Post on 18-Oct-2018
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
6
Nicolás Morell Dameto
RESUMEN
7 Escuela Técnica Superior de Ingenieros Industriales - UPM
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:
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
8
Nicolás Morell Dameto
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
9 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
10
Nicolás Morell Dameto
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
11 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
12
Nicolás Morell Dameto
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
13 Escuela Técnica Superior de Ingenieros Industriales - UPM
ÍNDICE
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
14
Nicolás Morell Dameto
ÍNDICE
15 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
16
Nicolás Morell Dameto
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
17 Escuela Técnica Superior de Ingenieros Industriales - UPM
INTRODUCCIÓN
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
18
Nicolás Morell Dameto
EL SECTOR ELÉCTRICO Y SU IMPORTANCIA
19 Escuela Técnica Superior de Ingenieros Industriales - UPM
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).
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
20
Nicolás Morell Dameto
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.
EL SECTOR ELÉCTRICO Y SU IMPORTANCIA
21 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
22
Nicolás Morell Dameto
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).
EL SECTOR ELÉCTRICO Y SU IMPORTANCIA
23 Escuela Técnica Superior de Ingenieros Industriales - UPM
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).
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
24
Nicolás Morell Dameto
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
25 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
26
Nicolás Morell Dameto
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.
EL MERCADO ELÉCTRICO ESPAÑOL
27 Escuela Técnica Superior de Ingenieros Industriales - UPM
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)
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
28
Nicolás Morell Dameto
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.
EL MERCADO ELÉCTRICO ESPAÑOL
29 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
30
Nicolás Morell Dameto
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
EL MERCADO ELÉCTRICO ESPAÑOL
31 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
32
Nicolás Morell Dameto
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
33 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
34
Nicolás Morell Dameto
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
35 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
36
Nicolás Morell Dameto
METODOLOGÍA
37 Escuela Técnica Superior de Ingenieros Industriales - UPM
METODOLOGÍA
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
38
Nicolás Morell Dameto
OPCIONES DE CONTRATACIÓN
39 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
40
Nicolás Morell Dameto
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
OPCIONES DE CONTRATACIÓN
41 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
42
Nicolás Morell Dameto
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
OPCIONES DE CONTRATACIÓN
43 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
44
Nicolás Morell Dameto
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.
OPCIONES DE CONTRATACIÓN
45 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
46
Nicolás Morell Dameto
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.
OPCIONES DE CONTRATACIÓN
47 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
48
Nicolás Morell Dameto
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.
OPCIONES DE CONTRATACIÓN
49 Escuela Técnica Superior de Ingenieros Industriales - UPM
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:
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
50
Nicolás Morell Dameto
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
OPCIONES DE CONTRATACIÓN
51 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
52
Nicolás Morell Dameto
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:
OPCIONES DE CONTRATACIÓN
53 Escuela Técnica Superior de Ingenieros Industriales - UPM
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)
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
54
Nicolás Morell Dameto
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
55 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
56
Nicolás Morell Dameto
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.
ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM
57 Escuela Técnica Superior de Ingenieros Industriales - UPM
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:
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
58
Nicolás Morell Dameto
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
ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM
59 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
60
Nicolás Morell Dameto
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)
ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM
61 Escuela Técnica Superior de Ingenieros Industriales - UPM
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:
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
62
Nicolás Morell Dameto
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)
ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM
63 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
64
Nicolás Morell Dameto
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)
ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM
65 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
66
Nicolás Morell Dameto
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
ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM
67 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
68
Nicolás Morell Dameto
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.
ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM
69 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
70
Nicolás Morell Dameto
Tabla 6-2. Gestión de cobertura óptima para Abril
Se aprecia un cambio muy importante en cuanto pasamos del 30% de cobertura al 40%, esto se debe
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
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Bandas Porcentajes
Mala Porcentajes Bandas
Ilustración 6-13. Comparación de coberturas por porcentajes vs coberturas por bandas base en Abril. Elaboración propia
ANÁLISIS DE VIABLIDAD DE COSTES DE CLH COMO CDM
71 Escuela Técnica Superior de Ingenieros Industriales - UPM
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)
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
72
Nicolás Morell Dameto
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
73 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
74
Nicolás Morell Dameto
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.
ANÁLISIS DEL MERCADO DE FUTUROS
75 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
76
Nicolás Morell Dameto
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.
ANÁLISIS DEL MERCADO DE FUTUROS
77 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
78
Nicolás Morell Dameto
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
ANÁLISIS DEL MERCADO DE FUTUROS
79 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
80
Nicolás Morell Dameto
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.
ANÁLISIS DEL MERCADO DE FUTUROS
81 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
82
Nicolás Morell Dameto
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.
ANÁLISIS DEL MERCADO DE FUTUROS
83 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
84
Nicolás Morell Dameto
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
ANÁLISIS DEL MERCADO DE FUTUROS
85 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
86
Nicolás Morell Dameto
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.
ANÁLISIS DEL MERCADO DE FUTUROS
87 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
88
Nicolás Morell Dameto
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
89 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
A. Descripción de la componente
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
90
Nicolás Morell Dameto
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
ANÁLISIS DEL MERCADO DIARIO
91 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
92
Nicolás Morell Dameto
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
ANÁLISIS DEL MERCADO DIARIO
93 Escuela Técnica Superior de Ingenieros Industriales - UPM
Ilustración 8-4.Esquema de modelo de simulación de la demanda nacional
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
94
Nicolás Morell Dameto
8.2 Modelo de producción hidráulica
A. Descripción de la componente
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:
ANÁLISIS DEL MERCADO DIARIO
95 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
96
Nicolás Morell Dameto
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)
ANÁLISIS DEL MERCADO DIARIO
97 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
98
Nicolás Morell Dameto
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
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,91854385
Coeficiente de determinación R^2 0,84372281
R^2 ajustado 0,83395549
Error típico 533,686854
Observaciones 35
ANÁLISIS DE VARIANZA
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
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,8417648
Coeficiente de determinación R^2 0,70856797
R^2 ajustado 0,70012066
Error típico 331,520276
Observaciones 72
ANÁLISIS DE VARIANZA
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
ANÁLISIS DEL MERCADO DIARIO
99 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
100
Nicolás Morell Dameto
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
ANÁLISIS DEL MERCADO DIARIO
101 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
102
Nicolás Morell Dameto
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
A. Descripción de la componente
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
ANÁLISIS DEL MERCADO DIARIO
103 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
104
Nicolás Morell Dameto
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
ANÁLISIS DEL MERCADO DIARIO
105 Escuela Técnica Superior de Ingenieros Industriales - UPM
8.4 Modelo de producción solar
A. Descripción de la componente
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
106
Nicolás Morell Dameto
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
A. Descripción de la componente
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
ANÁLISIS DEL MERCADO DIARIO
107 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
108
Nicolás Morell Dameto
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.
ANÁLISIS DEL MERCADO DIARIO
109 Escuela Técnica Superior de Ingenieros Industriales - UPM
8.6 Modelo de producción de centrales de ciclo
combinado y de carbón
A. Descripción de la componente
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:
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
110
Nicolás Morell Dameto
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).
ANÁLISIS DEL MERCADO DIARIO
111 Escuela Técnica Superior de Ingenieros Industriales - UPM
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)
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
112
Nicolás Morell Dameto
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)
ANÁLISIS DEL MERCADO DIARIO
113 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
A. Descripción de la componente
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
114
Nicolás Morell Dameto
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
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,838628278
Coeficiente de determinación R^2 0,703297388
R^2 ajustado 0,703252203
Error típico 128,2436697
Observaciones 19703
ANÁLISIS DE VARIANZA
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
ANÁLISIS DEL MERCADO DIARIO
115 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
116
Nicolás Morell Dameto
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.
ANÁLISIS DEL MERCADO DIARIO
117 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
118
Nicolás Morell Dameto
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
ANÁLISIS DEL MERCADO DIARIO
119 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
120
Nicolás Morell Dameto
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
ANÁLISIS DEL MERCADO DIARIO
121 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Modelo de producción
eólica
Modelo de producción
nuclear
Modelo de producción
solar
Modelo de producción
de centrales de carbón y
ciclos combinados
Modelo de producción
pequeña hidráulica
Aplicación de
coeficientes
PRECIO
OMIE
PRECIO
OMIE
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
122
Nicolás Morell Dameto
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
123 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
124
Nicolás Morell Dameto
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.
RESULTADO. ESTRATEGIA DE CONTRATACIÓN
125 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
126
Nicolás Morell Dameto
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
RESULTADO. ESTRATEGIA DE CONTRATACIÓN
127 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
128
Nicolás Morell Dameto
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:
RESULTADO. ESTRATEGIA DE CONTRATACIÓN
129 Escuela Técnica Superior de Ingenieros Industriales - UPM
%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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
130
Nicolás Morell Dameto
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
RESULTADO. ESTRATEGIA DE CONTRATACIÓN
131 Escuela Técnica Superior de Ingenieros Industriales - UPM
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)
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
132
Nicolás Morell Dameto
Ilustración 9-8. Probabilidad de categoría más probable de lluvia en Julio – Agosto – Septiembre. Fuente: (AEMET)
CONCLUSIONES
133 Escuela Técnica Superior de Ingenieros Industriales - UPM
CONCLUSIONES
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
134
Nicolás Morell Dameto
CONCLUSIONES
135 Escuela Técnica Superior de Ingenieros Industriales - UPM
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,
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
136
Nicolás Morell Dameto
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
137 Escuela Técnica Superior de Ingenieros Industriales - UPM
LÍNEAS FUTURAS
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
138
Nicolás Morell Dameto
LÍNEAS FUTURAS
139 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
140
Nicolás Morell Dameto
BIBLIOGRAFÍA
141 Escuela Técnica Superior de Ingenieros Industriales - UPM
BIBLIOGRAFÍA
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
142
Nicolás Morell Dameto
BIBLIOGRAFÍA
143 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
144
Nicolás Morell Dameto
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
145 Escuela Técnica Superior de Ingenieros Industriales - UPM
PRESUPUESTO
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
146
Nicolás Morell Dameto
PLANIFICACIÓN TEMPORAL Y PRESUPUESTO
147 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
148
Nicolás Morell Dameto
Ilustración 13-2. Diagrama de Gantt
PLANIFICACIÓN TEMPORAL Y PRESUPUESTO
149 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
150
Nicolás Morell Dameto
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
............................................................................................................................................................ 172 Tabla 14-15. Tabla de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17
............................................................................................................................................................ 173 Tabla 14-16. 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
151 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
152
Nicolás Morell Dameto
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
153 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
154
Nicolás Morell Dameto
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
Ilustración 14-2. Comparación de coberturas por porcentajes vs coberturas por bandas base en
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.
Elaboración propia ............................................................................................................................. 163
Ilustración 14-6. Comparación de coberturas por porcentajes vs coberturas por bandas base en Junio.
Elaboración propia ............................................................................................................................. 164
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
Ilustración 14-9. Comparación de coberturas por porcentajes vs coberturas por bandas base en
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
Ilustración 14-12. Comparación de coberturas por porcentajes vs coberturas por bandas base en
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 ................................................................................................................................................. 172 Ilustración 14-15. Gráfico de apoyo a la decisión de volumen de compra en mercado de futuros para
Q1-17 ................................................................................................................................................. 173 Ilustración 14-16. Gráfico de apoyo a la decisión de volumen de compra en mercado de futuros para
Q1-17 ................................................................................................................................................. 174
ANEXOS
155 Escuela Técnica Superior de Ingenieros Industriales - UPM
ANEXOS
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
156
Nicolás Morell Dameto
ANEXOS
157 Escuela Técnica Superior de Ingenieros Industriales - UPM
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:
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
158
Nicolás Morell Dameto
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
159 Escuela Técnica Superior de Ingenieros Industriales - UPM
-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
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
160
Nicolás Morell Dameto
-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)
Precio de cobertura- Precio OMIE
Febrero
20
30
40
50
60
70
80
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Bandas Porcentajes
Mala Porcentajes Bandas
Tabla 14-2. 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).
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
161 Escuela Técnica Superior de Ingenieros Industriales - UPM
-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)
Precio de cobertura- Precio OMIE
Marzo
20
30
40
50
60
70
80
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Porcentajes Bandas
Mala Bandas Porcentajes
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
162
Nicolás Morell Dameto
-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)
Precio de cobertura- Precio OMIE
Abril
20
30
40
50
60
70
80
Tabla 14-4. Gestión de cobertura óptima para Abril
Se aprecia un cambio muy importante en cuanto pasamos del 30% de cobertura al 40%, esto se debe
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).
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Bandas Porcentajes
Mala Porcentajes Bandas
Ilustración 14-4. Comparación de coberturas por porcentajes vs coberturas por bandas base en Abril. Elaboración propia
ANEXOS
163 Escuela Técnica Superior de Ingenieros Industriales - UPM
-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)
Precio de cobertura- Precio OMIE
Mayo
20
30
40
50
60
70
80
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Bandas Porcentajes
Mala Porcentajes Bandas
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
164
Nicolás Morell Dameto
-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)
Precio de cobertura- Precio OMIE
Junio
20
30
40
50
60
70
80
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Porcentajes Bandas
Mala Bandas Porcentajes
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
165 Escuela Técnica Superior de Ingenieros Industriales - UPM
-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)
Precio de cobertura- Precio OMIE
Julio
70
80
90
100
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Porcentajes Bandas
Mala Bandas Porcentajes
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
166
Nicolás Morell Dameto
-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)
Precio de cobertura- Precio OMIE
Agosto
70
80
90
100
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Porcentajes Bandas
Mala Bandas Porcentajes
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
167 Escuela Técnica Superior de Ingenieros Industriales - UPM
Tabla 14-9. Gestión de cobertura óptima para Septiembre
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Porcentajes Bandas
Mala Bandas Porcentajes
-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)
Precio de cobertura- Precio OMIE
Septiembre
70
80
90
100
Ilustración 14-9. Comparación de coberturas por porcentajes vs coberturas por bandas base en Septiembre. Elaboración propia
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
168
Nicolás Morell Dameto
-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)
Precio de cobertura- Precio OMIE
Octubre
70
80
90
100
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Porcentajes Bandas
Mala Bandas Porcentajes
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
169 Escuela Técnica Superior de Ingenieros Industriales - UPM
-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)
Precio de cobertura- Precio OMIE
Noviembre
70
80
90
100
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Porcentajes Bandas
Mala Bandas Porcentajes
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
170
Nicolás Morell Dameto
-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)
Precio de cobertura- Precio OMIE
Diciembre
70
80
90
100
Cobertura Porcentaje de cobertura alto Porcentaje de cobertura bajo
Buena Porcentajes Bandas
Mala Bandas Porcentajes
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
171 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
172
Nicolás Morell Dameto
Ilustración 14-14. Gráfico de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17
Q2 % cobertura
Corregido
% cobertura Riesgo/Prima Oportunidad
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 Corregido
% cobertura
Riesgo/Prima
Oportunidad
ANEXOS
173 Escuela Técnica Superior de Ingenieros Industriales - UPM
Ilustración 14-15. Gráfico de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17
Q3 % cobertura
Corregido
% cobertura Riesgo/Prima Oportunidad
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 Corregido
% cobertura
Riesgo/Prima
Oportunidad
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
174
Nicolás Morell Dameto
Ilustración 14-16. Gráfico de apoyo a la decisión de volumen de compra en mercado de futuros para Q1-17
Q4 % cobertura
Corregido
% cobertura Riesgo/Prima Oportunidad
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 Corregido
% cobertura
Riesgo/Prima
Oportunidad
ANEXOS
175 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
176
Nicolás Morell Dameto
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
177 Escuela Técnica Superior de Ingenieros Industriales - UPM
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.
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
178
Nicolás Morell Dameto
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
179 Escuela Técnica Superior de Ingenieros Industriales - UPM
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%
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
180
Nicolás Morell Dameto
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
181 Escuela Técnica Superior de Ingenieros Industriales - UPM
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
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
182
Nicolás Morell Dameto
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
183 Escuela Técnica Superior de Ingenieros Industriales - UPM
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)
Desarrollo de estrategia de optimización de la contratación eléctrica para un consumidor industrial
184
Nicolás Morell Dameto
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