MODELOS STR PARA EL ANÁLISIS DE LA RESPUESTA NO LINEAL DE LA DEMANDA DE ELECTRICIDAD A LA...

MODELOS STR PARA EL ANÁLISIS DE LA RESPUESTA NO LINEAL DE LA DEMANDA DE ELECTRICIDAD A LA TEMPERATURA

CONGRESO ASEPELT

MODELOS STR PARA EL ANÁLISIS DE LA RESPUESTA NO LINEAL DE LA DEMANDA DE ELECTRICIDAD A LA

TEMPERATURA

León, Junio 2004

JULIÁN MORAL CARCEDODpto. Análisis Económico: Tª Económica e Hª Económica

Universidad Autónoma de Madrid

Instituto L.R Klein

JOSE VICENS OTERODpto. Economía Aplicada


Instituto L.R Klein


ESQUEMA DE LA PRESENTACIÓN

1. Introducción

2. Efectos de la climatología en la demanda: no linealidad del efecto temperatura

3. Descripción de la metodología

4. Principales Resultados

5. Conclusiones


1. INTRODUCCIÓN

Modelo THOR (REE e I.L.R. Klein)


1. INTRODUCCIÓN

200000

300000

400000

500000

600000

700000

800000

8/01/95 12/13/96 4/27/98 9/09/99 1/21/01 6/05/02 10/18/03

Demanda de electricidad

Datos diarios (1-ago-1995/31-8-2003)


1. INTRODUCCIÓN

Analísis de temperatura “umbral” (la relación presente entre la

demanda de electricidad y temperatura cambia cualitativa y/o

cuantitativamente).

Delimitar qué modelo o modelos pueden capturar, de forma

adecuada, la no linealidad de la demanda

Analizar el efecto de las temperaturas en la variabilidad de la

demanda diaria total de energía eléctrica a nivel peninsular

Objetivo:


2. EFECTOS DE LA CLIMATOLOGIA EN LA DEMANDA: NO LINEALIDAD DEL EFECTO TEMPERATURA

climatologíaTemperatura

Humedad

Luminosidad/Radiación solar

Precipitaciones

Temperatura

•Condensa la información de todas las variables, ya que todas se hallan relacionadas

•Efecto contrastado en todas las investigaciones

•Disponibilidad de información

Consumo peninsular de electricidad

Delimitación del efecto

Indicador de Temperatura

nacional



2.1.-INDICADOR DE TEMPERATURA PENINSULAR

La España peninsular carece de un comportamiento climático homogéneo, por lo tanto no es posible determinar de manera inmediata un indicador de temperatura a nivel peninsular. En base a esta limitación, el procedimiento seguido para obtener un indicador de temperatura representativo es el siguiente (Moral y Vicéns 2003):

1.Determinación de zonas climáticas homogéneas. A partir de los valores mediosdiarios de temperatura registrados en los 47 observatorios correspondientes a cada capital de provincia, se delimitan 7 zonas geográficas homogéneas según un análisis tipo cluster.

2.Selección de observatorios representativos de cada zona climática, según distancia al centroide de cada grupo homogéneo.

3.Obtención del indicador de temperatura peninsular. Una vez seleccionados los observatorios se obtiene una medida de temperatura peninsular a nivel agregado, como media ponderada de las temperaturas registradas en cada observatorio representativo. Las ponderaciones utilizadas en este caso se obtienen a partir de la población según las cifras del censo de población del INE de 2001

7

1

////

i

aammddii

aammdd TwTEMP



Consumo electricidad

MgW

Temperatura (ºC)

Respuesta

al fríoRespuesta

al calor

Umbral inferior

Umbral superior

Ausencia de respuesta

CDD

HDD

EFECTO TEORICO DE LA TEMPERATURA EN LA DEMANDA.

Engle et al. (1986), Vicéns (1988 y 1990), Filippini (1995) Henley y Peirson (1997 y 1998), Considine (2000), Johnsen (2001) , Valor et al. (2001), Sailor y Muñoz (1997) o Yan (1998) ó Pardo et al. (2002 )

2.1.-DELIMITACION DEL EFECTO



200000

300000

400000

500000

600000

700000

800000

0 10 20 30

TEMP5

CE

LE

C

200000

300000

400000

500000

600000

700000

800000

8/01/95 12/13/96 4/27/98 9/09/99 1/21/01

2.1.-DELIMITACION DEL EFECTO: TENDENCIA



2.1.-DELIMITACION DEL EFECTO: LABORALIDAD

-150000

-100000

-50000

0

50000

100000

150000

0 5 10 15 20 25 30 35

LUNES DIATIPO DOMINGO SABADO VIERNES



2.1.-DELIMITACION DEL EFECTO

-100000

-50000

0

50000

100000

150000

0 10 20 30

Temperatura (ºC)

Dem

an

da d

e e

lectr

icid

ad

filt

rad

a

ttagostot DFLabItttD 543

32

210 Donde Dt, es la demanda agregada de electricidad, t es una variable temporal (t = 0,1,2,...), Iagosto es una variable ficticia

que toma el valor 1 si la observación de la demanda corresponde al mes de agosto, Labt es la variable de laboralidad cuya

elaboración se detalla en Moral y Vicéns (2003) y DFt es el componente residual o demanda de electricidad filtrada del

componente determinista.


3. DESCRIPCION DE LA METODOLOGIA

Demanda filtrada

Temperatura (ºC)

Respuesta

al frío

Respuesta

al calor

Temperatura

Umbral

ESTADO 1 ESTADO 2

MODELOS “SWITCHING”

tSttStt TMPDF MODELOS STR (“Smooth transition “

tttttt cTMPGTMPcTMPGTMPDF ),;()(),;(1)( 2211

1)(exp1),,( cTMPcTMPG tt

0

0,2

0,4

0,6

0,8

1

1,2

5 10 15 20 25 30MODELOS TR (“Threshold regression models “

Th2TMP

Th1TMPTh2

Th1TMP

TMP

TMP

TMP

DF

t

t

t

tt

tt

tt

t


4. RESULTADOS

-180.000

-130.000

-80.000

-30.000

20.000

70.000

120.000

170.000

ago-95 ago-96 ago-97 ago-98 ago-99 ago-00 ago-01 ago-02 ago-03

0

0,5

1

1,5

2

2,5

3Demanda de electricidadProb. estimada Estado 2Func. Transición LSTR

Demanda de electricidad, probabilidad estado 2 y función de transición LSTR estimada (*)

(*) La probabilidad (Bayesiana) del Estado 2 viene dada por:

2

1

Pr)(

PrPr

Stttt

ttttt

SSDFf

iSiSDFfiS


4. RESULTADOS

0,0

0,2

0,4

0,6

0,8

1,0

0 5 10 15 20 25 30 35

Temperatura (ºC)

Prob. Estado 2

F. transición LSTR

Probabilidad estado 2 y función de transición LSTR estimada vs. Temperatura.


-60

-40

-20

0

20

40

60

80

4 9 14 19 24 29

Demanda

Modelo LSTR

Modelo "Doble Umbral"

-60-40-20

020406080

4 9 14 19 24 29

Modelo "Doble Umbral"

-60-40-20

020406080

4 9 14 19 24 29

Modelo LSTR

Respuesta teórica a las temperaturas: modelo LSTR y modelo de doble umbral

4. RESULTADOS


Cuadro 3.- Resultados estimación modelo LSTR (*)

tttttt cTMPGTMPcTMPGTMPDF ),;()(),;(1)( 2211;

1)(exp1),,( cTMPcTMPG tt

Método de estimación

Parámetro Máxima verosimilitud Mínimos Cuadrados no lineales

1 105,4998 (5,312440) 105,5003 (6,170249)

2 -6,479369 (1,136533) -6,479481 (1,227945)

1 -269,9439 (10,54021) -269,9432 (10,44514)

2 13,47021 (0,774074) 13,47027 (0,829253) 0,404822 (0,037710) 0,404824 (0,037162)

c 15,41746 (0,650561) 15,41751 (0,686990)

Desv. Típica residuo ( )̂ 18,37945 18,39504

Log-verosimilitud del modelo -12782,17 -12782,17

AIC (“Criterio informativo de Akaike”) 8,665 8,664

SC (“Criterio informativo de Schwarz”) 8,679 8,676

(*) Entre paréntesis aparece la desviación típica del parámetro estimado (“error estándar”)

5,0

11,7

18,4

25,1 4,0

9,8

15,5

21,3

27,0 22,2 22,4 22,6 22,8

23,0

23,2

23,4

Valor criterio AIC

Temperatura Umbral 2 (ºC)

Temperatura Umbral 1 (ºC)

5,0

9,8

14,6

19,4

24,2 4,0

8,8

13,6

18,4

23,2

Temperatura Umbral 2 (ºC) Temperatura

Umbral 1 (ºC)

Vista superior


5. CONCLUSIONES

•La modelización no lineal de la respuesta de la demanda a las temperaturas

mejora la tradicional aproximación basada en las funciones CDD y HDD.

•La metodología propuesta permite obtener una medida objetiva de la

temperatura umbral, obteniendo, asimismo, una adecuada representación de la

curva de respuesta de la demanda.

•El método propuesto permite utilizar datos diarios de demanda, y estimar los

efectos a muy corto plazo de cambios climáticos bruscos sobre la demanda de

electricidad.


CONGRESO ASEPELT

MODELOS STR PARA EL ANÁLISIS DE LA RESPUESTA NO LINEAL DE LA DEMANDA DE ELECTRICIDAD A LA

TEMPERATURA

León, Junio 2004

JULIÁN MORAL CARCEDODpto. Análisis Económico: Tª Económica e Hª Económica


Instituto L.R Klein

JOSE VICENS OTERODpto. Economía Aplicada


Instituto L.R Klein

MODELOS STR PARA EL ANÁLISIS DE LA RESPUESTA NO LINEAL DE LA DEMANDA DE ELECTRICIDAD A LA...

Documents

Transcript of MODELOS STR PARA EL ANÁLISIS DE LA RESPUESTA NO LINEAL DE LA DEMANDA DE ELECTRICIDAD A LA...