrollo de estrategia de optimización de la...

Documents

Transcript of Desarrollo de estrategia de optimización de la...