Upload
buicong
View
216
Download
0
Embed Size (px)
Citation preview
UNIVERSIDAD PONTIFICIA DE COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERIA (ICAI) INSTITUTO DE POSTGRADO Y FORMACIÓN CONTINUA
MÁSTER EN SÉCTOR ELÉCTRICO
TESIS DE MÁSTER
ESTUDIO DE LA DETERMINACIÓN DEL PRECIO DEL MERCADO DIARIO MEDIANTE MODELOS DE
REGRESIÓN LINEAL
AUTOR: CARLOS ROBERTO GUZMÁN CUÉLLAR
MADRID, Julio de 2007
Autorizada la entrega de la tesis del master del alumno:
Carlos Roberto Guzmán Cuéllar
EL DIRECTOR
Eduardo Moreda Díaz
Fdo.:………………….. Fecha: …./…./….
EL TUTOR
Javier García González
Fdo.:………………….. Fecha: …./…./….
Vº Bº del Coordinador de Tesis
Tomás Gómez San Román
Fdo.:………………….. Fecha: …./…./….
RESUMEN
España a partir del 1998, al igual que muchos otros países ha liberalizado el
sector eléctrico, creando un mercado de energía en el que participan vendedores y
compradores, enviando sus ofertas al mercado. Las actividades de generación y
comercialización se pretenden desarrollar en un régimen de libre competencia, mientras
que la distribución y transmisión por ser monopolios naturales se mantienen como
actividades reguladas.
En general una buena regulación permitirá a sus participantes reflejar y recibir
señales económicas que promuevan la eficiencia del mercado, en especial el precio de la
energía. Una regulación inadecuada podría distorsionar las señales que el mercado esta
enviando a través del precio, favoreciendo o perjudicando a algunos de los participantes.
En los mercados de energía es de vital importancia el precio de energía tanto en el
corto como largo plazo, pues este valor además de ser la retribución para productores y
valor de compra para la demanda, internaliza las señales económicas de los
participantes, como del mercado en su conjunto. Por tal razón la presente tesis de master
pretende encontrar una función del precio de energía, en relación a las posibles variables
explicativas que envían los participantes a través de sus ofertas, tales como: demanda,
precios de los combustibles, potencial hidroeléctrico, precio de las emisiones de los
combustibles, capacidad disponible, etc.
La función del precio ha sido obtenida utilizando el modelo de regresión lineal
multivariable, para el período comprendido entre enero de 2000 hasta el mes de febrero
de 2006, debido a que el Real Decreto-Ley 3/2006 altera la dinámica original del
mercado y por ende modificará la función del precio.
Como aplicación práctica de la función encontrada se han calculado los precios
del mercado diario para los meses de marzo a diciembre de 2006, dicho cálculo no
incluye los efectos del Real Decreto antes mencionado, para luego compararlos con los
valores reales.
i
INDICE GENERAL
Capítulo Página
1.0 Descripción General del Mercado eléctrico Español ...............................1 1.1 Antecedentes....................................................................................1 1.2 Sujetos del Mercado ......................................................................13 1.3 El Mercado de Producción de Energía Eléctrica ...........................19 1.4 Ofertas de Compra - Venta y Precio de Energía ...........................29 1.5 Evolución de la Generación y del Mercado ..................................34
2.0 El Modelo de Regresión Lineal Multivariable .......................................45 2.1 Hipótesis Básicas del Modelo .......................................................46 2.2 Cálculo de Estimadores .................................................................47 2.3 Coeficiente de Determinación R2 ..................................................48 2.4 Validación del Modelo de Regresión Múltiple..............................50 2.5 Selección del Modelo de Regresión ..............................................58 2.6 Análisis de Cuantía de los Parámetros Estimados.........................59
3.0 Desarrollo del Modelo de Regresión Lineal para el Precio ...................61 3.1 Selección de Variables Explicativas..............................................61 3.2 Variable Explicada: Precio de la Energía ......................................79 3.3 Construcción de las Series de Datos..............................................80 3.4 Herramienta Utilizada para el Desarrollo del Modelo...................85 3.5 Proceso para Obtener los Modelos de Regresión Lineal...............85 3.6 Resultados de los Modelos de Regresión Lineal ...........................86 3.7 Posibles Mejoras a los Modelos ....................................................93 3.8 Validación de los Signos de los Coeficientes................................94 3.9 Resultados Finales para los Modelos Seleccionados.....................97 3.10 Validación de los Modelos Seleccionados ..................................107 3.11 Modelo Alternativo para Limitar Correlación Serial ..................113
4.0 Análisis de Cuantía y Estimación para 2006........................................116 4.1 Análisis de Cuantía......................................................................116 4.2 Estimación del Precio para el Mercado Diario en 2006 ..............120
5.0 Conclusiones.........................................................................................127
6.0 Bibliografía...........................................................................................129
7.0 Anexo 1: Abreviaturas utilizadas .........................................................132 Anexo 2 : Capacidad instalada por fuente ............................................133 Anexo 3: Listado de días festivos (2000 – 2006) ................................134
ii
INDICE DE GRAFICOS
No. Descripción Página
1.1 Evolución de la Generación anual para las Distintas Fuentes (TWh)......35
1.2 Evolución de la Capacidad Instalada por Fuente de Generación............35
1.3 Participación de la Capacidad Instalada 2006.........................................36
1.4 Participación de las distintas fuentes de Generación 2006 .....................38
1.5 Evolución de la demanda de Energía .....................................................39
1.6 Demandas máximas de Potencia ............................................................40
1.7 Demanda Diaria de Energía 2005 ...........................................................41
1.8 Evolución de energía contratada en el mercado diario ...........................41
1.9 Evolución de energía en los procesos de restricciones técnicas,
operación técnica, gestión de desvíos y mercados intradiarios ..............42
1.10 Evolución del precio medio ponderado del mercado diario y
precio medio final, período 1998 – 2006.................................................44
1.11 Precio final medio de energía para el año 2006 ......................................44
3.1 Distribución de Frecuencias de la Demanda ...........................................63
3.2 Evolución de la Capacidad Instalada.......................................................64
3.3 Evolución de las Reservas Hidráulicas....................................................65
3.4 Histograma de Frecuencias de las Reservas Hidráulicas .......................65
3.5 Distribución de Frecuencias de la Generación Hidráulica .......................66
3.6 Distribución de Frecuencias del Bombeo ................................................67
3.7 Distribución de Frecuencia del CCGT .....................................................68
3.7 Distribución de Frecuencias de unidades de Fuel ...................................68
3.9 Distribución de Frecuencias de Generación con Carbón ........................69
3.10 Distribución de Frecuencias de Generación Nuclear...............................70
3.11 Distribución de Frecuencias de las Importaciones ..................................70
3.12 Distribución de Frecuencias del Régimen Especial.................................71
3.13 Evolución del Precio del Gas HH, 2000 - 2005 .......................................72
3.14 Histograma de Frecuencias del Precio del Gas HH ...............................72
3.15 Evolución del Promedio Móvil a 180 días del Gas...................................73
3.16 Evolución del Precio del Carbón API 2 ....................................................74
3.17 Distribución de Frecuencias del API 2 ....................................................74
3.18 Evolución del Promedio Móvil a 180 días del API2 .................................75
3.19 Evolución del Precio del crudo Brent .......................................................76
3.20 Histograma de Frecuencias del Brent .....................................................76
3.21 Evolución del Promedio Móvil a 180 días del Brent.................................77
iii
3.22 Evolución del Precio de EUAs .................................................................78
3.23 Histograma de Frecuencias del Precio de EUAs ....................................78
3.24 Evolución del Precio de la Energía en el Mercado Diario........................79
3.25 Histograma de Frecuencias del Precio de la Energía en el
Mercado Diario.........................................................................................80
3.26 Precio Promedio Diario, Reales vrs. Calculado .......................................89
3.27 Precio para el Bloque Valle, Real vrs. Calculado ....................................91
3.28 Precio para el Bloque Punta, Real vrs. Calculado ...................................92
3.29 Precio para el Bloque Llano, Real vrs. Calculado....................................92
3.30 Evolución del precio de energía (x10) vrs. Precio del carbón..................96
3.31 Comparación del Precio Real vrs. Calculado Laborables........................98
3.32 Comparación del Precio Real vrs. Calculado Festivos ............................99
3.33 Modelo real vrs calculado, valle ponderado (laborable) .......................101
3.34 Modelo real vrs calculado, valle ponderado (festivo)............................101
3.35 Modelo real vrs. Calculado, bloque punta (laborable) ..........................103
3.36 Modelo real vrs. Calculado, bloque punta (festivo)...............................104
3.37 Modelo real vrs. Calculado, bloque llano (laborable).............................106
3.38 Modelo real vrs. Calculado, bloque llano (laborable).............................106
3.39 Histograma de Frecuencias Residuos (M. Diario Laborables) ..............107
3.40 Histograma de Frecuencias Residuos (M. Diario Festivos)...................108
3.41 Histograma de residuos para bloque valle (laborable) ..........................110
3.42 Histograma de residuos para bloque valle (festivos) .............................110
3.43 Histograma de residuos para el bloque punta (laborables) ...................110
3.44 Histograma de residuos para el bloque punta (festivos)........................111
3.45 Histograma de residuos para el bloque llano (laborables).....................111
3.46 Histograma de residuos para el bloque llano (festivos) .........................111
3.47 Precio real vrs calculado, modelo diario (autoregresivo) .......................115
4.1 Precio Medio Ponderado Diario 2006, Real vrs. Calculado...................121
4.2 Precio Ponderado Bloque Punta 2006, Real vrs. Calculado ................123
4.3 Precio Ponderado Bloque Valle 2006, Real vrs. Calculado...................124
4.4 Precio Ponderado Bloque Llano 2006, Real vrs. Calculado ..................125
iv
INDICE DE TABLAS
No. Descripción Página
1.1 Calendario de liberalización del suministro de energía .............................4
1.2 Sesiones y Programas del Mercado de energía eléctrica .......................21
1.3 Características de las ofertas de los servicios complementarios ............32
1.4 Balance eléctrico anual 2006...................................................................38
3.1 Descripción de las variables para la serie de datos diarios ....................81
3.2 Descripción de las variables para la serie de datos por bloques.............83
3.3 Descripción de las variables para la serie de datos diarios .....................84
3.4 Resultados del Modelo de Regresión Lineal ..........................................87
3.5 Resultados Generales del Modelo de Regresión para la Serie de
Datos Diarios Ponderados .......................................................................88
3.6 Resultados Generales del Modelo de Regresión para el Bloque de
Valle Ponderado ......................................................................................90
3.7 Resultados Generales del Modelo de Regresión para el Bloque de
Punta Ponderado .....................................................................................90
3.8 Resultados Generales del Modelo de Regresión para el Bloque de
Llano Ponderado......................................................................................91
3.9 Resultados Generales del Modelo de Regresión para la Serie de
Datos Diarios Ponderados .......................................................................93
3.10 Resultados del Modelo Diario para Días Laborables...............................97
3.11 Resultados del Modelo Diario para Días Festivos ...................................98
3.12 Resultados del bloque valle ponderado (laborable)...............................100
3.13 Resultados del bloque valle ponderado (festivo) ...................................100
3.14 Resultados del bloque punta ponderado (laborable) .............................102
3.15 Resultados del bloque punta ponderado (festivo) .................................103
3.16 Resultados del bloque llano ponderado (laborable) ..............................105
3.17 Resultados del bloque llano ponderado (festivos) .................................105
3.18 Prueba de Hipótesis Autocorrelación Lab/Festivos ...............................108
3.19 Prueba de Hipótesis Homocedasticidad (Lab/Festivos) ........................109
3.20 Prueba de Hipótesis Autocorrelación por bloque...................................112
3.21 Prueba de Hipótesis Homocedasticidad por Bloques............................113
3.22 Resultados del Modelo Diario Ponderado (Autoregresivo)....................114
4.1 Análisis de Cuantía, Modelo Diario (Laborables)...................................117
4.2 Análisis de Cuantía, Modelo Diario (Festivos) .......................................117
v
4.3 Análisis de Cuantía, Bloque Punta (Laborables) ...................................117
4.4 Análisis de Cuantía, Bloque Punta (Festivos)........................................118
4.5 Análisis de Cuantía, Bloque Valle (Laborables).....................................118
4.6 Análisis de Cuantía, Bloque Valle (Festivos) .........................................119
4.7 Análisis de Cuantía, Bloque Llano (Laborables)....................................119
4.8 Análisis de Cuantía, Bloque Llano (Festivos) ........................................119
4.9 Resultados Proyección 2006, Modelo Diario .........................................121
4.10 Resultados Proyección 2006, Bloque Punta..........................................122
4.11 Resultados Proyección 2006, Bloque Valle ...........................................123
4.12 Resultados Proyección 2006, Bloque Llano ..........................................125
vi
INDICE DE FIGURAS
No. Descripción Página
1.1 El Mercado de producción de energía eléctrica..........................................20
1.2 Sesiones del Mercado Intradiario ...............................................................26
1.3 Esquema General de relaciones entre los sujetos del mercado.................29
vii
1.0 DESCRIPCIÓN GENERAL DEL MERCADO ELÉCTRICO ESPAÑOL
1.1 Antecedentes
A partir de la invención de la electricidad para fines industriales y de iluminación
durante la segunda mitad el siglo XIX, surgieron en España una gran cantidad de empresas
eléctricas, en su mayoría de carácter local y concentradas en las ciudades de mayor tamaño.
La demanda eléctrica creciente, las nuevas tecnologías para la generación de corriente
alterna, la utilización de mayores voltajes en la transmisión de electricidad y el
perfeccionamiento del motor eléctrico, provocaron a inicios del siglo XX la consolidación de
grandes grupos empresariales, sobre todo por las importantes inversiones requeridas para la
construcción de centrales hidroeléctricas de gran tamaño. En 1930 las diez primeras empresas
controlaban cerca del 70% de la capacidad instalada.
En 1944 se creó UNESA con las 17 principales compañías, que representaban el 80% de
la generación total, con la finalidad de establecer una coordinación entre las empresas
eléctricas. Con ello se inicia la explotación unificada de la demanda Española, de tal forma
que las instalaciones de cada empresa se pusieran al servicio del abastecimiento de la
demanda del país, como si una única empresa gestionara la totalidad de los medios de
producción y transporte de energía eléctrica existentes [MYTI__].
Acompañando al desarrollo económico del país, durante los siguientes años se
construyeron grandes centrales hidroeléctricas y térmicas siendo necesaria una expansión de
la red de transporte para interconectar los sistemas de las distintas empresas, en especial con
las nuevas centrales de gran tamaño.
La crisis energética de la década de los 70 modificó la política energética del país, y se
planteo el objetivo de disminuir la dependencia del petróleo. Motivo por el cual se aprobó el
Plan Energético Nacional, con el que se impulsó la construcción de centrales de carbón y
nucleares.
El retraso en el desarrollo de las inversiones en centrales nucleares, unido al alto
endeudamiento de las empresas y la revalorización de la deuda en moneda extranjera,
particularmente en dólares, provocaron graves problemas financieros en las empresas, siendo
necesaria la búsqueda de alternativas regulatorias que generaran mayor estabilidad en el
sector, y fortaleciesen financieramente al mismo.
1
Luego de conversaciones entre el gobierno y las empresas eléctricas, se firmó en 1983 un
acuerdo mediante el cual se pretendió desarrollar un nuevo marco de regulación que
garantizase la recuperación de las inversiones y permitiese una rentabilidad suficiente a las
empresas mediante un sistema tarifario basado en costes reconocidos. Al mismo tiempo, se
decretó la paralización de las centrales nucleares que se encontraban en construcción.,
denominada “moratoria nuclear”.
El Plan Energético 1983–1992 incorporó los acuerdos antes mencionados y permitió
desarrollar nuevas medidas, todas ellas encaminadas a mejorar la situación financiera de las
empresas. Entre las medidas más relevantes, se encuentran: el plan de saneamiento
financiero, sistemas de compensaciones entre empresas y el intercambio de activos entre
empresas que se desarrolló entre 1985 y 1986 con el objeto de equilibrar la situación
patrimonial de las mismas.
Adicionalmente, se incluyó la creación de una empresa que realizara la tarea de gestión
de la red de transporte y la explotación coordinada del despacho del sistema, que se concretó
en 1984 mediante la Ley 49/1984, de Explotación Unificada, donde se estableció a Red
Eléctrica de España (REE) como la sociedad gestora de la explotación unificada de la red de
transporte.
En 1987 se aprobó el Marco Legal y Estable en el que se estableció la regulación del
sector eléctrico para la siguiente década, en especial los aspectos referentes al sistema de
ingresos de las empresas eléctricas. Dicho marco estableció que las tarifas se fijarían
anualmente, agregando las distintas partidas de costes reconocidos, definidos mediante
valores estándar. Posteriormente el coste total se dividía por la demanda esperada,
obteniendo así el valor de la tarifa media, que sería trasladada a los consumidores según la
estructura tarifaria existente [REE_06A].
Con el objeto de adecuar la legislación eléctrica a las directrices de la Unión Europea y a
los procesos liberalizados iniciados en otros países e introducir en el sector nuevos elementos
de competitividad, se aprobó la Ley 40/1994, de Ordenación del Sistema Eléctrico Nacional,
mediante la cual se estableció la libertad para instalar nuevas centrales de generación,
obligando a separar las actividades de transmisión, generación y distribución de energía.
Se creó la Comisión del Sistema Eléctrico Nacional como órgano independiente
regulador del sector eléctrico con el objeto de velar por la objetividad y transparencia en el
funcionamiento del mismo.
2
Las principales funciones de la nueva comisión fueron:
Actuar como órgano consultivo de la Administración en materia
eléctrica.
Participar en el proceso de elaboración de nuevas reglamentaciones y
planificación eléctrica.
Participar en el proyecto de elaboración de tarifas, retribución de las actividades
del sector y la determinación del valor integrado de la energía.
Actuar como órgano arbitral en las relaciones entre los sujetos que
realicen las actividades previstas en el Sistema Eléctrico Nacional.
Velar para que los sujetos que realicen las actividades previstas
en el Sistema Eléctrico Nacional las realicen en ausencia de prácticas restrictivas
de la competencia o abusivas de la situación de dominio en el mercado.
1.1.1 La Liberalización del Sector Eléctrico
La liberalización del sector eléctrico español se realizó en 1997, con la aprobación de la
Ley 54/1997 [BOE_97], que modificó profundamente el funcionamiento del sector eléctrico.
La actividad de generación paso a desarrollarse en régimen de libre competencia y se creo la
actividad de comercialización de energía. La comercialización se encarga de la compra de
energía a otro agente del mercado, para luego venderla a terceros, en especial a usuarios
finales.
Las actividades de transporte y distribución continuaron reguladas, por ser monopolios
naturales, permitiéndose el acceso de terceros a la red, bajo las condiciones establecidas en la
regulación y mediante el pago del correspondiente peaje (tarifa de acceso).
La nueva Ley del sector eléctrico estableció una separación jurídica y contable entre las
actividades reguladas (transporte y distribución) y las actividades liberalizadas (generación y
comercialización), no obstante es posible integrarse en un mismo grupo empresarial.
La separación jurídica y contable se realizó con la finalidad de garantizar la
independencia de los distribuidores y empresa de transporte, respecto a los agentes que
solicitasen el acceso a sus redes, además para garantizar que las posibles acciones de las
actividades no reguladas no pusiesen en peligro financiero a las actividades reguladas.
Se estableció que la liberalización de los consumidores finales se realizaría de forma
gradual, para lo cual se determinaron distintos plazos y características para cualificar los
3
clientes, permitiendo que estos pudieran negociar el suministro de energía directamente en el
mercado o a través de un comercializador.
Los plazos de liberalización del suministro, establecidos inicialmente en la Ley 54/1997
y su posterior modificación de conformidad a los RD 2820/1998, RDL 6/1999 y RDL
6/2000, se presentan en la Tabla 1.1: “Calendario de liberalización del suministro”. Aparece
resaltado en color verde el calendario de liberalización desarrollado en la práctica y en gris
los valores programados pero que no entraron en vigencia por ser adelantado el calendario en
normativa posterior.
Fecha de inicio
de
liberalizaciónLey 54/1997 RD 2820/1998 RDL 6/1999 RDL 6/2000
ene-98
abr-98
jul-98
oct-98
ene-99 > 5 GWh
abr-99 > 3 GWh
jul-99 > 2 GWh
oct-99
ene-00
abr-00
jul-00
oct-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07 Todos Todos Todos
Todos
> 1.000 Volt
> 1 Gwh
> 9 GWh
> 5 GWh
> 1 GWh
> 15 GWh
Tabla 1.1 Calendario de liberalización del suministro de energía
La Ley 54/1997 estableció que la gestión económica del mercado eléctrico sería
desarrollada por la Compañía Operadora del Mercado Español de Electricidad, S.A.,
(OMEL). Por otro lado, la gestión técnica del sistema se asignó a Red Eléctrica de España
(REE).
El cambio de régimen regulatorio produjo en las empresas generadores unos costos
hundidos (stranded costs) que no podrían ser recuperados en el mercado liberalizado de la
energía. Por tal razón en Ley 54/1997 se estableció los Costos de Transición a la competencia
CTCs, con los cuales se pretende compensar hasta el año 2010 a las empresas generadoras
por las inversiones realizadas.
4
Asimismo, la Ley 54/97 estableció que la Comisión Nacional del Sistema Eléctrico
(CNSE) sería el ente regulador de los sistemas energéticos, como la institución encargada de
verificar el cumplimiento de la Ley y sus normas de desarrollo, además de velar por la
objetividad y transparencia en el funcionamiento del mercado eléctrico. Posteriormente, en el
Real Decreto 2596/1998, se le traspasaron las funciones de liquidación de los costes
regulados del sistema.
1.1.2 Principales Normativas Posteriores a la Ley 54/1997
Real Decreto-Ley 2019/1997, por el que se organiza y regula el mercado de producción
de energía eléctrica.
Como consecuencia del desarrollo de la Ley 54/97 se aprobó el RD 2019/1997, que organiza
y regula el mercado de producción de energía eléctrica, así como las condiciones bajo las
cuales deben realizarse los intercambios entre los distintos sujetos del sistema tanto en el
mercado organizado como fuera del mismo mediante la contratación bilateral. Se definen de
forma general los procesos desarrollados en los mercados diarios, intradiario y servicios
complementarios.
Se incluyó un mecanismo de garantía de potencia, como una señal económica para la
permanencia e instalación de capacidad de generación en el sistema eléctrico, con el objeto
de incentivar nueva capacidad de generación y consecuentemente un nivel de garantía de
suministro adecuado. El valor del concepto de garantía de potencia sería definido de forma
administrativa.
Ley 34/1998, del sector hidrocarburos.
En dicha ley se creó la Comisión Nacional de Energía (CNE) con competencias sobre los
sistemas energéticos, englobando en este concepto tanto el mercado eléctrico como el
mercado de los hidrocarburos líquidos y gaseosos.
El reglamento de la CNE fue aprobado posteriormente en el RD 1339/1999, donde se indicó
las funciones, órganos que la componen, órganos de asesoramiento y régimen de personal y
presupuestario.
5
Orden Ministerial de 17 de diciembre de 1998, que desarrolla algunos aspectos del Real
Decreto 2019/1997, por el que se organiza y regula el mercado de producción de energía
eléctrica.
En esta orden ministerial se definió los sujetos que tienen derecho a cobro y obligación de
pago por garantía de potencia. Al mismo tiempo se estableció el valor del cobro por dicho
concepto, igual a 1.3 pesetas/KWh medido en barras de la central.
El pago por parte de los compradores se realiza en dos etapas: primero los comercializadores
a un valor fijo definido en cinco períodos tarifarios con valores que van desde 1,3 hasta 0,0
pesetas/KWh. En la segunda etapa los distribuidores deberían pagar el complemento de pago
a los productores de forma proporcional a sus consumos. La aplicación de esta Orden
Ministerial generó pagos inferiores por garantía de potencia a los comercializadores en
relación a los distribuidores.
Real Decreto 2818/1998, sobre producción de energía eléctrica por instalaciones
abastecidas por recursos o fuentes de energía renovables, residuos y cogeneración.
El objeto de este Real Decreto es desarrollar la Ley 54/1997 en lo referente al régimen
especial, en lo relativo a los requisitos y procedimientos para acogerse al mismo, las
condiciones de entrega y el régimen económico.
Se estableció un régimen transitorio para las instalaciones que a la fecha de entrada en vigor
de la Ley del Sector Eléctrico se encontraban acogidas al RD 2366/1994, sobre producción
de energía eléctrica por instalaciones hidráulicas, cogeneración y otras fuentes renovables.
Por otro lado se definió una prima para las instalaciones mayores de 50 MW que utilicen
como energía primara las fuentes renovables no consumibles y no hidráulicas, biomasa,
biocarburantes o residuos agrícolas, ganaderos o de servicios.
Real Decreto 2819/1998, por el que se regulan las actividades de transporte y
distribución de energía eléctrica.
Dado que según la Ley del Sector Eléctrico, las actividades de transporte y distribución
tienen carácter de reguladas, se estableció que la retribución de las mismas continuarían
siendo fijadas administrativamente, evitando así el abuso de posición dominante determinado
por la existencia de una red única.
Se estableció que la retribución de la red de transporte debe atender a los costos de inversión,
operación y mantenimiento. Por su parte las redes de distribución deben atender además de
6
los elementos mencionados para la red de transporte a la energía circulada, los incentivos
correspondientes por la calidad del suministro y reducción de pérdidas.
Al mismo tiempo se definen los elementos que integran las redes de transporte y distribución.
Real Decreto 2820/1998, por el que se establecen las tarifas de acceso a las redes.
En este Real Decreto se adelantó el calendario de liberalización del suministro, estableciendo
un requerimiento mínimo de consumo de 5 GWh. A partir del 1 de abril de 1999 se
considerarían cualificados aquellos con consumo mínimo de 3 GWh; a partir del 1 de julio de
1999 el límite se redujo a 2 GWh y a partir del 1 de octubre del mismo año el valor mínimo
requerido sería de a 1 GWh.
Al mismo tiempo se fijaron tarifas para alta tensión con una estructura binomio, formadas
por un término fijo y otro variable en cada uno de los períodos tarifarios establecidos. Esto
con el objeto de facilitar la aplicación de las tarifas de acceso a los grandes consumidores,
considerando la estructura de precios y medidas que requiere el mercado de producción para
la compra de energía.
Para los clientes en baja tensión se mantuvo la estructura de tarifas vigente, así como para los
distribuidores y tracción en alta tensión.
Real Decreto Ley 6/1999, de medidas urgentes de liberalización e incremento de la
competencia.
Con el objeto de incrementar la competencia en el sector eléctrico se estableció que los
consumidores cualificados serían aquellos cuyos suministros se realicen en tensiones
nominales e iguales o superiores a 1.000 voltios.
Real Decreto Ley 6/2000, de medidas urgentes de intensificación de la competencia en
mercados de bienes y servicios.
Con la finalidad de introducir mayor competencia en el sector se limitó el incremento de
nueva capacidad instalada para aquellos productores con una cuota superior al 40% en un
plazo de cinco años. Para los productores con cuotas mayores al 20% pero inferiores al 40%
la limitación de nueva generación se estableció en un período de tres años.
Por otro lado se obliga a los productores del régimen especial acogidos al Real Decreto
2366/1994 con capacidad superior a 90 MW a realizar ofertas económicas al OM.
Se adelantó nuevamente el calendario de liberalización estableciendo que todos los usuarios
tendrían condición de cualificados a partir del 01 de enero de 2003.
7
Se incluye también la metodología de cálculo del pago por garantía de potencia para los
usuarios finales, en función de los períodos considerados en la tarifa a la cual estuvieren
acogidos.
Reglas de Funcionamiento del Mercado de Producción de Energía Eléctrica.
En abril del 2001 se desarrolló las reglas del mercado, inicialmente plasmadas en términos
generales en el RD 2019/1997. En dichas reglas se estableció con mucho detalle los distintos
procedimientos para el mercado diario, resolución de restricciones técnicas y mercado
intradiario. Se indica lo referente a los horarios de cada proceso, algoritmo de resolución,
presentación de las ofertas, manejo de condiciones complejas de las ofertas (para el mercado
diario e intradiario), medios de verificación y presentación de resultados en el programa
correspondiente.
Se incluyó también el detalle de la liquidación y garantías de los distintos mercados, la
garantía de potencia y lo correspondiente a los contratos bilaterales.
Real Decreto Ley 841 /2002, por el que se regula para las instalaciones de producción
de energía eléctrica en régimen especial su incentivación en la participación en el
mercado de producción, determinadas obligaciones de información de sus previsiones de
producción, y la adquisición por los comercializadores de su energía eléctrica
producida.
En este Real Decreto se realizó el desarrollo reglamentario del RDL 6/2000 en lo que
respecta a la regulación de las ofertas económicas de venta de energía a través del OM de las
instalaciones de producción en régimen especial. Se estableció las comunicaciones que están
obligadas a realizar las instalación del régimen especial a las empresas distribuidoras sobre
programación a corto plazo de sus excedentes de energía eléctrica y las relaciones de los
agentes vendedores y comercializadores en relación con las instalaciones bajo dicho régimen.
Real Decreto 1435/2002, por el que se regulan las condiciones básicas de los contratos
de adquisición de energía y de acceso a las redes de baja tensión.
Se estableció las condiciones básicas de los contratos de adquisición de energía y acceso a
redes en baja tensión. Al mismo tiempo se incluyó los procedimientos de gestión y
administración de los contratos antes mencionados, los procedimientos de cambio de
suministrador y la forma de liquidar energía a partir de la aplicación de perfiles de consumo.
8
Real Decreto 1747/2003, por el que se regulan los sistemas eléctricos insulares y
extrapeninsulares.
En este real decreto se reguló las actividades destinadas al suministro de energía eléctrica en
los territorios insulares y extrapeninsulares (SEIE), en los ámbitos de generación, transporte,
distribución y comercialización. Se incluyó el manejo de la gestión técnica y económica de
los sistemas eléctricos de dichos territorios.
Real Decreto 2351/2004, por el que se modifica el procedimiento de resolución de
restricciones técnicas y otras normativas reglamentarias del mercado.
En este real decreto se establecieron dos fases en dicho proceso, la primera para resolver las
restricciones detectadas, así como las limitaciones que afecten a las unidades programadas
según criterio económico. En la segunda fase se debería reestablecer el equilibrio generación-
demanda.
Se incluyó los sujetos que pueden presentar ofertas para la resolución de restricciones
técnicas y las características que deben cumplir las mismas.
Convenio Internacional relativo a la constitución de un mercado Ibérico de la energía
eléctrica entre el Reino de España y la República Portuguesa.
Con este convenio se pretendía crear un único mercado de la electricidad en la península
Ibérica, en el que todos los agentes pertenecientes a los dos países pudiesen operar en
igualdad de condiciones. Este mercado fue denominado como MIBEL y fue definido como el
conjunto de mercados organizados y no organizados en los que se realizan las transacciones
de energía eléctrica y en los que se negocian instrumentos financieros que toman como
referencia dicha energía.
Se acordó que el Operador del Mercado Ibérico de Energía – Polo Español, S.A., (OMEL)
sería el responsable del mercado diario, que incluye las transacciones de bloques de energía
a entregar al día siguiente de la contratación y liquidación necesariamente por entrega física.
Por otro lado, se asignó al Operador del Mercado Ibérico de Energía – Polo Portugués, OMIP
como responsable del mercado a plazo, que comprende transacciones de bloques de energía
con entrega posterior al día siguiente de la contratación y liquidaciones tanto por entrega
física como por diferencias.
En el MIBEL los Operadores del Sistema de cada uno de los países seguirían siendo
responsables de la gestión técnica de su propio sistema, no obstante deberían realizar dicha
actividad con la correspondiente coordinación.
9
Real Decreto Ley 5/2005, de reformas urgentes para el impulso de la productividad y
para la mejora de la contratación pública.
Se realizaron algunas reformas a la Ley 54/1997, algunas de ellas encaminadas a establecer
conceptos relacionados con la competencia. Se modificó el concepto de operador principal
como aquellos operadores con las cinco mayores cuotas de mercado de generación de
energía. Se definió el concepto de operador dominante como aquel operador con cuota de
generación y suministro de energía superior al 10%. Dichas definiciones se realizaron con la
finalidad de establecer obligaciones regulatorias que facilitasen el desarrollo de una
competencia efectiva en los mercados liberalizados.
Además se reasignaron las funciones del operador de mercado como encargado de la gestión
del mercado diario e intradiario y al operador del sistema como responsable de la
confiabilidad, seguridad, la gestión de los servicios complementarios y garantía de
suministro.
Se incluyeron los valores máximos de participación en el accionariado de REE, estableciendo
un valor del 3% para cualquier persona física o jurídica que no participa directa o
indirectamente en el sector eléctrico y un 1% para los sujetos que realizan actividades en el
sector eléctrico o participen de forma directa o indirecta en el capital accionario de las
mismas en más de un 5%.
Real Decreto-Ley 3/2006, por el que se modifica el mecanismo de casación de las ofertas
de venta y adquisición de energía presentadas simultáneamente al mercado diario e
intradiario de producción por sujetos del sector eléctrico pertenecientes al mismo grupo
empresarial.
Bajo la esta normativa los sujetos del mercado que pertenecen a un mismo grupo empresarial
y que acuden al mercado diario con ofertas de adquisición y venta de energía
simultáneamente en un mismo período de cálculo, se les consideraría como un contrato
bilateral con entrega física por la porción de la energía coincidente de compra y venta, que
ha resultado casada; la porción restante que resulta de la posición neta del grupo participa en
el programa resultante de la casación. La energía asimilada en los contratos bilaterales físicos
es valorada al coste medio previsto en la tarifa de 2006 para la energía generada en régimen
ordinario para el territorio peninsular, que corresponde a 42,35 €/MWh.
10
Real Decreto-Ley 7/2006, por el que se adoptan medidas urgentes en el sector eléctrico.
En esta modificación se incluyeron diversos aspectos, entre los cuales cabe destacar la
retribución a las actividades de cogeneración acogidos al régimen especial, que se aplican no
solamente al excedente de energía, sino a la generación en barras de la central. Al mismo
tiempo se eliminan las diferencias existentes relacionadas con el tamaño de las instalaciones
y la relación del consumo propio con el total generado.
La nueva revisión de la tarifa media de referencia no se aplicaría a los precios, primas e
incentivos que forman parte de la retribución del régimen especial.
Por otro lado se extendió el período de duración de un año para la contratación a plazo,
dejándolo sujeto a una emisión posterior, al igual que las condiciones a las que deberán estar
sujetos de dichos contratos.
Se crearon planes de viabilidad para las sociedades con dificultades financieras e incentivos
mediante primas con un valor máximo de 10 €/MWh para instalaciones generadoras que
utilicen fuentes de energía primaria autóctonas, mientras tanto se mantuvieron los incentivos
al consumo de carbón autóctono.
Se eliminó el reconocimiento de costes de transición a la competencia CTC y se suprimió la
condicionante del régimen especial a la existencia del reconocimiento de los CTC.
Real Decreto 777/2006, por el que se modifica el Real Decreto 1866/2004, por el que se
aprueba el plan nacional de derechos de emisión.
En el mismo se ajustaron las cuantías de derechos de emisión y categorías de actividades a la
ampliación efectuadas en el ámbito de aplicación de la Ley 1/2005. Se unificó la reserva para
nuevos entrantes y al mismo tiempo se incrementaron los topes sectoriales de la asignación,
con cargo a la reserva, para aquellos sectores en los que se encuentran incluidas instalaciones
respecto de las cuales se han estimado recursos de reposición.
Real Decreto 809/2006, por el que se revisa la tarifa eléctrica a partir del 1 de julio de
2006.
El gobierno procedió a la revisión de la tarifa media de referencia, la cual se incrementó un
1,38% sobre la vigente a partir del 1 de enero de 2006, manteniendo las tarifas de acceso a las
redes de transporte y distribución. Se definieron los porcentajes de la tarifa integral y de
acceso que serían destinados para conceptos específicos como el pago del regulador,
operador del mercado, operador del sistema, moratoria nuclear, déficit de años anteriores, etc.
11
Se estableció un plan de sustitución y nuevos medidores para potencias superiores a 15 kW,
que permitan la discriminación horaria y telegestión.
Por otro lado se eliminaron las tarifas correspondientes a actividades de tracción y riegos de
alta tensión y las tarifas específicas de alumbrado público y riegos de baja tensión.
Orden ITC/2129/2006, por la que se regula la contratación a plazo de energía eléctrica
por los distribuidores en el segundo semestre de 2006.
Se obligó a los distribuidores a adquirir una determinada cantidad de energía en el mercado a
plazo gestionado por OMIP-OMIClear mediante contratos de futuros con entrega física, en
las subastas y condiciones indicadas. Dichos costos serían reconocidos en las liquidaciones
realizadas por la CNE, así como los gastos derivados de las garantías y comisiones exigidas
por la participación de dicho mercado a plazo. Dicha obligación se mantuvo desde el 01 de
julio hasta el 31 de diciembre de 2006.
Resolución de la Secretaría General de Energía, por la que aprueban diversos
procedimientos de operación para su adaptación a la nueva normativa eléctrica.
Con esta modificación se pretendía adecuar las nuevas funciones asignadas al operador del
mercado y operador del sistema1 a los diversos procedimientos de operación relacionados
con los servicios complementarios, desvíos, liquidación, garantías, etc.
Orden ITC 400/2007, por la que se regulan los contratos bilaterales que firmen las
empresas distribuidoras para el suministro a tarifa en el territorio peninsular.
Con dicha orden se reguló la contratación bilateral de energía eléctrica con entrega física por
parte de las empresas responsables de realizar el suministro a tarifa en el territorio peninsular.
Se definió que el mecanismo de asignación de energía sería asignado a través de un
procedimiento de subastas en el que, partiendo de una cantidad de energía a suministrar para
el conjunto de los distribuidores y de un precio de salida, se procede a una reducción
progresiva del precio hasta llegar al equilibrio entre oferta y demanda de energía.
El precio de la salida, el rango de cantidades a suministrar para cada subasta y tipo de
producto, las reglas a aplicar en la subasta, la fecha de realización y el período de entrega de
la energía serían definidos por resolución de la Secretaría General de Energía.
1 Las nuevas funciones del OS y OM fueron establecidas en el Real Decreto-Ley 5/2005
12
Por otro lado la CNE sería la responsable de supervisar que el proceso de la subasta se haya
realizado de forma objetiva, transparente y no discriminatoria.
Se definieron también los criterios generales que habrían de regir las reglas de aplicación de
las subastas.
1.2 Los Sujetos del Mercado Eléctrico
En la Ley 54/1997 y el Real Decreto 2019/1997 se definieron los sujetos que pueden
participar en el mercado, así como el rol de cada uno de ellos. Los distintos sujetos se
describen a continuación.
1.2.1 El Operador del Mercado
El Operador del Mercado Ibérico de Energía – Polo Español, S.A., (OMEL) como
operador del mercado (OM), esta a cargo de los mercados diario e intradiario, que se
constituyen como mercados marginalistas.
Con la finalidad de mantener la independencia del Operado del Mercado, este no puede
tener participación accionarial en ninguna sociedad que realice alguna o algunas actividades
destinadas al suministro de energía eléctrica, ni participar en el capital del Operador del
Sistema y viceversa. Al mismo tiempo los agentes en su conjunto no pueden tener una
participación superior al 40% en OMEL, e individualmente la cuota de participación directa
o indirecta no debe superar el 5%.
Aunque inicialmente la Ley 54/97 definió unas funciones más amplias para el OM, el
Real Decreto-Ley 5/2005, las modificó, tal como se presenta a continuación:
Recepción de las ofertas de venta emitidas para cada período de programación por los
distintos sujetos que participan en el mercado diario de energía eléctrica, para cada
uno de los periodos de programación.
Recepción de las ofertas de adquisición de energía.
Recibir de los sujetos que participan en los mercados de energía eléctrica la
información necesaria, a fin de que su energía contratada sea tomada en consideración
para la casación y para la práctica de las liquidaciones que sean competencia del
operador del mercado.
Recepción de las garantías que, en su caso, procedan. La gestión de estas garantías
podrá realizarla directamente o a través de la terceros autorizados.
13
Realizar la casación de las ofertas de venta y de adquisición partiendo de la oferta
más barata hasta igualar la demanda en cada período de programación.
Comunicación a los titulares de las unidades de producción, así como a los
distribuidores, comercializadores, consumidores cualificados, agentes externos y a los
operadores del sistema eléctrico en el ámbito del Mercado Ibérico de la Electricidad
de los resultados de la casación de las ofertas.
Determinar los distintos precios de la energía resultantes de las casaciones en el
mercado diario de energía eléctrica para cada período de programación y la
comunicación a todos los agentes implicados.
Liquidar y comunicar los pagos y cobros que deberán realizarse en virtud de los
precios de la energía resultantes de las casaciones y de aquellos otros costes que
reglamentariamente se determinen.
Comunicar al operador del sistema las ofertas de venta y de adquisición de energía
eléctrica, realizadas por los distintos sujetos que participan en los mercados de
energía eléctrica de su competencia, para cada uno de los periodos de programación.
Informar públicamente sobre la evolución del mercado con la periodicidad que se
determine.
Realizar cualesquiera otras funciones que reglamentariamente se le asignen.
1.2.2 El Operador del Sistema
Red Eléctrica de España, S.A. (REE) como operador del sistema (OS), tiene como
función principal la gestión de los mercados de servicios complementarios, la adecuada
coordinación del sistema de producción y transporte, así como garantizar la continuidad y
seguridad del suministro eléctrico.
De forma similar al OM y con la finalidad de mantener la independencia del OS, este
no puede tener participación accionarial en ninguna sociedad que realice alguna o algunas
actividades destinadas al suministro de energía eléctrica, ni participar en el capital del OM y
viceversa. Al mismo tiempo los agentes en su conjunto no pueden tener una participación
superior dirececta o indirecta que supere el 3% de REE.
Aunque inicialmente la Ley 54/97 definió unas funciones puramente técnicas para el
OS, el Real Decreto-Ley 5/2005, las modificó, definiéndolas tal como se presenta a
continuación:
14
Prever indicativamente y controlar el nivel de garantía de abastecimiento de
electricidad del sistema a corto y medio plazo.
Prever a corto y medio plazo la utilización del equipamiento de producción, en
especial, del uso de las reservas hidroeléctricas, de acuerdo con la previsión de la
demanda, la disponibilidad del equipamiento eléctrico y las distintas condiciones de
hidraulicidad que pudieran presentarse dentro del período de previsión.
Recibir la información necesaria sobre los planes de mantenimiento de las unidades
de producción, averías u otras circunstancias que puedan llevar consigo la excepción
de la obligación de presentar ofertas, de acuerdo con lo previsto en el artículo 25 de la
presente Ley, a fin de confirmarlas con el procedimiento que reglamentariamente se
establezca, lo que comunicará al operador del mercado.
Coordinar y modificar, en su caso, los planes de mantenimiento de las instalaciones
de transporte, de manera que se asegure su compatibilidad con los planes de
mantenimiento de los grupos de generación y se asegure un estado de disponibilidad
adecuado de la red que garantice la seguridad del sistema.
Establecer y controlar las medidas de fiabilidad del sistema de producción y
transporte, afectando a cualquier elemento del sistema eléctrico que sea necesario, así
como los planes de maniobras para la reposición del servicio en caso de fallos
generales en el suministro de energía eléctrica y coordinar y controlar su ejecución.
Impartir las instrucciones de operación de la red de transporte, incluidas las
interconexiones internacionales, para su maniobra en tiempo real.
Determinar la capacidad de uso de las interconexiones internacionales y establecer los
programas de intercambio de electricidad a corto plazo con los sistemas eléctricos
exteriores.
Recibir del operador del mercado y de los sujetos que participan en sistemas de
contratación bilateral con entrega física la información necesaria, a fin de poder
determinar la programación de entrada en la red y para la práctica de las liquidaciones
que sean competencia del operador del sistema.
La recepción de las garantías que, en su caso, procedan. La gestión de estas garantías
podrá realizarla directamente o a través de terceros autorizados.
Programar el funcionamiento de las instalaciones de producción de energía eléctrica
de acuerdo con el resultado de la casación de las ofertas comunicadas por el operador
del mercado, con la información recibida de los sujetos que participan en sistemas de
15
contratación bilateral con entrega física, teniendo en consideración las excepciones
previstas en la Ley y resolviendo las posibles restricciones técnicas del sistema
utilizando criterios de mercado.
Impartir las instrucciones necesarias para la correcta explotación del sistema de
producción y transporte de acuerdo con los criterios de fiabilidad y seguridad que se
establezcan, y gestionar los mercados de servicios de ajuste del sistema que sean
necesarios para tal fin.
La liquidación y comunicación de los pagos y cobros relacionados con la garantía de
suministro incluyendo entre ellos los servicios de ajuste del sistema y la
disponibilidad de unidades de producción en cada periodo de programación.
Igualmente liquidará los pagos y cobros relacionados con los desvíos efectivos de las
unidades de producción y de consumo en cada período de programación.
Colaborar con todos los operadores y sujetos del Mercado Ibérico de la Energía
Eléctrica que resulten necesarios para el ejercicio de sus funciones.
Desarrollar aquellas otras actividades relacionadas con las anteriores que sean
convenientes para la prestación del servicio, así como cualesquiera otras funciones
que le sean atribuidas por las disposiciones vigentes.
1.2.3 Los Agentes del Mercado
Los agentes del mercado son las empresas habilitadas para actuar en el mercado
eléctrico como vendedores y compradores de electricidad, participando en el mercado
organizado o celebrando contratos bilaterales.
Pueden actuar como agentes del mercado: los generadores, los distribuidores, los
comercializadores, los clientes cualificados, los representantes habilitados y los agentes
externos.
Para ser habilitado como agente, este deberá cumplir lo dispuesto en el Real Decreto
2019/19972, cuyos principales requerimientos son: ser titular de instalaciones o estar inscrito
en el Registro Administrativo de Distribuidores, Comercializadores y Consumidores haber
presentado al OM y OS las garantías necesarias para respaldar sus operaciones en el mercado
y manifestar su conformidad al contrato de adhesión.
Una breve descripción de los distintos agentes del mercado se presenta a
continuación:
2 Los requisitos para habilitar a los agentes fueron modificados en el Real Decreto 1454/2005 para adecuarlos al inicio del MIBEL.
16
a) Los productores: la normativa actual distingue dos tipos de productores con
características particulares: en régimen ordinario y régimen especial.
Los productores en régimen ordinario desarrollan su actividad de producción en
libre competencia, esta conformado por aquellos productores con fuentes de generación
provenientes de combustibles fósiles, centrales nucleares e hidráulicas de gran tamaño. Estos
productores deben presentar sus ofertas al operador del mercado, para cada una de las
instalaciones de producción de las que son titulares, a menos que estén acogidos a contratos
bilaterales o a plazo por lo cual queden excluidos de la presentación de ofertas.
La construcción, explotación o modificación sustancial y cierre de cada instalación,
en régimen ordinario debe ser sometida a una autorización administrativa.
La producción en régimen especial fue creada con la finalidad de promover las
energías renovables y la eficiencia energética, estando regulada actualmente por el Real
Decreto 436/2004, en el cual se establece la metodología para la actualización y
sistematización del régimen jurídico y económico de la actividad de este tipo de producción.
Dentro del régimen se incluyen los autoproductores que utilizan la cogeneración,
energías renovables no consumibles, uso de residuos con valorización energética como
energía primaria, cogeneración para uso de residuos agrícolas, ganaderos e industriales con
alto rendimiento energético, todos ellos con capacidad instalada inferior a 50 MW, salvo
excepciones.
Existen dos alternativas para la retribución a la producción de energía de los
productores del régimen especial. La primera opción es vender su producción al distribuidor
al que están conectados, en cuyo caso percibirán por su energía una tarifa regulada. La
segunda opción es vender esa energía en el mercado (bien directamente o a través de un
agente vendedor), en cuyo caso percibirán por esa energía el precio del mercado más un
incentivo y una prima.
b) Los comercializadores: como parte del proceso de liberalización previsto, los
comercializadores pueden comprar energía a los productores nacionales, de la Unión Europea
o de terceros países, así como venderla a otros comercializadores o al propio mercado,
además de su función original de comprar en el mercado y vender a consumidores
cualificados. Los comercializadores pueden actuar como agentes vendedores de los
productores del régimen especial a los que representen.
17
c) Los distribuidores: estos participan en el mercado para adquirir la energía
eléctrica que necesiten para venderla a los consumidores a tarifa integral así como a los
distribuidores conectados a su red de distribución. Con la regulación aprobada recientemente,
también podrán adquirir energía mediante contratos bilaterales físicos, además de la
adquirida a plazo en el MIBEL y en el mercado spot.
Al mismo tiempo, los distribuidores presentan ofertas de venta de energía específicas
al mercado diario por la energía que los productores del régimen especial les venden.
d) Los Agentes Externos: son los agentes que venden o compran energía producida o
para ser consumida en otros sistemas eléctricos. Pueden participar en el mercado organizado
comprando o vendiendo electricidad, así como suscribir contratos bilaterales con productores
nacionales, comercializadores, con distribuidores consumidores o con otros agentes externos.
La energía procedente de estas operaciones se gestiona de forma no discriminatoria respecto
de los agentes residentes en España.
e) Los representantes: estos actúan por cuenta de un sujeto del mercado, sea en
nombre de dicho sujeto o en nombre propio. Existe en el mercado diario e intradiario, un
sujeto representante especialmente cualificado sólo para la representación del régimen
especial, denominándose como agente vendedor.
f) Los consumidores finales: estos tienen la posibilidad de adquirir la energía bajo
condiciones reguladas a la tarifa integral, libremente acudiendo directamente al mercado,
comprando a un comercializador o suscribiendo un contrato bilateral con cualquier sujeto del
mercado de producción.
g) Los agentes del Mercado Ibérico: desde la constitución del MIBEL se estableció
que los agentes reconocidos en cualquiera de los estados podrían actuar en el otro estado en
condiciones de reciprocidad.
1.2.4 La Comisión Nacional de Energía
La Comisión Nacional de Energía (CNE) no es un sujeto del mercado, no obstante es
la entidad reguladora del mercado eléctrico, creada mediante la Ley 34/19983. La CNE tiene
3 La Ley 34/1998 suprime la anterior CNSE y crea a la CNE.
18
por misión velar por la eficiencia efectiva en los sistemas energéticos, la objetividad y la
transparencia de su funcionamiento en beneficio de todos los sujetos que operan en dichos
sistemas y de los consumidores. La CNE esta adscrita al Ministerio de Industria, Turismo y
Comercio.
La CNE es además un órgano consultivo en materia energética tanto de la
Administración General de Estado como de las comunidades autónomas.
Las principales funciones de la CNE son las siguientes [CNE__A]:
Dictar Circulares de desarrollo y ejecución de las normas contenidas en los Reales
Decretos y Ordenes del Ministerio de Economía que se dictan en desarrollo de la
normativa energética.
Hacer propuestas en la elaboración de disposiciones generales que afecten a los mercados
energéticos, planificación energética, elaboración de los proyectos sobre determinación
de tarifas, peajes y retribución de las actividades energéticas.
Realizar la liquidación de los costes de transporte, distribución de energía eléctrica y de
los costes permanentes del sistema.
Autorizar las participaciones realizadas por sociedades con actividades que tienen la
consideración de reguladas en sociedades que realicen actividades de naturaleza
mercantil.
Resolver los conflictos que le sean planteados respecto de los contratos relativos al
acceso a las redes de transporte, y distribución en los términos reglamentariamente
establecidos. Además actúa como órgano arbitral en los conflictos que se suscitan entre
los sujetos que realicen actividades en el sector eléctrico así como los que se suscitan
entre los consumidores cualificados y dichos sujetos.
Inspección a solicitud de la Administración General del Estado o Comunidades
Autónomas, sobre las condiciones técnicas de instalaciones, calidad y continuidad del
suministro, facturación y condiciones de venta de distribuidores- comercializadores a
consumidores.
1.3 El Mercado de Producción de Energía Eléctrica
El mercado de producción de energía eléctrica es el integrado por el conjunto de
transacciones comerciales de compra-venta de energía y otros servicios relacionados con el
suministro de energía eléctrica.
19
El mercado de producción de energía eléctrica se estructura en mercado diario,
mercados intradiarios, mercados a plazo4, mercados no organizados y servicios de ajuste del
sistema. Este último incluye la resolución de restricciones técnicas, los servicios
complementarios y la gestión de desvíos.
La figura No. 1 muestra la estructura del mercado de producción, detallando los
procesos que conforman los servicios de ajuste del sistema.
•Mercado diario
•Mercado intradiario
•Servicios de ajuste del
sistema
•Mercado no organizado
•Mercados a plazo
•Resolución de
restricciones técnicas
•Servicios
complementarios
•Gestión de desvíos
•Control de tensión
•Arranque autónomo
•Serv. de regulación
Mercado de
producción
de energía
eléctrica
•Regulación
secundaria
•Regulación
terciaria
•Mercado diario
•Mercado intradiario
•Servicios de ajuste del
sistema
•Mercado no organizado
•Mercados a plazo
•Resolución de
restricciones técnicas
•Servicios
complementarios
•Gestión de desvíos
•Control de tensión
•Arranque autónomo
•Serv. de regulación
Mercado de
producción
de energía
eléctrica
•Regulación
secundaria
•Regulación
terciaria
Figura 1.1 El Mercado de producción de energía eléctrica [BOE_05B]
Los diferentes mercados organizados que conforman el mercado de producción de
energía tienen por finalidad determinar las transacciones de electricidad, el precio de la
energía y los programas de compra-venta de los distintos agentes que han participado en el
mercado.
El primer programa de compra-venta se obtiene como resultado del mercado diario y
al mismo se van agregando las compras y ventas de las unidades de cada agente en los
distintos mercados, hasta obtener el programa horario operativo de cierre que recoge la
programación en tiempo real.
En la tabla No. 1.2 se muestra la secuencia de mercados hasta llegar a la operación en
tiempo real, se indica el responsable de cada una de ellas, hora de realización y la relación
con los programas existentes.
4 Incorporado en el RD 1454/2005 con la finalidad de incluir las transacciones a plazo en el MIBEL mediante OMIP-OMIClear.
20
Sesión/Proceso Responsable Hora Datos de entrada Resultado
OMEL Antes de 11:00
del día anterior
Ofertas de compra-
venta
Programa resultante de
la casación (PRC)
Mercado diario
REE 11:00 del día
anterior
PRC y contratos
bilaterales
Programa diario base
de funcionamiento
(PDBF)
Resolución de
restricciones
Técnicas
REE 14:00 del día
anterior
PDBF y ofertas a
subir/bajar para
resolución de
restricciones técnicas.
Programa diario viable
provisional (PDVP)
Asignación de
reserva de
regulación
secundaria
REE 16:00 del día
anterior
PDVP y ofertas de
banda de potencia para
reserva secundaria
Asignación de reserva
de regulación
secundaria.
Mercado
Intradiario
(seis sesiones)
OMEL y REE
(verifica la
viabilidad
técnica)
18:30, 22:30,
del día
anterior. 2:30,
5:30, 9:30,
13:30
PDV, ofertas del
mercado intradiario
Programa horario final
(PHF)
REE 15 min antes
del inicio de
cada hora
PHF y Gestión de
desvíos existente
Programa horario
operativo (P48)
Desvíos
generación-
consumo.
(Programación en
tiempo real)
REE Tiempo real P48 y Gestión de
desvíos
Programa horario
operativo de cierre
(P48cierre)
Tabla 1.2 Sesiones y Programas del Mercado de energía eléctrica
1.3.1 El Mercado Diario
El mercado diario es administrado por OMEL de conformidad a los procedimientos
establecidos en las Reglas de Funcionamiento del Mercado de Energía Eléctrica5. En este
mercado se realizan las transacciones de compra y venta de energía para el día siguiente, las
sesiones de contratación se estructuran en períodos de cálculo de una hora y por tanto el,
horizonte de programación lo conforman las 24 horas del día posterior.
Este mercado al igual que los intradiarios, está basado en la formación de una curva
de oferta y otra de demanda, que se construyen a partir de las ofertas de venta y adquisición
5 Las Reglas de Funcionamiento del Mercado fueron establecidas en el Real Decreto 2019/1997 y modificadas posteriormente en el Real Decreto 1454/2005.
21
respectivamente. La intersección de ambas curvas da como resultado el punto de equilibrio
del mercado, y por tanto el resultado de la casación, definiendo el precio de la energía para
ese periodo, así como las unidades de oferta de venta y adquisición que han resultado
casadas. Este proceso debe realizarse para cada uno de los períodos de cálculo considerados.
En el mercado diario deben participar como oferentes todas las unidades de
producción en régimen ordinario disponibles y no vinculadas mediante un contrato bilateral,
así como las unidades de producción en régimen especial que lo deseen para la venta de sus
excedentes de electricidad. La demanda del mercado diario la conforman los distribuidores,
los comercializadores, los agentes externos compradores y los consumidores cualificados.
Dado el mínimo nivel de contratación bilateral en el sistema español (hasta fechas
muy recientes), la mayoría de la energía transada en el mercado de producción corresponde al
mercado diario.
En marzo de 2006 con la aplicación del Real Decreto – Ley 3/2006, se alteró el
proceso original de casación y por tanto el normal funcionamiento del mercado. Se estableció
que mientras no se implementase la normativa por la cual las empresas distribuidoras
pudiesen negociar la energía eléctrica mediante contratos bilaterales, el OM, una vez
realizada la casación de los mercados diario e intradiario, procedería a asimilar a contratos
bilaterales físicos todas aquellas ofertas casadas por sujetos pertenecientes al mismo grupo
empresarial por las cantidades coincidentes entre sus unidades de producción y adquisición,
en el mismo período de programación. Quedando disponible para el programa resultante de la
casación (PRC) la posición neta del grupo, que podrá ser compradora o vendedora.
Con la finalidad de informar sobre la programación de las unidades de conformidad a
los resultados de la casación del Mercado Diario y los contratos bilaterales informados, el OS
realiza el Programa Diario Base de Funcionamiento (PDBF).
1.3.2 Procedimiento de Solución de Restricciones Técnicas
Finalizada la sesión del mercado diario, el OS evalúa el PDBF, para comprobar su
viabilidad técnica. El OS deberá identificar la existencia de restricciones técnicas en el
programa, debido a posibles limitaciones de la red de transporte o del sistema, de tal forma
que el suministro de energía se realice bajo los parámetros de seguridad, calidad y fiabilidad
establecidos reglamentariamente. En caso identifique la presencia de restricciones técnicas, el
OS desarrolla el procedimiento de solución de restricciones técnicas, el cual consta de dos
fases:
22
FASE 1: Modificación del PDBF por criterios de seguridad
El objetivo de esta fase es la determinación de restricciones técnicas que puedan
afectar la ejecución del PDBF, identificando las modificaciones necesarias para la
resolución de las restricciones técnicas detectadas, y estableciendo límites de
seguridad para evitar nuevas restricciones en la siguiente fase del proceso o en los
subsiguientes mercados.
Para resolver las restricciones identificadas, el OS puede establecer incrementos o
reducciones a la energía del PDBF al menor costo posible. En caso se requiera energía
a subir utiliza las ofertas presentadas para este proceso, las cuales son en general
ofertas simples que indican la energía y el precio correspondiente. En el caso que se
requiera energía a bajar se reduce, en primer lugar, los programas de las unidades con
mayor contribución, respetando los programas de producción mínima que puedan ser
requeridos en estas unidades por razones de seguridad del sistema.
FASE 2: Reequilibrio generación-demanda
Resueltas las restricciones técnicas identificadas, el OS procede a realizar las
modificaciones del programa necesarias para obtener el equilibrio entre la generación
y la demanda, respetando la resolución de la primera fase y los valores previstos y
publicados de la capacidad de intercambio en las interconexiones internacionales.
Para reestablecer el equilibrio, el OS procede, en primer lugar, a anular los programas
de venta o adquisición de energía reducidos en la primera fase. Posteriormente el OS
puede utilizar las ofertas a subir o bajar, presentadas para el proceso de resolución de
restricciones técnicas para el incremento o reducción de la energía requerida. La
utilización de las ofertas deberá responder al criterio de menor costo, garantizando el
nivel de equilibrio generación-demanda requerido.
Como resultado del proceso de resolución de restricciones técnicas, el OS pone a
disposición del OM y los sujetos del mercado el Programa Diario Viable Provisional
(PDVP), que incluye las limitaciones de seguridad aplicadas, para evitar que en procesos y
mercados posteriores se generen nuevas restricciones.
23
1.3.3 Servicio de Regulación Secundaria
La regulación secundaria tiene como objetivo mantener el equilibrio entre la oferta y
la demanda en tiempo real, anulando los desvíos respecto a los programas de intercambio. Al
mismo tiempo se utiliza para mantener la frecuencia del sistema en su valor de referencia.
A efectos de la prestación del servicio se define como la banda de potencia regulable
a la velocidad requerida en respuesta a las órdenes de un sistema de Control Automático de
Generación AGC. La reserva de regulación secundaria a subir o bajar se define como el valor
máximo de variación de potencia que es posible modificar la generación del conjunto de
unidades de producción en control, en el sentido correspondiente, y con la velocidad
establecida, en respuesta a los requerimientos del sistema de control [BOE_06A].
El servicio de regulación secundaria es prestado por las zonas de regulación en
respuesta a los requerimientos del regulador maestro del OS. Las zonas de regulación están
conformadas por una agrupación de unidades de producción, previamente habilitadas por el
OS con capacidad de regulación.
El OS establece el requerimiento de potencia para regulación secundaria requerido
para el sistema y las unidades habilitadas le presentan diariamente sus ofertas por la banda de
potencia que ofertan a subir o bajar, indicando el precio correspondiente, para cada período
de cálculo.
El OS asigna el requerimiento de secundaria solicitado utilizando las ofertas que en
conjunto representen el menor sobrecoste total, y define el precio marginal de la reserva para
cada período de programación.
Finalizada la asignación del servicio, el OS informa los resultados a los productores
responsables de cada unidad de programación y a los responsables de las zonas de regulación
en las que están incluidas.
1.3.4 Servicio de Regulación Terciaria
La regulación terciaria tiene como objetivo la restitución de la reserva de regulación
secundaria que haya sido utilizada, mediante la adaptación de los programas de
funcionamiento de las unidades de producción y consumo de bombeo.
A efectos de la prestación del servicio, se define como la variación máxima de
potencia a subir o bajar que es posible efectuar en un tiempo máximo de 15 minutos y puede
ser mantenida, al menos durante dos horas consecutivas [BOE_06B].
24
Pueden participar en la prestación del servicio todas aquellas unidades habilitadas por
el OS, debiendo acreditar la capacidad técnica y operativa requerida para la prestación del
servicio.
El OS establece el valor de reserva de regulación terciaria mínima necesaria en el
sistema. Por su parte las unidades habilitadas presentan sus ofertas a subir y/o bajar,
indicando la reserva disponible en MW y el precio de la oferta correspondiente para cada
período de cálculo. Los agentes deberán actualizar la oferta de regulación terciaria, en el
mismo día de operación en caso que la capacidad haya sido asignada en el mercado
intradiario o en el mercado de gestión de desvíos, indisponibilidad de la unidad o aportación
de banda secundaria.
El OS asigna la prestación del servicio con criterio de mínimo coste, definiendo el
precio marginal para la prestación del servicio y considerando las ofertas existentes al
momento de proceder a su asignación.
1.3.5 El Mercado intradiario
El mercado intradiario tiene por objeto atender los ajustes que en la oferta y demanda
de energía se puedan producir de forma posterior al establecimiento del PDVP.
A las seis sesiones del mercado intradiario pueden acudir los agentes presentando
ofertas de compra y/o venta, en función de los ajustes previstos en relación al PDVP. Para los
agentes con unidades de producción se requiere que hayan participado en el mercado diario o
en contratos bilaterales a excepción de encontrarse indisponibles. En el caso de agentes con
unidades de adquisición se requiere que hayan participado en el mercado diario o haber
ejecutado un contrato bilateral en el día considerado.
Las unidades de producción que hubieran comunicado la indisponibilidad al operador
del sistema con anterioridad al cierre del mercado diario de producción y que hubieran
recuperado su disponibilidad, podrán presentar ofertas de venta en la sesión correspondiente
del mercado intradiario.
Establecido el programa diario, el OM abre progresivamente las sesiones del mercado
intradiario. Dichas sesiones se realizan de forma consecutiva con un horizonte que
comprende 28, 24, 20, 17, 19 y 9 horas, tal como se presenta en la figura No. 1.2.
De esta forma la primera sesión del mercado intradiario comprende desde la hora
20:00 del mismo día, hasta la última hora del día posterior, obteniendo un intervalo temporal
de 28 horas. Por otro lado el último mercado intradiario comprende desde las 15:00 horas
hasta la última hora del día, obteniendo un intervalo de 9 horas.
25
En cada sesión se realiza el proceso de casación de ofertas de compra y adquisición de
energía, para cada período de cálculo dentro del horizonte programación considerado,
obteniéndose un precio marginal de energía para cada hora.
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Intradiario 5 (13 horas)
Intradiario 6 (9 horas)
Mercado intradiario: 6 sesiones diarias
Intradiario 1 (28 horas)
Intradiario 2 (24 horas)
Intradiario 3 (20 horas)
Intradiario 4 (17 horas)
Figura 1.2 Sesiones del Mercado Intradiario
Los resultados del mercado intradiario son incorporados al PDVP para obtener el
programa horario final (PHF).
1.3.6 Resolución de los Desvíos Generación-Consumo
El objeto de este procedimiento es resolver los desvíos entre generación y consumo
que puedan aparecer con posterioridad al cierre de la sesión del mercado intradiario (MI) y
hasta la hora de inicio del horizonte de programación de la siguiente sesión.
El OS estimará los desvíos previstos en función de las indisponibilidades informadas
por las unidades de producción, los desvíos en los programas de intercambios
internacionales, previsiones de demanda del sistema, estimación de la producción eólica o
modificaciones obligadas al PHF informadas por los titulares de unidades de programación.
En función de los desvíos previstos, el OS valorará la necesidad de convocar el
mercado de gestión de desvíos generación-consumo, solicitando ofertas para la resolución de
los mismos. Únicamente convocará este procedimiento cuando el desvío esperado sea
superior a 300 MW.
El OS comunica los requerimientos de energía a cubrir para compensar los desvíos
identificados. Los agentes podrán presentar en un plazo máximo de 30 minutos, ofertas para
cada una de sus unidades de programación correspondientes a sus instalaciones de generación
y/o consumo de bombeo, por la energía disponible en ellas para cubrir el desvío. Las ofertas
deberán indicar su disposición a subir/bajar, energía total máxima, precio e indivisibilidad.
26
El OS analizará las ofertas recibidas y establecerá la energía casada y el precio
marginal para la resolución del desvío considerado en cada período de cálculo.
Posteriormente el OS incorporará los resultados del proceso de desvíos al PHF para obtener
el programa horario operativo (P48).
1.3.7 Servicios Complementarios
Los servicios complementarios tienen como objeto asegurar el suministro de energía
eléctrica en las condiciones de calidad, fiabilidad y seguridad necesarias. Estos servicios
incluyen los de regulación, el control de tensión y la reposición del servicio.
Los servicios complementarios pueden tener carácter obligatorio o potestativo, con la
posibilidad de establecer para un mismo servicio complementario prestaciones mínimas
obligatorias y simultáneamente prestaciones potestativas, en este último caso la retribución se
realiza a precio marginal por los servicios efectivamente prestados.
A. El control de tensión consiste en el conjunto de actuaciones orientadas a mantener
las tensiones en los nudos de la red de transporte dentro de los márgenes especificados para
garantizar el cumplimiento de los criterios de seguridad y calidad del suministro eléctrico.
La prestación del servicio de control de tensión puede ser proporcionada por unidades
de producción, transportistas, consumidores cualificados y gestores de la red de distribución.
Debido al carácter local del control de tensión y la dificultad de implantar un mercado
competitivo aplicable a todas las zonas, se establece una prestación mínima del servicio con
carácter obligatorio:
Los generadores deben poner a disposición del sistema un margen mínimo de
potencia reactiva (generación y absorción) igual al 15 por 100 de la potencia
activa neta máxima, equivalente a cos capacitivo/inductivo de 0,989.
Los transportistas deben prestar el servicio con todos los medios disponibles
de la red de su propiedad: reactancias, condensadores, transformadores con
regulación, apertura de líneas para el control de tensión y otros elementos de
gestión reactiva.
Los consumidores y distribuidores tienen un límite para el consumo y entrega
de potencia reactiva en cada uno de los distintos bloques horarios: punta (cos
mayor o igual a 0.95 inductivo), valle (cos mayor o igual a 1 inductivo),
llano (cos mayor a 0.95 y menor que 1 inductivo).
27
Los recursos adicionales a los indicados anteriormente para los distintos sujetos del
mercado pueden ser ofrecidos al sistema, la remuneración de los mismos se realiza mediante
un sistema de precios regulados por el Ministerio de Industria, Turismo y Comercio.
B. El arranque autónomo tiene como finalidad facilitar la reposición del servicio
cuando se presente una perturbación que conlleve a una pérdida de suministro en el sistema e
impida la alimentación de los servicios auxiliares de las unidades de producción que se
encuentran desacopladas del sistema. Para la prestación del servicio las unidades de
producción deberán estar habilitadas, tener capacidad para arrancar sin necesidad de
alimentación exterior en un tiempo determinado y mantenerse generando de forma estable
durante el proceso de reposición del servicio en el resto del sistema.
1.3.8 Mercado no Organizado
El mercado de electricidad permite a los distintos agentes libertad de contratación, por
lo cual estos pueden realizar contratos bilaterales de conformidad a las condiciones acordadas
entre las partes. Con excepción de los contratos bilaterales con entrega física realizados por
los distribuidores6 que son regulados por el Ministerio de Industria, Turismo y Comercio, con
la finalidad de promover una gestión comercial eficiente de parte de los distribuidores.
Las unidades de producción con contratos bilaterales físicos están exentas de
presentar ofertas en el mercado diario de producción por la energía comprometida, no
obstante se deben informar al OS las unidades de producción comprometidas y las cantidades
de energía correspondientes a dichos contratos. Una vez declarados los contratos bilaterales,
su ejecución pasa a ser firme con los mismos derechos y obligaciones que las transacciones
del mercado organizado.
Las unidades de producción con contratos bilaterales están obligadas a prestar los
servicios de carácter obligatorio, al mismo tiempo pueden participar de los servicios
complementarios y de gestión de desvíos, que son de carácter potestativo, siempre que estén
habilitados para hacerlo.
La figura No. 1.3 muestra de forma esquemática algunas de las transacciones
descritas entre los distintos sujetos del mercado, en lo referente a: flujos de energía,
coordinación, compra-venta de energía en el mercado diario-intradiario y contratos
bilaterales físicos.
6 Los contratos bilaterales de las empresas distribuidoras para el suministro a tarifa están regulados por la ORDEN ITC/400/2007.
28
Intercambios
intenacionales
Régimen
ordinario
Agentes
externos
Régimen
especial
Operación del
SistemaComercializadores
Actividad de
distribución
Consumidores
a tarifa
regulada
Flujos de Energía
Compra-venta en el mercado diario e intradiario
Coordinación
Contratos bilaterales físicos
Dis
trib
ució
n Actividad de
distribución
Con
sum
idore
s
Consumidores
cualificados
Pro
ducció
nG
estió
n Operador
del Mercado
Tra
nsm
isió
n Red de Transporte
Figura 1.3 Esquema General de relaciones entre los sujetos del mercado
1.4 Ofertas de Compra - Venta y Precio de la Energía
Tal como se indicó anteriormente los mercados diario e intradiario están basados en la
formación de una curva de oferta y otra de demanda, las cuales se construyen a partir de las
ofertas de venta y adquisición enviadas por los agentes al operador del mercado. El punto de
intersección de ambas curvas, permite obtener el equilibrio del mercado, identificando el
precio y las unidades de producción y demanda que resultan consideradas en la programación
correspondiente.
1.4.1 Ofertas de venta para el mercado diario
Los titulares de las unidades de producción en régimen ordinario deben presentar
ofertas de venta para cada una de sus unidades de producción, siempre que dichas unidades
se encuentren disponibles y su energía no esté vinculada a un contrato bilateral o a plazo. Los
agentes externos, comercializadores y titulares de las unidades de producción en régimen
especial, también pueden presentar ofertas de venta.
Las ofertas de venta pueden realizarse presentado entre 1 y 25 tramos en cada hora, en
cada uno de los cuales se oferta energía y precio mínimo aceptado para dicha hora, siendo
creciente el precio en cada tramo.
29
Las ofertas de venta pueden ser simples o incorporar opcionalmente condiciones
complejas. Las ofertas simples se presentan para cada período horario y unidad de
producción con un valor de precio, al que corresponde una determinada cantidad de energía.
Por su parte las ofertas complejas son aquellas que cumpliendo con los requisitos de
las ofertas simples, incluyen todas o algunas de las siguientes condiciones:
Indivisibilidad
Ingresos mínimos
Gradiente de carga
Parada programada
Es de esperar que los titulares de las unidades de producción, reflejen en sus ofertas
los costos variables incurridos para la generación de energía, siendo en general los costos de
operación, mantenimiento y combustibles utilizados: carbón, fuel oil, gas, etc.
El presentar ofertas mayores a los costos variables reales, expone al productor en el
riesgo de ser desplazado por otro con similares costos variables, especialmente si usa una
tecnología similar, perdiendo la posibilidad obtener algún beneficio por la diferencia entre el
precio del mercado y su costo variable que deberá utilizar para remunerar sus inversiones.
Esta situación será muy frecuente en caso de mercados con alto nivel de competitividad,
especialmente en horas donde existe un notable excedente de oferta.
Una situación distinta se presenta para las ofertas de producción con fuentes
hidráulicas (a excepción de las unidades de bombeo), quienes reflejarán en su oferta el costo
de sustitución del agua, con la finalidad de optimizar la disponibilidad de reservas del
embalse durante el ciclo hidrológico natural.
Los productores del régimen especial intentarán producir toda la energía disponible y por tal
razón ofertan a precio cero, esto les permite al mismo tiempo obtener la prima que les
corresponde.
1.4.2 Ofertas de compra para el mercado diario
Las ofertas de compra las presentan los titulares de unidades de adquisición, sean
estos comercializadores, distribuidores, consumidores, agentes externos o titulares de las
centrales de bombeo. Los distribuidores están obligados a presentar ofertas de compra al
operador del mercado por la parte de energía necesaria para el suministro de sus clientes a
tarifa no cubierta mediante sistemas de contratación bilateral con entrega física.
30
Las ofertas de compra pueden realizarse considerando un máximo de 25 tramos en
cada hora, en cada uno de los cuales se oferta un precio máximo de compra para la cantidad
indicada, siendo decreciente el precio indicado para los diferentes tramos.
Las ofertas de compra no incorporan condiciones complejas, sin embargo es posible
presentar una oferta sin precio, con lo cual se convierte en una curva de demanda rígida,
indicando que esta dispuesto a retirar la cantidad indicada, independiente del precio.
Es de esperar que los titulares de las unidades de adquisición presenten sus ofertas en
función de su elasticidad al precio de la energía, en general las unidades de bombeo son las
más sensibles a variaciones en las cantidades demandadas en función del precio, seguidos de
industrias altamente demandantes de electricidad. Los consumidores residenciales no son
sensibles al precio, al menos con la rapidez y mediante los mecanismos necesarios para
reflejarlo en las ofertas de compra, por lo cual las empresas distribuidoras suelen presentar
ofertas sin precio para su demanda correspondiente.
1.4.3 Ofertas de Compra-Venta para servicios complementarios
De forma similar al mercado diario, pero con las particularidades de cada uno de los
procesos que conforman los servicios complementarios, los agentes presentan sus ofertas
simples o complejas, de carácter obligatorio o potestativo, de igual forma el producto a
ofertar puede ser potencia o energía, en todo caso se debe indicar en la oferta el producto
ofertado, las cantidades y el precio correspondiente.
En la tabla No. 1.3 se indican las principales características para los distintos servicios
existentes.
31
Servicio Producto Tipo Carácter Oferentes
Restricciones técnicas
Energía Simple
Compleja (térmicas)
Obligatorio (excepto importaciones y régimen especial)
Unidades de venta y adquisición de energía (bombeo)
Desvíos generación consumo
Energía a subir o bajar
Simple Se indica un código de indivisibilidad
Potestativo Instalaciones de generación o consumo de bombeo
Regulación secundaria
Banda de potencia de regulación
Simple Potestativo Proveedores con unidades habilitadas en zonas de regulación
Regulación terciaria
Energía a subir o bajar
Simple Obligatorio Unidades habilitadas
Control de tensión Energía reactiva No económica, a precio regulado
Obligatorio para un mínimo requerido y potestativo para valores adicionales
Unidades de producción, transportistas, consumidores y distribuidores
Tabla 1.3 Características de las ofertas de los servicios complementarios
1.4.5 Conformación del precio final de la energía
El precio final de la energía es un valor horario que se calcula para cada agente del
mercado, en función de su participación en los distintos procesos, el mismo esta conformado
por:
Precio resultante de la casación del mercado diario
Coste o ingreso obtenido del proceso de solución de restricciones técnicas
Coste o ingreso resultante de la subasta de regulación secundaria
Precio de casación del mercado intradiario
Coste o ingreso de los procesos de operación técnica del sistema que son requeridos
para compensar los desvíos y mantener en equilibrio la oferta y demanda mediante los
distintos mecanismos de regulación del sistema.
Coste o ingreso de garantía de potencia
El OS y OM en función de los resultados obtenidos en los distintos elementos
mencionados anteriormente realizan las liquidaciones de los distintos procesos del mercado,
en el caso de los contratos bilaterales la liquidación únicamente considera los derechos de
32
cobro y obligaciones de pago correspondientes a las restricciones técnicas, participación en
los mercados intradiarios, servicios complementarios y los desvíos.
En general el componente del precio final de mayor peso es el precio del mercado
diario, seguido de la garantía de potencia, motivo por el cual se detalla este último elemento
en la siguiente sección.
A. Garantía de potencia
La garantía de potencia esta diseñada con la finalidad de garantizar la seguridad del
suministro a medio plazo, para ello se asigna pagos a los generadores en función de la
potencia aportada al sistema.
Con este pago se pretende atraer las nuevas inversiones así como facilitar un flujo de
efectivo permanente a las unidades que funcionan en horas punta, con alto nivel de
incertidumbre respecto a las horas de funcionamiento y por ende no pueden recuperar sus
costos fijos de forma uniforme a lo largo del año. En caso no existiera dicho pago, estarían
obligadas a recuperar todos sus costos en las pocas horas de funcionamiento a lo largo del
año, estableciendo precios muy altos en el mercado spot. No obstante existen limitaciones a
los precios del mercado que harían imposible recuperar la inversión de tales unidades de
producción.
Para el total de la energía demandada el pago por garantía de potencia equivale a un
precio medio de 0,4808 cEur/KWh. No obstante de conformidad a lo establecido en la Orden
Ministerial del 17 de diciembre de 1998, el coste de la garantía de potencia a aplicar a los
consumidores cualificados, comercializadores y agentes externos es distinto del
correspondiente a las empresas distribuidoras.
Para los comercializadores, consumidores en el mercado y agentes externos, el precio
a pagar es un valor es fijo y definido para cinco distintos bloques horarios, los valores van
desde 0 hasta 0,7934 cEur/KWh, con un valor medio aritmético aproximado de 0,1343
cEur/KWh7, inferior a la tercera parte del valor medio requerido para el total de la energía
adquirida (0,4808 cEur/KWh).
Por su parte los distribuidores deberán pagar por este concepto el complemento
faltante de valorar el total de la demanda a 0,4808 cEur/KWh restando el pago realizado por
7 Los bloques son establecidos en función del mes, día hábil, sábado, domingo o festivo, el precio de los distintos bloques es de 0,7934; 0,3662; 0,2441; 0,1831; 0,1831; 0,0 cEur/KWh. Los valores de mayor precio tienen una duración menor.
33
los comercializadores, consumidores cualificados y agentes externos. El pago se realiza de
forma proporcional a la energía adquirida.
1.5 Evolución de la Generación y del Mercado
En esta sección se pretende desarrollar de forma muy general la evolución del mercado
eléctrico desde la liberalización del mercado iniciada en 1998, especialmente lo que respecta
a capacidad instalada, cobertura de la demanda, contratación en los mercados y precios.
1.5.1 Evolución de la Generación (1998 -2006)
Considerando la evolución de las distintas fuentes de generación desde el inicio del
mercado en 1998 hasta el 2006, indicados en el gráfico No.1.1 “Evolución de la generación
anual para distintas fuentes”, se observa el notable crecimiento experimentado por la
tecnología de ciclos combinados a partir del año 2002. Se espera que para el 2007 se
convierta en la tecnología con mayor capacidad instalada. De la misma forma, el régimen
especial ha experimentado un alto crecimiento durante el período analizado, siendo la
generación eólica la fuente con mayor dinamismo.
Al mismo tiempo se observa que en los años de baja hidraulicidad la generación con
fuel/gas y carbón se incrementan, no obstante el crecimiento de la demanda es satisfecho
principalmente con las unidades de ciclo combinado y el régimen especial.
Con respecto a las transacciones internacionales se observa un cambio en el
comportamiento del saldo neto, pasando de ser tradicionalmente importador hasta el año
2003 y obteniendo saldos netos exportadores desde el 2004, debido principalmente al
incremento de los precios en Francia y mayor oferta de generación por las unidades de ciclo
combinado, que han permitido incrementar las exportaciones al sector liberalizado de
Portugal.
34
Evolución de Generación anual por Fuente
-10
0
10
20
30
40
50
60
70
80
90
1998 1999 2000 2001 2002 2003 2004 2005 2006
TW
hHidráulica
Nuclear
Carbón
Fuel/gas
CCGT
Eólica
Otros Reg esp
Intercam Intern
Gráfico 1.1 Evolución de la Generación anual para las Distintas Fuentes (TWh)8
(Sistema Peninsular)
1.5.2 Evolución de la Capacidad Instalada (1998 -2006)
Tal como se presenta en el gráfico No. 1.2, la capacidad instalada de las fuentes
hidráulica, carbón y nuclear se mantienen casi invariables, mientas que el fuel/gas es la única
fuente que presenta disminución considerable a partir del año 2002, esto indica que al
concluir su vida útil, dicha generación esta siendo desplazada por las unidades de ciclo
combinado, ya que las unidades en régimen especial no tienen en general capacidad para
disponer de un mayor aprovechamiento en horas punta.
Evolución Capacidad Instalada
0
2
4
6
8
10
12
14
16
18
1998 1999 2000 2001 2002 2003 2004 2005 2006
GW
Hidráulica
Nuclear
Carbón
Fuel/gas
CCGT
Eólica
Otros Reg esp
Grafico 1.2 Evolución de la Capacidad Instalada por Fuente de Generación9
8 Fuente: Red Eléctrica de España, Informes anuales de 1998 a 2005 y Avance del informe 2006
35
Potencia instalada 2006
La potencia instalada durante el 2006 presentó un incremento neto de 4.213 MW, lo
que representa un 5,7% respecto al año anterior. Dicho incremento obedece a 3.132 MW
adicionales de ciclo combinado y 1.210 MW de potencia eólica. Por otro lado, entre las bajas
se encuentra el cierre de la central nuclear José Cabrera con 160 MW.
En el gráfico No. 1.3 se muestra la capacidad instalada nacional para las distintas
tecnologías. Se observa que la hidráulica aporta el 21% de la potencia instalada, seguida de
las centrales de ciclo combinado con el 20%.
Se puede observar que la fuente de generación eólica aporta al sistema el 14% de la
potencia instalada, con una tendencia creciente, la cual se espera mantener con la finalidad de
cumplir los objetivos marcados en el Plan de Fomento de las Energías Renovables hasta el
año 2010. En la actualidad la capacidad instalada de eólica es similar a las centrales de
carbón y superior a las nucleares.
Capacidad instalada 2006
Nuclear
9%
Carbón
14%Fuel/gas
11%
CCGT
20%
Eólica
14%
Hidráulica
21%
Otros Reg esp
11%
Gráfico 1.3: Participación de la Capacidad Instalada 2006
(Total Nacional) [REE_07]
9 Fuente: Red Eléctrica de España, Informes anuales de 1998 a 2005 y Avance del informe 2006
36
1.5.3 Cobertura de la demanda 2006
Del balance eléctrico anual para el año 2006 se puede observar que el régimen
ordinario aportó la mayor parte de la energía generada, que constituye cerca del 85% de la
generación total del sistema10. Siendo las unidades de carbón, ciclo combinado y nuclear, con
valores de 25%, 24% y 23% respectivamente las que han producido la mayor parte de la
energía.
La producción de los ciclos combinados se incrementó notablemente durante el año
2006, debido a la escasa producción hidráulica a inicios del año y un mayor incremento de
capacidad instalada, que los llevó a incrementar su producción desde los 48.840 GWh del año
2005 a los 66.986 GWh del año 2006.
La energía hidráulica generada fue cercana a los 24.761 GWh, que supuso un 8,9% de
la generación total y un incremento cercano al 30% respecto a la generación durante el año
2005.
El régimen especial representó el 18 % de la generación total del sistema, del cual la
mitad corresponde a energía eólica, tal como se presenta en la Tabla No. 1.4: “Balance
Eléctrico anual 2006”. El día 8 de diciembre de 2006 se superó el máximo histórico de
producción eólica con una energía media diaria de 159.291 MWh y una energía horaria de
8.010 (15:00 hrs), cubriendo el 23.3% de la demanda de ese día. Tal situación pone de
manifiesto la relevancia de la generación eólica en el sistema peninsular.
Las transacciones internacionales presentaron por tercer año consecutivo un saldo neto
exportador de 3.303 GWh, un 146% superior al del 2005, debido principalmente a las
exportaciones a Portugal y Marruecos, mientras que las importaciones de energía desde
Francia disminuyeron respecto al 2005.
10 De la generación total del sistema se ha descontado los consumos de generación que corresponden al 3.5% de la generación total.
37
GWh % GWh % GWh %
Hidráulica 24.761 9,5% 0 0,0% 24.761 8,9%
Nuclear 60.184 23,0% 0 0,0% 60.184 21,7%
Carbón 66.143 25,3% 3320 21,9% 69.463 25,1%
Fuel/gas 5.841 2,2% 8412 55,5% 14.253 5,1%
Ciclo combinado 63.561 24,3% 3425 22,6% 66.986 24,2%
Régimen ordinario 220.490 84,3% 15.157 100,0% 235.647 85,1%
Consumos en generación 8.719 3,3% 859 5,7% 9.578 3,5%
Eólica 23.063 8,8% 309 2,0% 23.372 8,4%
Resto régimen especial 26.840 10,3% 543 3,6% 27.383 9,9%
Régimen especial 49.903 19,1% 852 5,6% 50.755 18,3%
Generación neta 261.674 100,0% 15.150 100,0% 276.824 100,0%
- Consumos de bombeo 5.494 0 5.494
+ Intercambios internacionales -3.303 0 -3.303
Demanda 252.877 15.150 268.027
Sistema PeninsularSistemas
extrapeninsularesTotal Nacional
Balance eléctrico anual 2006
Tabla 1.4 Balance eléctrico anual 2006 [REE_07]
El gráfico No. 1.4 muestra la participación en la generación nacional de energía para
las distintas fuentes existentes para el año 2006. Se observa que las unidades de fuel/gas
representaron el 5% de la generación, siendo utilizadas principalmente en horas de punta.
Balance por fuente de generación 2006
CCGT
23%
Fuel/gas
5%
Carbón
24%
Nuclear
21%
Hidráulica
9%Eólica
8%
Otros Regimen
especial 10%
Gráfico 1.4: Participación de las distintas fuentes de Generación 2006
(Total Nacional) [REE_07]
Comparando los resultados de los gráficos No. 1.3 y 1.4, se observa el alto factor de
carga de las plantas nucleares, puesto que con el 9% de la capacidad instalada generan el
21% de la energía, obteniendo un factor de carga cercano al 90%.
En el otro extremo las plantas hidráulicas y eólicas con capacidad instalada de 21% y
14% respectivamente, generan el 9% y 8% del total; siendo las tecnologías con factores de
38
carga más bajos del 17% (hidráulica) y 23% (eólica), pues dependen de la capacidad del
recurso existente.
Las unidades de fuel/gas presentan también un bajo factor de carga de 17%
aproximadamente, por ser unidades destinadas a generar principalmente en horas de punta.
1.5.4 Evolución de la Demanda
Durante el 2006 la demanda anual de energía eléctrica alcanzó los 252.878 GWh, valor
que representa un 2,5% adicional respecto al 2005, corregidos los efectos de la laboralidad y
la temperatura este incremento se situó en el 3,6%.
Observando la evolución de la demanda desde 1998 se observa un crecimiento
permanente en el consumo de energía, no obstante las tasas de crecimiento de los últimos tres
años representan 2/3 de las registradas a finales de la década anterior.
Al corregir los valores de demanda por los efectos de temperatura y laboralidad, el
componente principal del crecimiento se obtiene en función de la actividad económica. No
obstante según informes de Red Eléctrica de España la correlación entre ambos valores se ha
debilitado a partir de 1992.
En el Gráfico No. 1.5 se muestra la demanda anual en GWh y el porcentaje de
crecimiento anual corregido por los factores antes mencionados.
Evolución de la demanda de Energía
0
50
100
150
200
250
300
1998 1999 2000 2001 2002 2003 2004 2005 2006
TW
h
0,0%
1,0%
2,0%
3,0%
4,0%
5,0%
6,0%
7,0%
GWh Anual corregido
Gráfico 1.5: Evolución de la demanda de Energía.11
11 Fuente: Red Eléctrica de España, Informes anuales de 1998 a 2005 y Avance del informe 2006
39
En el Gráfico No. 1.6 se presentan los valores de la demanda máxima de potencia
registrados en cada año, indicando el máximo correspondiente a invierno y verano. En dicho
gráfico se observa que la demanda máxima anual se sigue presentando en invierno y crece a
razón del 4.0% anual12. Por otro lado los valores máximos registrados en verano han crecido
a un ritmo medio del 5.2% anual y todavía son inferiores a los máximos de invierno.
El valor máximo durante el 2006 fue alcanzado el 30 de enero con un valor de 42.153
MW, mientras que la máxima energía diaria se obtuvo el 20 de diciembre con 854 GWh,
alcanzando este último valor el máximo histórico registrado a la fecha.
Demandas Máximas de Potencia MW (invierno-verano)
0
5.000
10.000
15.000
20.000
25.000
30.000
35.000
40.000
45.000
50.000
2001 2002 2003 2004 2005 2006
MW Verano
Invierno
Grafico 1.6 Demandas máximas de Potencia
El Gráfico No. 1.7 muestra la demanda en el mercado diario a lo largo del año 2005,
que es una buena aproximación a la demanda del sistema, puesto que la mayor parte de la
energía demandada fue transada en el mercado diario.
Al analizar el comportamiento de la demanda a lo largo del año, se observa un notable
comportamiento estacional, con puntas en invierno y verano. Las puntas usualmente
corresponden a períodos con temperaturas bajas o muy altas, para lo cual se requiere de un
mayor uso de energía eléctrica para calefacción y aire acondicionado respectivamente.
Las puntas de verano han coincidido con un período de escasa producción hidráulica,
(debido las escasas precipitaciones y bajo nivel de los embalses) lo que ha provocado
mayores precios en el mercado.
12 Los valores medios de crecimiento de la demanda máxima para invierno y verano han sido obtenidos durante el período 2001 – 2006.
40
Demanda diaria 2005
0
5
10
15
20
25
30
35
01/0
1/0
5
01/0
2/0
5
01/0
3/0
5
01/0
4/0
5
01/0
5/0
5
01/0
6/0
5
01/0
7/0
5
01/0
8/0
5
01/0
9/0
5
01/1
0/0
5
01/1
1/0
5
01/1
2/0
5
GW
h
Grafico 1.7. Demanda Diaria de Energía 2005
1.5.5 Evolución de los Distintos Mercados de Energía
La contratación de energía en el mercado diario mantuvo una tendencia creciente a un
ritmo medio del 5.4% entre 1998 y el año 2005. Para el año 2006 la cantidad contratada fue
de 117.811 GWh lo que supuso una disminución del 47,24% en relación al año 2005, la
disminución se debe a la actuación de los agentes ante la entrada en vigencia del RDL
3/2006.
La evolución de la energía en el mercado diario se presenta en el Gráfico No. 1.8:
Evolución de Energía Contratada en el Mercado Diario.
Evolución de energía en el mercado diario
0
50
100
150
200
250
1998 1999 2000 2001 2002 2003 2004 2005 2006
TW
h
Gráfico 1.8 Evolución de energía contratada en el mercado diario13
13 Fuente: OMEL, Informes mensuales a diciembre de 1998 a 2006
41
La contratación de energía en el mercado intradiario durante el 2006 fue de 21.141
GWh, lo que representa un incremento del 3,19% en relación al año 2005.
Por otro lado la energía utilizada en los procesos de operación técnica del sistema fue
de 37.750 GWh, lo que supuso un incremento del 349,3% en energía y 366,6% en volumen
económico respecto al 2005.
Dicha disminución obedeció a las ofertas de Iberdrola Distribución, quien realizó
ofertas de compra por un valor máximo de 42,35 €/MWh, no resultando casada en el
mercado diario. La diferencia entre la demanda real y la obtenida de la casación genera un
déficit que debe ser cubierto posteriormente por el OS. De conformidad a los procedimientos
existentes el OS utilizó, en primer lugar, el mecanismo de restricciones técnicas para poner
en funcionamiento a su mínimo técnico a una gran cantidad de centrales para preparar al
sistema ante el menor nivel de demanda casada, y en segundo lugar, convocó el
procedimiento de resolución de desvíos generación-consumo para cubrir la demanda de
Iberdrola Distribución.
En el Gráfico No. 1.9 se presenta la evolución de la energía en los procesos de
restricciones técnicas, operación técnica, resolución de desvíos y mercados intradiarios. En
los distintos procesos se observa un crecimiento uniforme y sostenido desde 1998 hasta el
año 2005. Para el año 2006 se incrementa desproporcionadamente la energía en los procesos
de operación técnica y gestión de desvíos, por las razones indicadas anteriormente.
Evolución de energía en los distintos procesos
0
5
10
15
20
25
30
35
40
1998 1999 2000 2001 2002 2003 2004 2005 2006
TW
h
Restricciones Op. Técnica G. Desvíos Intradiarios
Gráfico 1.9 Evolución de energía en los procesos de restricciones técnicas, operación
técnica, gestión de desvíos y mercados intradiarios14
14 Fuente: OMEL, Informes mensuales a diciembre de 1998 a 2006
42
1.5.6 Evolución del Precio de la Energía
El precio medio ponderado final es distinto para agente y el mostrado en la presente
sección corresponde al calculado por OMEL en función del saldo neto de pagos y cobros de
los compradores, divido por el total de energía adquirida para el período correspondiente.
El precio medio ponderado del mercado diario en intradiario para el año 2006 fue de
5,569 y 4,561 cEur/kWh respectivamente.
En el gráfico No. 1.10 se muestra la evolución del precio medio ponderado del
mercado diario y el precio medio final para el período de 1998 a 2006. En el mismo es
posible observar como el mayor componente del precio medio final de la energía corresponde
al mercado diario. No obstante las restricciones técnicas y operación técnica se incrementan a
partir de los meses de marzo-abril de 2006, haciendo mayor la brecha entre el precio medio
del mercado diario y el precio final.
Se observa también una relativa estabilidad en los precios durante el período de 1998
a 2001, presentándose a inicios del año 2002 un notable incremento, el cual disminuye
progresivamente a lo largo del mismo año. A finales del 2004 se observa un nuevo
incremento que se mantiene a lo largo del año 2005 y los primeros dos meses del 2006, tales
incrementos coinciden con el alza en el precio de los combustibles en los mercados
internacionales.
Para el mes de marzo de 2006 se observa una drástica disminución cercana al 30% en
relación al mes anterior, ocasionada por la entrada en vigencia del RDL 3/2006.
En lo que respecta al precio medio ponderado final este presentó un valor de 6,5
cEur/kWh para el 2006, del cual el 82,7% corresponden al mercado diario, 7,08% a la
garantía de potencia, 5,9% a la operación técnica, 2,9% a las restricciones técnicas y el
porcentaje restante corresponde a la banda de regulación secundaria y mercado intradiario.
En el gráfico No. 1.11 se indica el valor medio de los distintos componentes del
precio final de la energía adquirida para el año 2006, diferenciando el valor para dos grupos,
el primero conformado por los distribuidores y exportaciones de REE, en el segundo se
incluyen los comercializadores, consumidores y agentes externos.
El concepto con mayor diferencia entre los grupos indicados se observa en el pago por
garantía de potencia, con un valor medio unitario de 0,589 cEur/KWh en el primer grupo, en
relación a 0,16 cEur/KWh del segundo. Tal diferencia se debe a la metodología existente para
remunerar dicho concepto, descrito en la sección 1.4.5.
43
Evolución del precio medio de la energía (1998 -2006)
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
ene-
98
jul-9
8
ene-
99
jul-9
9
ene-
00
jul-0
0
ene-
01
jul-0
1
ene-
02
jul-0
2
ene-
03
jul-0
3
ene-
04
jul-0
4
ene-
05
jul-0
5
ene-
06
jul-0
6
cE
uro
/KW
h
Mercado diario Precio final
Gráfico 1.10 Evolución del precio medio ponderado del mercado diario y precio medio final,
período 1998 - 200615
Precio final medio energía (ene - dic 2006)
5,4715,601
0,128
0,248 0,1
0,150,1030,31
0,4
0,589
0,16
4,00
5,00
6,00
7,00
Distribuidores Comercializ, Consumid y Ag
externos
cE
uro
/kW
h Garantía de potencia
Operación Técnica
Mercado intradiario
Banda de Regulación
Restricciones técnicas
Mercado diario
Gráfico 1.11 Precio final medio de energía para el año 200616
15 Fuente: OMEL, Informes mensuales a diciembre de 1998 a 2006 16 Fuente: OMEL, Informes mensuales a diciembre de 1998 a 2006
44
2.0 MODELO DE REGRESION LINEAL MULTIVARIABLE
Un modelo regresivo trata de explicar el comportamiento de una variable aleatoria
(Y) en función de un conjunto de k variables matemáticas (X) que toman valores conocidos.
A la variable aleatoria (Y ) se le denomina variable explicada, endógena, respuesta o
dependiente; mientras que las variables (X) son las explicativas, exógenas, regresores o
independientes.
Un modelo de regresión se ocupa de la dependencia estadística entre variables y no la
dependencia funcional o determinista de la propia física clásica u otro tipo de modelos
fundamentales. En las relaciones estadísticas entre variables, se manejan esencialmente
variables aleatorias o estocásticas, es decir, variables que tienen distribuciones de
probabilidad. En la dependencia funcional o determinista en cambio, se ocupa de variables
que no son aleatorias ni estocásticas.
Este tipo de modelos son utilizados frecuentemente para predecir los valores futuros
de la variable dependiente con base en los valores conocidos o esperados en el futuro para las
variables explicativas.
En la mayoría de casos los modelos regresivos son uniecuacionales, en los cuales sólo
existe una variable endógena, pudiendo existir varias explicativas (X 1, …, X k) . No
obstante algunas variables pueden ser no observables o, incluso, desconocidas (U ).
La variable (U ) representa la perturbación, término de error, que es una variable
aleatoria (estocástica) con propiedades probabilísticas bien definidas. La perturbación
también suele representar todas aquellas fuerzas que afectan a la variable dependiente, pero
que no se suelen considerar de forma explícita.
En general este tipo de modelos parte de la existencia de factores reales explicativos
de la variable endógena, en todo caso siempre es posible incrementar el grado de explicación
por el aumento de variables exógenas del modelo [PEÑA95]. El modelo de regresión
pretende medir el efecto de las variables más importantes, y representa las restantes mediante
una variable aleatoria denominada perturbación del modelo.
ikkii XXY ...110( 3.1 )
Es decir:
45
),...,(),...( 11 nkk XXgXXfY ( 3.2 )
Donde:
uXXg nk 01 ),...,( ( 3.3 )
Uno de los supuestos de este modelo es que la función f admite una aproximación
lineal, con lo que el modelo de regresión múltiple puede expresarse:
uXXY ikkii ...110( 3.4 )
La interpretación del coeficiente 1 mide el cambio experimentado por Y asociado
con una variación de X1, suponiendo que las demás variables explicativas permanecen
constantes. Una similar interpretación se realiza para el resto de coeficientes i … k.
Es muy importante el supuesto de que el modelo expresado mediante la expresión
(3.4) está correctamente especificado, es decir, se han incluido todas las variables
explicativas relevantes.
En la práctica no se suele disponer de los conocimientos suficientes como para
especificar exactamente la forma funcional relevante, así como las variables que deben
figurar en el modelo. En muchos casos no es posible cuantificar de forma práctica los valores
que toma una variable que afecta al fenómeno analizado.
Utilización de variables ficticias
Las variables utilizadas en las ecuaciones de regresión suelen tomar valores dentro de
un intervalo continuo. Sin embargo, no es imprescindible que ocurra así y, en ocasiones,
puede interesarnos utilizar una o más variables independientes cuyo número de valores
posibles esté limitado a dos o más valores diferentes, usualmente 1 y 0.
Las variables ficticias, también conocidas como “dummies”, son de particular utilidad
cuando se trabaja con datos cualitativos [PIND80].
2.1 Hipótesis Básicas del Modelo
Dado que el término (U ) es el efecto de todas las variables que afectan a la
dependiente y no están incluidas en el modelo. Se supone también que la perturbación
verifica las siguientes hipótesis [PEÑA95]:
a) Su esperanza es igual a cero
b) Su varianza es constante (homocedasticidad)
46
c) Las perturbaciones son independientes entre sí (las perturbaciones no están
correlacionadas)
d) Su distribución es normal
e) Se supone también que las variables explicativas son distintas entre sí y no es una
combinación lineal exacta de las demás:
f) Las variables X i son linealmente independientes, además que no existe correlación con
las perturbaciones
Finalmente se supone que el sistema esta sobredeterminado, por lo cual existen más
datos que parámetros (K + 1 ) a estimar:
g) El número de datos necesarios es, como mínimo, K +1
2.2 Cálculo de los estimadores
Uno de los métodos más comúnmente usados para estimar los coeficientes BBi, a partir
de un número determinado de muestras, es mediante el método de mínimos cuadrados. Dicho
método consiste en minimizar las diferencias absolutas entre las observaciones y los valores
obtenidos mediante la función conformada por los coeficientes B i :
2110
1
)...(min ikki
n
i
i XXY ( 3.5 )
La obtención de las expresiones de los estimadores mínimo cuadráticos de dichos
coeficientes exigen reescribir la expresión anterior utilizando notación matricial. Así la
función se establece de la siguiente forma:
EXY * ( 3.6 )
47
Donde los elementos corresponden a las siguientes matrices:
ny
y
y
Y...
2
1
nE
E
E
E...
2
1
nPnn
Pnnn
P
P
XXX
XXX
XXX
XXX
X
...1
...1
...............
...1
...1
21
)1(2)1(1)1(
22221
11211
De donde los estimadores mínimo cuadráticos se obtienen a partir de la ecuación:
YXXX TT 1)*(ˆ ( 3.7 )
Como se puede observar, la obtención de estimadores, los intervalos de confianza y
contrastes de hipótesis para los coeficientes de regresión involucran expresiones matriciales y
distribuciones multivariantes que complican notablemente las operaciones, por lo que en la
práctica dichos cálculos se obtienen de un modo inmediato mediante el manejo de diferentes
paquetes estadísticos.
2.3 El coeficiente de determinación R2
El coeficiente de determinación R2 se utiliza como una medida descriptiva del ajuste
global del modelo, dicho coeficiente esta definido por el cociente entre la variabilidad
explicada por la regresión y la variabilidad total.
Partiendo de la ecuación (3.6) es posible obtener la siguiente expresión [GUJA81]:
SCRSCESCT ( 3.8 )
Donde:
SCT: es la suma de cuadrados totales y representa una medida de la variación de la
variable dependiente
SCE: es la suma de cuadrados explicados por el modelo de regresión
SCR: es la suma de cuadrados de las perturbaciones y por tanto no son explicadas por
el modelo
48
Partiendo de la definición del coeficiente R2 se obtiene [GUJA81]:
SCT
SCR
SCT
SCER 12 ( 3.9 )
El coeficiente de determinación tiene las siguientes propiedades:
h) RR 1. En caso que R = 1 existe una relación funcional exacta entre la variable
dependiente y las variables explicativas.
i) Puede ser positivo o negativo, el signo dependerá del numerador de la primera
expresión de (3.9), que mide la covariación de las dos variables
j) 100 (1- R2) representa el % de variabilidad no explicado por la relación establecida con
el modelo.
k) Es de naturaleza simétrica, es decir el coeficiente de correlación entre X y Y (Rxy) es
igual al coeficiente de correlación entre Y y X (Ryx).
l) Es independiente del origen y la escala, lo que indica que multiplicar el valor de X o Y
por cualquier constante , o adicionar una constante a las mismas, no afectará el valor
del coeficiente R2 entre las variables X y Y.
m) Si X y Y son estadísticamente independientes el coeficiente de correlación entre ellas es
cero. No obstante si el valor del coeficiente es igual a cero no implica necesariamente
independencia.
n) Es una medida de asociación lineal únicamente y no tiene sentido utilizarlo para
describir relaciones no lineales.
o) A pesar que el coeficiente mide la asociación lineal entre dos o más variables, no
necesariamente implica una relación causa efecto.
El coeficiente de determinación es muy utilizado para comparar la eficacia de
distintas regresiones, sin embargo su uso presenta algunas dificultades. Una de sus
principales deficiencias es que R2 aumenta siempre que se introduce una nueva variable al
modelo, aunque su efecto en muchos casos no es significativo.
Por otro lado R2 es muy sensible a la formulación del modelo y a la elección de la
variable dependiente, de tal forma que es posible estimar dos modelos formalmente idénticos
y con la misma capacidad predictiva pero que conducen a distintos valores de R2.
La eficacia de R2 cómo medida descriptiva del grado de relación depende del cociente
entre el número de variables (k) y el tamaño muestral (n). Puede demostrarse que cuando no
49
hay relación entre la variable dependiente y las independientes el valor esperado de R2 es
k/(n-1).
Por tanto, no es recomendable incluir en una regresión un número de variables
independientes k tal que el cociente k/n sea alto, pues es de esperar un alto valor del
coeficiente de correlación que podría ser debido al azar, sin que exista realmente una alta
asociación entre las variables.
El Coeficiente de Determinación corregido
Para evitar que R2 aumente siempre al introducir nuevas variables, se define el
coeficiente de determinación corregido por los grados de libertad R c2 tal como se define el la
siguiente expresión [GUJA81]:
Sería incorrecto concluir que el R2 corregido resuelve todas las dificultades
planteadas por la utilización de R2 como medida de bondad del ajuste. La decisión sobe si se
incluyen o no determinadas variables en el modelo dependerá, sobe todo, de consideraciones
teóricas a priori. En cualquier caso, el valor numérico de R2 corregido será sensible a la clase
de datos utilizados.
)1(1
1)1/(
)/(1 22
Rkn
n
nSCT
knSCRRc ( 3.10 )
2.4 Validación del Modelo de Regresión Múltiple
Luego de encontrar los estimadores del modelo de regresión y definir mediante el
coeficiente de correlación la capacidad de predicción del modelo, es necesario determinar la
confiabilidad del mismo. Para ello es preciso verificar el cumplimiento de las hipótesis
realizadas y definir si las variables independientes seleccionadas son significativas sobre el
comportamiento de la variable dependiente.
2.4.1 Análisis de los signos de los coeficientes i
Uno de los primeros análisis a realizar es referente al signo de cada uno de los
coeficientes obtenidos. En caso que alguno de los signos fuese incorrecto, según los
conocimientos previos, la alternativa más convente sería modificar algún aspecto de la
especificación inicial. No obstante deben tenerse en cuenta los siguientes aspectos:
50
a) Muchas variables admiten signos diferentes, incluso desde un punto de vista
conceptual.
b) La teoría razona los signos suponiendo una serie de condiciones previas que no
siempre se dan en la realidad.
c) La variable analizada puede haber cambiado estructuralmente sus relaciones
básicas a lo largo del tiempo, haciendo difícil observar signos aparentemente
claros.
d) En los modelos se utiliza una visión estática frente a la dinamicidad de la realidad
que altera los signos observados.
En general los signos de los parámetros que ligan cada variable exógena con la
endógena deben juzgarse como correctos o incorrectos según la teoría física o económica
subyacente y en general sobre el conocimiento conceptual del fenómeno estudiado.
El juicio debe ser reflexivo a fin de no desechar un signo incorrecto sólo en
apariencia. Por el contrario debe ser un ejercicio sosegado de análisis de los signos de fuerza
que permita descubrir aspectos conceptuales que no fueron considerados al inicio del trabajo
de especificación.
2.4.2 Análisis de significancia estadística individual
Con la finalidad de determinar si las variables explicativas seleccionadas son
significativas sobre el comportamiento de la variable explicada, es posible realizar una
prueba de hipótesis sobre el valor de cada uno de los coeficientes i.
En caso que la variable Xi no explique el comportamiento de Y, el valor del
coeficiente i debe ser igual a cero. Por tanto la prueba de hipótesis a partir de los datos
muestrales a realizar es:
Hipótesis nula H0: i = 0
Hipótesis alternativa Hi: i 0
Dado el supuesto de normalidad, el coeficiente i esta normalmente distribuido con
media mi y con varianza i. Por tanto la prueba de hipótesis i = 0 es una afirmación acerca
de uno de los parámetros de la distribución normal ( media ), que sigue una distribución “t
student” con n-k-1 grados de libertad.
51
La expresión del estadístico t utilizado para el contraste de hipótesis es el resultado
del cociente entre el valor del coeficiente y su desviación estándar [GUJA81]:
)( i
i
SEt ( 3.11 )
Por tanto es posible establecer si i = 0 un nivel de probabilidad 1- . En el lenguaje
de las pruebas de hipótesis, el intervalo de confianza 100 (1- ) %, se conoce como la región
de aceptación de la hipótesis nula.
2.4.5 Análisis de significación conjunta
Al igual que es posible contrastar estadísticamente la significancia individual de cada
variable, también es posible hacerlo del modelo en su conjunto. Se trata de decidir en base a
pruebas estadísticas si el conjunto de variables utilizadas, como un grupo, sirve o no a los
objetivos del modelo.
En este caso las pruebas de hipótesis son:
Hipótesis nula H0: 1 = 2 = 3 = ... = k = 0
Hipótesis alternativa H1: No todos los coeficientes son simultáneamente iguales a cero.
Puede demostrarse que bajo el supuesto que los ui están distribuidos normalmente y
considerando la hipótesis nula H0, la variable F definida según (3.11) sigue una distribución
F con n-1 gados de libertad [DOME85]:
)]1(/[
/
knSRC
kSCEF
( 3.12 )
Por tanto es posible establecer si : 1 = 2 = 3 = ... = k = 0 con un nivel
de probabilidad (1- ). En el lenguaje de las pruebas de hipótesis, el intervalo de confianza
100 (1- ) %, se conoce como la región de aceptación de la hipótesis nula.
2.4.6 Análisis para verificar la presencia de correlación serial
Las condiciones de aplicación del modelo de regresión requiere que los errores sean
independientes, es decir que la covarianza entre ellos sea igual a cero:
52
0)( jiuuCOV Para i j ( 3.13 )
Si los residuos están relacionados entre sí, las estimaciones de las variancias y las
pruebas de hipótesis pueden verse afectadas. La dependencia entre los residuales indica que
hay una información en los datos que no ha sido utilizada por el modelo.
Una estimación del coeficiente de autocorrelación entre los residuos en períodos de
tiempo adyacentes esta dada por [DOME85]:
n
i
n
ii
e
uu
r
1
2
21
( 3.14 )
Para estudiar la significación de este coeficiente de autocorrelación se puede aplicar la
prueba Durbin-Watson. Esta prueba obtiene un índice DW, que guarda aproximadamente la
siguiente relación con el coeficiente de autocorrelación r [DOME85]:
)1(2)(
1
2
2
21
r
u
uu
dn
i
i
n
i
ii
( 3.15 )
En consecuencia, este índice esta comprendido entre 0 y 4; vale DW=2 para el caso
de ausencia de autocorrelación, DW=0 para el caso de autocorrelación positiva perfecta y
DW=4 en caso se presente autocorrelación perfecta negativa.
Se presenta correlación serial negativa cuando los errores negativos en un período de
tiempo están asociados con errores positivos en el período siguiente y viceversa. Por otra
parte, cuando se presenta una correlación serial positiva, un error positivo en un período
tenderá a estar asociado con un error también positivo en el período siguiente.
Se distinguen dos tipos de autocorrelación:
a) Autocorrelación aparente: es la autocorrelación que se produce por la omisión de
una variable independiente importante. Esta autocorrelación desaparece cuando se
añada dicha variable en el modelo lineal de regresión.
53
b) Autocorrelación pura: es debida a una relación existente entre los residuales. Se
elimina en muchos casos mediante transformaciones en las variables.
2.4.7 Multicolinealidad
Cuando en el modelo de regresión se incorpora una nueva variable independiente muy
correlacionada con otra variable independiente del modelo o con una combinación lineal de
ellas, se produce el fenómeno conocido como multicolinealidad. Este problema surge al
intentar extraer de la muestra más información de la que contiene.
En general tiene poco sentido introducir en la ecuación de regresión una variable
independiente muy correlacionada. No obstante si se introduce esta nueva variable, el método
de los mínimos cuadrados produce estimaciones de los coficientes de regresión no fiables,
coeficientes cuya interpretación puede carecer de sentido por haber introducido en el modelo
variables predictivas fuertemente intercorrelacionadas.
No obstante si la predicción es el único propósito del análisis de regresión, el
problema de la multicolinealidad no es serio porque mientras mayor sea el R2, mejor será la
predicción, especialmente en el corto plazo. Sin embargo esto es válido en la medida que la
colinealidad existente entre las variables explicativas en una muestra dada, se mantenga en el
futuro y por tanto las predicciones en el largo plazo tendrán muy poca confiabilidad.
Para detectar la presencia de multicolinealidad existen los siguientes indicadores.
a) Los coeficientes de regresión tienen errores estándar grandes
b) Los coeficientes de regresión varían mucho al excluir una observación, suprimir o
añadir una variable.
c) Los coeficientes de regresión presentan signos diferentes de los esperados
2.4.8 Análisis gráfico de los residuos
Los residuos o errores de un modelo representan las diferencias entre el valor real de
la variable endógena y el valor estimado por el modelo para ese mismo período. El análisis
de residuos ofrece información sobre la calidad del ajuste del fenómeno real logrado por el
modelo.
Es una práctica habitual examinar el gráfico de ajuste de cada ecuación estimada, con
lo cual se contrasta el valor de Y real y el obtenido como resultado de la regresión. En
algunos casos las medidas calculadas para el total de la muestra no permiten apreciar algunos
matices tales como la presencia de puntos atípicos o si el error se amplía a medida que se
acerca el final de la muestra, advirtiendo así lo complicado de su uso para la predicción.
54
El análisis gráfico permite observar si la serie ha conseguido reproducir los cambios
de tendencia de la serie real. Probablemente, la capacidad de una estimación de seguir la
tendencia de la serie se evalúa por la capacidad para reproducir los cambios de tendencia
reales de dicha serie. Si la estimación no consigue reproducir estos cambios su utilidad será
limitada.
2.4.9 Evaluación de la normalidad de los residuos
Uno de los supuestos realizados en el modelo de regresión lineal es que las
perturbaciones ui corresponden a una variable aleatoria con media cero, distribución normal y
varianza constante. Incluso cuando no se verifica el supuesto de normalidad es posible probar
que las estimaciones minimocuadráticas de los verdaderos parámetros son insesgadas y
consistentes [PIND80].
De hecho, las estimaciones minimocuadráticas siguen siendo las mejores
estimaciones lineales insesgadas. No obstante, si no se verifica el supuesto de normalidad no
es recomendable utilizar las distribuciones t y F para efectuar pruebas estadísticas. No
obstante existen evidencias que los resultados de las pruebas estadísticas tipo son correctas
para tamaños de muestra razonablemente grandes.
Para verificar la normalidad de los residuos puede ser de gran utilidad el uso de un
histograma de frecuencias de los errores, donde se observará el comportamiento de los
mismos y su ajuste a una curva normal.
Para verificar el comportamiento normal de residuos se evalúan dos de los principales
parámetros que definen la normalidad de la serie como son la simetría y la curtosis.
Simetría de la Serie
La simetría de la serie puede ser obtenida mediante el coeficiente denominado
“Skewness” , que es una medida de la simetría respecto a su media. El cálculo de dicho
parámetro es de orden tres respecto a la media así como el cubo de la desviación típica de la
serie.
El coeficiente toma el valor de cero en caso de una distribución perfectamente
simétrica, con igual densidad de frecuencias a la izquierda y derecha de la media. Valores
positivos indican asimetría a la derecha respecto a la normal y valores negativos asimetría a
la izquierda.
55
El coeficiente Skewness de la serie se calcula mediante la siguiente expresión:
31
3)(n
i
i
n
xx
S
( 3.16 )
Curtosis de la Serie
La curtosis de una serie se mide mediante el coeficiente “Kurtosis” e indica si su
distribución de frecuencias es más aplanada o más apuntada que una distribución normal, es
decir, si alrededor de la media se concentran más o menos valores que en el caso de una
normal y por tanto sus “colas” son más o menos estrechas.
La curtosis de una serie puede calcularse utilizando el momento de orden cuatro con
respecto a la media y la potencia cuarta de la desviación típica de la serie. Para una
distribución normal el valor de este coeficiente es de 3 (distribución mesocúrtica). Valores
superiores a 3 indican un apuntamiento mayor que el de una distribución normal (distribución
leptocúrtica) y valores inferiores a 3, un apuntamiento menor (distribución platocúrtica).
El coeficiente Kurtosis de la serie se calcula mediante la siguiente expresión:
( 3.17 ) 4
1
4)(n
i
i
n
xx
K
Prueba de Hipótesis para Verificar la Normalidad de la Serie
A partir de las medidas de simetría y curtosis, puede elaborarse un contraste
paramétrico de normalidad de la serie que se denomina contraste de Jarque Bera. El cálculo
se apoya en comparar simultáneamente los valores obtenidos para los coeficientes de simetría
y curtosis con los de referencia para una distribución normal.
La ventaja del cálculo es que su resultado permite contrastar la hipótesis nula de que
la serie se distribuye como una normal, ya que el parámetro JB se distribuye como una ji-
cuadrado ( X 2 ) con dos grados de libertad.
2)3(4
1
6KS
knJB ( 3.18 )
56
El término “k” se refiere al número de variables exógenas utilizadas, cuando este test
se usa para contrastar la normalidad de los residuos de una determinada regresión y toma el
valor de “0” cuando se contrasta la normalidad de una serie individual.
2.4.10 Homocedasticidad
Otro de los supuestos realizados en el modelo es que los errores además de presentar
una distribución normal, tienen una varianza 2 constante para todas las observaciones. Por el
contrario un modelo con perturbaciones heteroscedásticas, se supone que cada termino del
error ui , se distribuye normalmente con varianza i2.
Cuando existe heteroscedasticidad, la estimación minimocuadrática ordinaria otorga
más peso a las observaciones a las que corresponden varianzas del error mayores que a
aquellas cuyos errores les corresponden variancias menores. Esta ponderación implícita se
debe a que la suma de los cuadrados de los residuos asociada con los términos de error con la
varianza grande será probablemente mayor que la suma de los cuadrados de los residuos
asociada con los errores de varianza menor. La recta de regresión se ajustará de tal forma que
minimice la suma total de los cuadrados de los residuos, y la mejor manera de conseguirlo es
garantizando un ajuste muy bueno para la porción de los datos correspondientes a las
variancias grandes.
A causa de esta ponderación implícita, las estimaciones minimocuadráticas son
insesgadas y consistentes, pero no eficientes. Es decir las varianzas de las estimaciones de los
parámetros no son las varianzas mínimas. Además las valoraciones de las varianzas
correspondientes a los parámetros evaluados serán estimadores sesgados de la verdadera
varianza.
Usualmente resulta de utilidad examinar una gráfica de los residuos obtenidos en una
regresión múltiple a fin de detectar la presencia de Heterocedasticidad. Para ello es preciso
representar gráficamente los residuos en función de los valores de la variable dependiente o
de alguna de las variables independientes. La inspección de los datos puede sugerir si la
varianza residual permanece constate para todas las observaciones.
No obstante, obtener conclusiones sobre la verdadera variancia del error mediante el
examen gráfico es arriesgado, porque la varianza residual es una función de la distribución de
las variables independientes del modelo, así como la variancia del verdadero término del
error. Por tanto, la aparición de una varianza cambiante para las estimaciones de los residuos
puede deberse o bien a la varianza asociada con el verdadero término del error o bien a la
varianza asociada con la(s) variable(s) dependiente(s) X. Este último caso es frecuente en
57
series de tiempo, no siendo un problema mantener los supuestos del modelo, ya que las
perturbaciones si mantienen una varianza constante a lo largo de la serie.
Existen pruebas estadísticas para obtener mayor certeza de la presencia de
heterocedasticidad, entre ellas se encuentran las pruebas de Barlett y la de Goldfeld-Quandt
[PIND80].
2.5 Selección del modelo de regresión
En general la elaboración de modelos se basa en la utilización de un conjunto de
instrumentos, para construir y contrastar representaciones matemáticas del mundo real. Por
tanto selección del mejor modelo dependerá de la validación de las hipótesis consideradas en
la construcción del modelo, los resultados de las pruebas de bondad de ajuste y la finalidad
para la cual pretende utilizarse el modelo.
Existen otros criterios basados en la teoría de la información, como son el criterio de
Akaike y el de Schwarz.
Criterio de información Akaike (AIC)
Este criterio es utilizado para seleccionar los mejores modelos entre diversas
alternativas disponibles. Una vez calculado el valor de AIC para cada modelo se elige aquel
cuyo AIC es mínimo.
El criterio de Akaike permite interpretar la distancia entre dos distribuciones (la
observada a partir de la muestra y la teórica) como la función de pérdida o criterio de
especificación, que es preciso minimizar. Para ello se utiliza como distribución teórica la
función logarítmica de verosimilitud del modelo.
El cálculo del AIC se realiza mediante la siguiente expresión [QUAN01]:
n
RSSnkLkAIC ln2)ln(22 ( 3.19 )
Donde L es la función de verosimilitud, k es el número de parámetros considerados, n
el total de observaciones y RSS es la suma del cuadrado de los residuos.
58
Criterio de Schwarz (SC)
El criterio de Schwarz es una alternativa ante el (AIC) que impone mayores
penalizaciones por la inclusión de coeficientes adicionales. Dada una cantidad de modelos a
seleccionar, se selecciona aquel con menor valor de SC.
Este criterio se calcula mediante la siguiente expresión [QUAN01]:
n
nk
n
RSS
n
nkLSC
)ln(ln
)ln(*)ln(*2 ( 3.20 )
El valor de SC es una función decreciente del RSS o bondad de ajuste del modelo,
pero creciente en relación a número de parámetros k.
2.6 Análisis de cuantía de los parámetros estimados
Finalizado el proceso de selección y validación, con lo cual se tiene seguridad de que
la especificación de modelo es correcta, o la mejor posible a partir de las muestras obtenidas,
se procede a evaluar la importancia relativa de cada una de las variables explicativas.
Este tipo de análisis suele recibir el nombre de “análisis de cuantía”. El problema que
se pretende resolver es común a cualquier regresión y se deriva de utilizar variables medidas
en escalas o unidades diferentes, y por tanto los coeficientes responden de forma implícita a
dicha escala.
Por tanto es necesario transformar los coeficientes inicialmente obtenidos para
obtener unos nuevos valores denominados “coeficientes estandarizados” que permitan su
comparación. j
Para calcular los coeficientes estandarizados se debe obtener el cálculo de las
desviaciones standard de las variables exógenas DS(Xi) y de la variable endógena DS(Y)
puesto que se utiliza para cada parámetro la siguiente expresión:
)(
)(*
YDS
XDS ijj
( 3.16 )
De esta forma un coeficiente que tome el valor de 0,7 puede interpretarse que
significa que un cambio de la variable independiente en una desviación tipo, será causa de un
j
59
cambio de 0,7 en la variable dependiente. El cambio de escala asociado con la regresión
normalizada posibilita la comparación directa de los coeficientes . j
60
3.0 DESARROLLO DEL MODELO DE REGRESION LINEAL PARA
EL PRECIO DEL MERCADO DIARIO ESPAÑOL
Es necesario recordar que no existen modelos perfectos. En general los modelos
pretenden predecir o establecer relaciones sobre determinados fenómenos o variables. Por
tanto la tarea es construir aquel modelo que se parezca lo más posible a lo observado en la
realidad.
La primera tarea consiste en seleccionar el tipo de modelo a utilizar. En general
pueden identificarse dos tipos de modelos para la estimación de precios de electricidad: los
fundamentales y los basados en series temporales.
Los modelos fundamentales se basan en el modelado del comportamiento estratégico
de los participantes y la descripción física del sistema. Por otro lado los modelos basados en
series temporales abordan el problema de la estimación bajo una perspectiva puramente
estadística.
En nuestro caso particular se ha seleccionado un modelo basado en series temporales,
específicamente el modelo de regresión lineal multivariable.
En general la construcción de modelos de regresión con muchas variables requiere
una estrategia adecuada para seleccionar las más relevantes y criterios para elegir entre
modelos con análoga capacidad explicativa pero con distintos regresores.
3.1 Selección de Variables Explicativas
Se pretende ahora seleccionar de las diferentes variables que pueden explicar el
comportamiento de los precios de la electricidad en el mercado diario y que conociendo de
antemano su valor sería posible estimar el precio de dicho mercado.
Dado que el precio, tal como se detalló en el primer capítulo, se obtiene de las ofertas
de generación y demanda recibidas por OMEL, se han considerado como variables
explicativas aquellas que los sujetos del mercado consideran al momento de elaborar sus
ofertas de generación y demanda. Al mismo tiempo dichas variables deben ser cuantificables
y disponer de registros de las mismas.
Las variables consideradas son las siguientes:
a) Demanda
b) Capacidad instalada
c) Reservas hidráulicas en los embalses
61
d) Generación de las distintas tecnologías: hidráulica, bombeo, ciclos
combinados, fuel, carbón, nuclear, régimen especial e importaciones.
e) Precio de los combustibles fósiles: gas, carbón y fueloil.
f) Precio del CO2
g) Días laborables o festivos
3.1.1 Demanda de Energía Eléctrica
Tal como se indicó en la sección 1.3.1 el precio del mercado diario esta basado en la
formación de una curva de oferta y otra de demanda, esta última conformada por todas las
ofertas de adquisición enviadas por los compradores de energía. En el punto de intersección
de las curvas, se encuentra el punto de equilibrio del mercado, definiendo así el precio del
mercado diario, las unidades de ofertas de venta y adquisición que han resultado casadas.
Por tanto, la variable explicativa considerada como “demanda” corresponde al punto
de la curva de demanda en el cual se intercepta a la curva de oferta y se convierte en la
demanda casada para el mercado diario.
Dado el equilibrio que debe existir entre oferta y demanda, esta última ha sido
obtenida como la suma de toda la generación casada por OMEL en el mercado diario. Se
disponen de datos de demanda desde el inicio del mercado, 01 de enero de 1998.
Sin embargo, en el desarrollo del modelo no pueden incluirse simultáneamente la
generación de cada una de las fuentes de generación existentes y la demanda, pues en dicho
caso existiría colinealidad perfecta, dado que la suma de un grupo de variables (generaciones
de cada tipo de fuente) da como resultado otra de las consideradas (demanda).
Al analizar la serie de la demanda esta presenta un valor medio horario de 22.026
MWh y una desviación estándar de 3.772 su distribución de frecuencia es similar una
distribución normal, con una pequeña cola hacia la derecha y con datos más concentrados
alrededor del punto medio. La figura 3.1 muestra el histograma de frecuencia de la serie con
los parámetros estadísticos descriptivos más relevantes para el período de interés1.
1 El periodo utilizado para la regresión es del 01 de enero de 2000 – 28 de febrero de 2006
62
6000
3.1.2 Capacidad Instalada
La variable capacidad instalada esta conformada por toda la capacidad de generación
existente en el territorio peninsular para centrales bajo régimen ordinario.
Para la obtención de la serie se dispone de una base de datos mensual de todas las
centrales de generación convencionales existentes, a la cual se van adicionando las nuevas
centrales y sustrayendo las centrales cerradas. Además se ajustan los datos de capacidad por
la repotenciaciones realizadas, los valores utilizados se muestran en el Anexo 2.
Idealmente sería de interés conocer la capacidad disponible total del sistema,
incluyendo las unidades bajo régimen especial. No obstante no dispone de dicha información.
En el gráfico 3.2 se muestra el gráfico de la evolución de la capacidad instalada en
GW, para el período de interés.
0
1000
2000
3000
4000
5000
12000 16000 20000 24000 28000 32000 36000
Series: DEMANDA
Sample 1 54024
Observations 54024
Mean 22026.75
Median 21941.40
Maximum 35688.80
Minimum 10290.60
Std. Dev. 3771.771
Skewness 0.135149
Kurtosis 2.660982
Jarque-Bera 423.1747
Probability 0.000000
Gráfico 3.1 Distribución de Frecuencias de la Demanda (MWh)
63
40
42
44
46
48
50
52
2001 2002 2003 2004 2005
CAP_INSTAL
Gráfico 3.2 Evolución de la Capacidad Instalada (GW)
3.1.3 Reservas Hidráulicas en los Embalses
Las reservas hidráulicas en las distintas centrales hidráulicas con embalse, constituye
una medida que condiciona las ofertas de la generación hidráulica y por tanto la curva de
oferta del sistema.
Para la obtención de la serie se dispone de los datos semanales, publicados por el
Ministerio de Medio Ambiente que indican el potencial en GWh del agua almacenada en
cada uno de los embalses. En el caso de centrales en cascada dicho valor refleja el potencial
que podría generar en cada una de las centrales localizadas aguas abajo.
La serie presenta un comportamiento estacional, marcado por el ciclo hidrológico, tal
como se muestra en el gráfico 3.3. Se observa también una alta variación en el
comportamiento de la variable para los diferentes años considerados.
Por otro lado al observar la distribución de frecuencias de la serie, esta presenta un
valor medio de 10.887 GWh, con una desviación estándar de 2.771. Los datos están
ligeramente recargados a la derecha del valor medio y mucho más concentrados alrededor del
valor medio que una distribución normal. La gráfica 3.4 muestra la distribución de
frecuencias de la serie con los principales parámetros estadísticos que la describen.
64
6000
8000
18000
3.1.4 Generación Hidráulica
La variable de la generación hidráulica está conformada por toda la generación de
energía eléctrica correspondiente este tipo de recurso que ha sido casada en el mercado
diario.
Para la obtención de la serie y todas las correspondientes a generación de las distintas
tecnologías, se dispone de una base de datos horaria que indica la generación en MWh para
cada unidad de producción.
La serie presenta un alto comportamiento estacional, marcado también por el ciclo
hidrológico. Como consecuencia esta variable esta altamente correlacionada con las reservas
0
40
80
120
160
200
240
6000 8000 10000 12000 14000 16000
Series: RES_HIDRO
Sample 1/01/2000 2/28/2006
Observations 2251
Mean 10887.15
Median 10102.00
Maximum 16759.00
Minimum 6142.000
Std. Dev. 2771.097
Skewness 0.411929
Kurtosis 2.018945
Jarque-Bera 153.9318
Probability 0.000000
Gráfico 3.4 Histograma de Frecuencias de las Reservas Hidráulicas (GW)
10000
12000
14000
16000
2000 2001 2002 2003 2004 2005
RES_HIDRO
Gráfico 3.3 Evolución de las Reservas Hidráulicas (GWh)
65
hidráulicas con un valor de 0,6296 (obtenido para valores de reservas hidráulicas semanales y
generación hidráulica diaria).
No obstante las centrales de paso y los flujos mínimos requeridos en algunos ríos
obligan a mantener de forma permanente cierto nivel de generación. Tal comportamiento se
evidencia en el grafico 3.5 donde se muestra la distribución de frecuencias de la serie, se
observa que los valores están concentrados alrededor de los rangos mínimos y
progresivamente disminuyen hacia valores de generación más altos.
0
2000
4000
6000
8000
10000
0 2000 4000 6000 8000 10000
Series: HIDRO
Sample 1 54024
Observations 54024
Mean 2773.715
Median 2235.150
Maximum 10286.60
Minimum 0.000000
Std. Dev. 2072.933
Skewness 1.126943
Kurtosis 3.681263
Jarque-Bera 12479.81
Probability 0.000000
Gráfico 3.5 Distribución de Frecuencias de la Generación Hidráulica (MWh)
3.1.5 Generación de Bombeo
La variable de la generación por centrales hidráulicas de bombeo está conformada por
toda la generación eléctrica para este tipo de unidades que ha sido casada en el mercado
diario.
Dado que la función las centrales de bombeo es comprar energía durante las horas con
precios bajos y generar cuando los precios se encuentran altos, su funcionamiento esta
condicionado para muy pocas horas y usualmente generan cantidades pequeñas, en el rango
de 0 a 100 MW tal como se evidencia en el gráfico 3.6 donde se muestra el histograma de
frecuencias de la serie.
66
0
4000
8000
12000
16000
20000
24000
28000
32000
0 400 800 1200 1600 2000
Series: BOMBEO
Sample 1 54024
Observations 54024
Mean 279.4874
Median 1.900000
Maximum 2019.000
Minimum 0.000000
Std. Dev. 393.4789
Skewness 1.341949
Kurtosis 3.858710
Jarque-Bera 17874.49
Probability 0.000000
Gráfico 3.6 Distribución de Frecuencias del Bombeo (GWh)
3.1.6 Generación con Centrales de Ciclo Combinado
La variable de la generación por centrales de ciclo combinado está conformada por
toda la generación eléctrica para las unidades que utilizan gas en dos ciclos termodinámicos
(usualmente uno Rankine y otro Brayton) y que han sido casadas en el mercado diario.
Este tipo de tecnología es bastante reciente para el sistema español, finalizando la
instalación de las primeras unidades en el año 2002, a partir del cual ha crecido
progresivamente. Esta previsto instalar mayor capacidad con dicha tecnología en los
próximos años.
En el gráfico 3.7 se muestra el histograma de frecuencias para la generación de ciclo
combinado, se observa una notable concentración de generación entre 0 y 3.750 MW, no
obstante los valores esperados a futuro desplazarán el gráfico hacia la derecha donde se
encuentran los valores de generación más altos debido a la entrada de nueva capacidad en el
sistema.
67
Gráfico 3.7 Distribución de Frecuencia del CCGT (MWh)
0
400
800
1200
1600
2000
2400
0 1250 2500 3750 5000 6250 7500 8750
Series: CCGT
Sample 25760 54024
Observations 28265
Mean 2988.090
Median 2725.800
Maximum 9547.400
Minimum 0.000000
Std. Dev. 2126.062
Skewness 0.646900
Kurtosis 2.710409
Jarque-Bera 2070.152
Probability 0.000000
3.1.7 Generación con Centrales de Fuel
La variable de la generación por centrales de fuel-gas está conformada por toda la
generación eléctrica por unidades que utilizan como combustible el fuel y han resultado
casadas en el mercado diario.
Las unidades de fuel están destinadas a funcionar durante pocas horas a lo largo del
año, especialmente para cubrir las puntas de demanda. Tal comportamiento se evidencia en el
gráfico 3.8 donde se muestra la distribución de frecuencias, se observa que la generación se
encuentra concentrada en el rango inferior de 0 a 250 MWh.
Gráfico 3.7 Distribución de Frecuencias de unidades de Fuel (MWh)
0
4000
8000
12000
16000
20000
24000
28000
32000
36000
0 1000 2000 3000 4000 5000
Series: FUEL
Sample 1 54024
Observations 54024
Mean 448.7043
Median 0.000000
Maximum 5039.600
Minimum 0.000000
Std. Dev. 854.2523
Skewness 2.597899
Kurtosis 10.14753
Jarque-Bera 175766.0
Probability 0.000000
68
3.1.8 Generación con Centrales de Carbón
La variable de generación por centrales de carbón, está conformada por la generación
que utiliza como combustible: hulla nacional, lignito negro, lignito pardo o carbón importado
y que han resultado casadas en el mercado diario.
A diferencia de las unidades de fuel, las centrales de carbón suelen funcionar mayor
número de horas, llegando algunas a formar parte de la generación base del sistema, tal como
se observa en el gráfico 3.9 de distribución de frecuencias para estas centrales, cuya
generación está concentrada en valores de generación altos, especialmente entre los 8.000 y
10.000 MWh.
Gráfico 3.9 Distribución de Frecuencias de Generación con Carbón (MWh)
0
2000
4000
6000
8000
10000
0 2000 4000 6000 8000 10000
Series: CARBON
Sample 1 54024
Observations 54024
Mean 8353.101
Median 8890.900
Maximum 10980.80
Minimum 0.000000
Std. Dev. 1796.263
Skewness -1.337485
Kurtosis 4.582779
Jarque-Bera 21746.13
Probability 0.000000
3.1.9 Generación con Centrales Nucleares
La variable de generación por centrales nucleares, está conformada por la generación
que utiliza esta tecnología y que ha resultado casada en el mercado diario.
La construcción de la mayoría de centrales nucleares en España se realizó entre las
décadas de los 70 y 80, suspendiendo la construcción de algunas centrales. Posteriormente no
se ha instalado mayor capacidad con este tipo de tecnología.
Las centrales nucleares están destinadas a formar parte de la generación de base,
debido a sus bajos costos variables y altos costos de inversión. En el gráfico 3.10 donde se
presenta el histograma de frecuencias para esta tecnología se observa que dichas centrales
suelen generar en el sistema español entre 7.000 y 8.000 MWh, con valores mínimos
alrededor de los 5.000 MWh.
69
0
4000
8000
12000
16000
20000
24000
0 1000 2000 3000 4000 5000 6000 7000
Series: NUCLEAR
Sample 1 54024
Observations 54024
Mean 6774.445
Median 7106.500
Maximum 7558.700
Minimum 0.000000
Std. Dev. 755.5924
Skewness -1.006024
Kurtosis 3.568824
Jarque-Bera 9841.140
Probability 0.000000
Gráfico 3.10 Distribución de Frecuencias de Generación Nuclear (MWh)
3.1.10 Importaciones
La variable importaciones corresponde a la energía importada al sistema español por
las distintas interconexiones existentes, con Francia, Portugal y Marruecos.
En general las importaciones son transacciones de oportunidad que arbitran con las
diferencias de precios que puedan existir entre los distintos sistemas. Tal como se observa en
el gráfico 3.11, los flujos a través de las distintas interconexiones se encuentran concentrados
entre 500 y 1.500 MWh.
Gráfico 3.11 Distribución de Frecuencias de las Importaciones (MWh)
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
0 500 1000 1500 2000 2500 3000
Series: IMPORTACION
Sample 1 54024
Observations 54024
Mean 864.7121
Median 900.0000
Maximum 3364.700
Minimum 0.000000
Std. Dev. 329.3613
Skewness -0.197754
Kurtosis 2.755758
Jarque-Bera 486.3997
Probability 0.000000
70
3.1.11 Generación del Régimen Especial
La variable de generación por régimen especial, está conformada por aquellas unidades
acogidas a este régimen, tal como se describió en la sección 1.2.3 del primer capítulo, que
han tomado la opción de acudir al mercado y que han resultado casadas en el mercado diario.
En este tipo de generación se observa una gran dispersión en las cantidades generadas,
debido a que la generación eólica representa un alto componente de la misma. La generación
suele estar concentrada entre 750 y 1.250 MWh, tal como se presenta en el gráfico 3.12.
0
2000
4000
6000
8000
10000
12000
0 1250 2500 3750 5000 6250 7500
Series: REG_ESPECIAL
Sample 23539 54024
Observations 30486
Mean 1567.621
Median 986.4000
Maximum 7831.000
Minimum 0.000000
Std. Dev. 1257.275
Skewness 1.603211
Kurtosis 5.228857
Jarque-Bera 19369.98
Probability 0.000000
Gráfico 3.12 Distribución de Frecuencias del Régimen Especial (MWh)
3.1.12 Precio del Gas
El gas es el combustible utilizado por las centrales de ciclo combinado, por tanto su
precio se convierte en una medida de los costos variables de este tipo de generación.
Para la obtención de la serie se dispone de las cotizaciones diarias, del índice Henry
Hub Natural Gas (€/MMBTU). En general este índice presenta una alta volatilidad tal como
se muestra en el gráfico 3.13, con dos alzas relevantes a finales de los años 2000 y 2005.
Considerando la distribución de frecuencias del comportamiento del precio del gas
indicado en el gráfico 3.14 se observa que las cotizaciones se han concentrado entre 2,5 y 6,0
€/MMBTU entre los años 2000 y 2006. Además existen valores superiores a los 8,0
€/MMBTU con frecuencias considerables, generando una cola al lado derecho de la serie.
71
0
2
4
6
8
10
12
14
2001 2002 2003 2004 2005 2006
PRECIO_GASGráfico 3.13 Evolución del Precio del Gas HH, 2000 - 2005 (€/MMBTU)
0
100
200
300
400
500
2 4 6 8 10 12
Series: PRECIO_GAS
Sample 1/01/2000 12/31/2006
Observations 2557
Mean 5.072250
Median 4.846705
Maximum 12.89560
Minimum 1.985031
Std. Dev. 1.835649
Skewness 1.470387
Kurtosis 5.887039
Jarque-Bera 1809.413
Probability 0.000000
Gráfico 3.14 Histograma de Frecuencias del Precio del Gas HH (€/MMBTU)
Dado que gran parte de los generadores tienen contratos de gas, usualmente con
plazos de seis meses, no suelen trasladar toda la volatilidad de los precios internacionales en
sus ofertas de generación. No obstante reflejan el precio de su costo de abastecimiento,
indexado al valor medio de la cotización internacional de una canasta de combustibles
durante los seis meses anteriores.
Por tal razón, en algunos casos, se ha utilizado una serie de precios de gas como el
promedio móvil de “n” días atrás. Como caso particular en el gráfico 3.15 se muestra el
promedio móvil del gas para 180 días.
72
10
3.1.13 Precio del Carbón
El carbón es el combustible utilizado por distintas centrales, que si bien es cierto
utilizan distintos tipos de carbón, tales como: hulla nacional, lignito negro, lignito pardo y
carbón de exportación; su valoración esta íntimamente relacionada con el potencial calorífico
de cada uno de ellos.
Para la obtención de la serie se dispone de las cotizaciones mensuales, del índice
MCSI (€/TM) desde 1991 hasta el año 2004 y además de la cotización semanal del API2
(€/TM), a partir del año 2000.
En la gráfica 3.16 se muestra la evolución del precio del carbón, donde se observa un
alza con valor cercano a los 50 €/TM, en los primeros meses del año 2001. Posteriormente se
presenta otro incremento desde mediados del 2003, llegando a valores superiores a los 60
€/TM a mediados del año 2004, momento a partir del cual desciende progresivamente hasta
los 45 €/TM. En el año 2006 el valor oscila alrededor de los 50 €/TM.
2
3
4
5
6
7
8
9
2001 2002 2003 2004 2005 2006
PRECIO_GAS180DGráfico 3.15 Evolución del Promedio Móvil a 180 días del Gas (€/MMBTU)
73
Analizando el gráfico 3.17 donde se muestra la distribución de frecuencias de la serie
para los años 2000 – 2006, se observa que los valores se encuentran concentrados entre 30 y
60 €/TM, con un valor medio de 44.65 €/TM y desviación estándar de 9.23.
De forma similar a lo indicado para el precio del gas, en muchos casos los
productores no han trasladado toda la volatilidad de los precios internacionales a sus ofertas
de ventas de energía, por ello se ha utilizado en algunos casos la serie como un promedio
móvil para los últimos “n” días. Como caso particular, en la gráfica 3.18 se muestra la
evolución de la serie para una media móvil de 180 días.
20
30
40
50
60
70
2001 2002 2003 2004 2005 2006
PRECIO_CARBONGráfico 3.16 Evolución del Precio del Carbón API 2 (€/TM)
Gráfico 3.17 Distribución de Frecuencias del API 2 (€/TM)
0
100
200
300
400
30 40 50 60
Series: PRECIO_CARBON
Sample 1/01/2000 12/31/2006
Observations 2557
Mean 44.64826
Median 45.74468
Maximum 65.45559
Minimum 25.96491
Std. Dev. 9.232635
Skewness -0.071242
Kurtosis 2.152087
Jarque-Bera 78.76177
Probability 0.000000
74
25
30
35
40
45
50
55
60
65
2001 2002 2003 2004 2005 2006
PRECIO_CARBON180DGráfico 3.18 Evolución del Promedio Móvil a 180 días del API2 (€/TM)
3.1.14 Precio del Fuel
El fuel es el combustible utilizado por las unidades térmicas de fuel oil, por lo que su
precio se convierte en una buena medida de los costos variables de este tipo de central y por
tanto de las ofertas de producción realizadas al mercado.
Para la obtención de la serie se dispone de las cotizaciones diarias del crudo Brent
(€/Bbl) a partir del año 1997. El Brent es un tipo de petróleo que se extrae principalmente en
el Mar del norte y marca la referencia para el crudo de los mercados europeos. Del crudo se
obtiene cerca de un 30 – 50% de fuel oil y por tanto el precio del suministro de este tipo de
combustible esta altamente relacionado con el valor del crudo.
Observando la gráfica 3.19 se observa un notable incremento en los precios del crudo
desde la mitad del año de 2005 hasta mediados del 2006, llegando a valores superiores a los
60 €/Bbl.
En la gráfica 3.20 donde se muestra la distribución de frecuencias de la serie, se
observan dos campanas, las primera que concentra valores entre 20 - 40 €/Bbl y otra de
precios altos entre 45 – 60 €/Bbl.
De forma similar a lo indicado para el precio del gas y carbón, se ha utilizado en
algunos casos la serie como un promedio móvil para los últimos “n” días. Como caso
particular, en la gráfica 3.21 se muestra la evolución de la serie para una media móvil de 180
días.
75
10
20
30
40
50
60
70
2001 2002 2003 2004 2005 2006
PRECIO_FUELGráfico 3.19 Evolución del Precio del crudo Brent (€/Bbl)
0
100
200
300
400
500
20 30 40 50 60
Series: PRECIO_FUEL
Sample 1/01/2000 12/31/2006
Observations 2557
Mean 33.85854
Median 30.02722
Maximum 61.28982
Minimum 18.73654
Std. Dev. 10.31612
Skewness 0.896299
Kurtosis 2.602233
Jarque-Bera 359.2186
Probability 0.000000
Gráfico 3.20 Histograma de Frecuencias del Brent (€/Bbl)
76
56
3.1.15 Precio del CO2
Dado el compromiso de reducción de emisiones vigente en UE y por tanto aplicables a
España, las centrales de generación que utilizan combustibles fósiles y consecuentemente
emiten CO2 a la atmósfera, deben obtener los derechos necesarios que respalden el nivel de
sus emisiones derivados de su producción eléctrica. Por tal motivo, los productores emisores
de CO2 han internalizado en sus ofertas el precio de las emisiones requeridas.
Para la construcción de la serie se dispone de los datos de cotización diarios de las
“EUAs allowances”, cuyo valor se convierte en la referencia para el mercado europeo. Se ha
utilizado el valor de las EUAs con entrega en el año en curso, a excepción de los meses de
diciembre donde se utiliza el valor con entrega para el año siguiente.
En el gráfico 3.22 se muestra la evolución de las EUAs en €/t, cuyo valor ha
presentado una alta volatilidad, llegando en julio del año 2005 y abril del 2006 a valores
cercanos a los 30 €/t. No obstante desde finales del año 2006 el precio se ha reducido a
valores en su mayoría inferiores a los 5 €/t.
En el gráfico 3.23 se presenta la distribución de frecuencias para el precio del CO2
donde no se observa una distribución bien definida, con valor medio de 17,83 €/t y
desviación estándar de 6,5.
20
24
28
32
36
40
44
48
52
2001 2002 2003 2004 2005 2006
PRECIO_FUEL180DGráfico 3.21 Evolución del Promedio Móvil a 180 días del Brent (€/Bbl)
77
3.1.16 Días Laborables o Festivos
El hecho que un día sea laborable o festivo, es una característica cualitativa y por
tanto dicha variable es cuantificada como una “dummy” que toma el valor de cero para un
atributo (día laboral) y uno para el otro (día festivo).
0
20
40
60
80
100
6
35
8 10 12 14 16 18 20 22 24 26 28 30
Series: PRECIO_CO2
Sample 1/01/2005 12/31/2006
Observations 730
Mean 17.83811
Median 16.90000
Maximum 30.50000
Minimum 6.550000
Std. Dev. 6.495514
Skewness -0.110056
Kurtosis 2.010490
Jarque-Bera 31.25554
Probability 0.000000
Gráfico 3.23 Histograma de Frecuencias del Precio de EUAs (€/t)
5
10
15
20
25
30
2005:07 2006:01 2006:07
PRECIO_CO2Gráfico 3.22 Evolución del Precio de EUAs (€/t)
78
Para construir la serie se consideró como días festivos los sábados, domingos y
festivos nacionales, estos últimos se muestran en el Anexo 3.
3.2 Variable Explicada: Precio de la Energía
Nuestro objetivo es desarrollar un modelo de regresión lineal con el que partiendo de
valores conocidos de las variables explicativas indicadas anteriormente podamos obtener el
valor de la variable explicada, que para nuestro caso es el precio de la energía en el mercado
diario.
Para construir la serie se dispone de los datos del precio del mercado diario, para cada
hora, publicados por OMEL en c€/kWh, a partir de enero de 1998.
Considerando la evolución de la serie, presentada en el gráfico 3.24, se observa una
notable volatilidad, pese a que los valores presentados corresponden al precio medio
ponderado diario.
A finales del año 2001 y especialmente en la segunda mitad del año 2005 se observan
valores muy superiores a los obtenidos en el resto del período.
En el gráfico 3.25 se muestra el histograma de frecuencias del precio, observando que
los valores se encuentran concentrados entre 3,5 y 5 c€/kWh, con un valor medio de 3,58
c€/kWh. La distribución de frecuencias presenta una cola más pronunciada hacia el lado
derecho, es decir hacia los valores más altos, obteniendo un máximo de 15,84 c€/kWh.
0
2
4
6
8
10
12
2001 2002 2003 2004 2005
PRECIOGráfico 3.24 Evolución del Precio de la Energía en el Mercado Diario (c€/kWh)
79
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
3.12
9000
3.13
3.3 Construcción de las Series de Datos
Conocidos los valores de las variables, tanto la dependiente como las independientes,
se han construido tres series de datos, esto con la finalidad de realizar distintos modelos de
regresión para el precio del mercado diario y posteriormente seleccionar el modelo con las
mejores características, al mismo tiempo obtener valores con distinto nivel de detalle.
Las series de datos construidas corresponden a distintos intervalos de tiempo,
obteniendo así series con frecuencia diaria, por bloque y horaria.
3.3.1 Serie de Datos Diarios
En esta serie de datos el precio ha sido obtenido como un promedio ponderado por la
demanda correspondiente. Por otro lado, las generaciones de las distintas tecnologías, de las
cuales se dispone de datos horarios, se presentan como una suma para las 24 horas del día.
El resto de variables, precios de combustibles, reservas hidráulicas y capacidad
instalada, de los cuales se dispone de datos diarios, semanales o mensuales, se asigna el valor
correspondiente.
En la tabla 3.1 se muestra la descripción y unidades de las distintas variables con las
cuales han sido construidas las series.
0
1000
2000
3000
4000
5000
6000
7000
8000
0.0 2.5 5.0 7.5 10.0 12.5 15.0
Series: PRECIO
Sample 1 54024
Observations 54024
Mean 3.577148
Median 3.150000
Maximum 15.84100
Minimum 0.000000
Std. Dev. 1.797040
Skewness 1.356547
Kurtosis 5.582097
Jarque-Bera 31577.27
Probability 0.000000
Gráfico 3.25 Histograma de Frecuencias del Precio de la Energía en el Mercado Diario (€/TM)
80
Variable Descripción Unidades Nomenclatura
Precio de energía
(v. dependiente)
Valor promedio ponderado por
la demanda
c€/kWh PRECIO
Demanda Suma para las 24 horas del día GWh DEMANDA
Capacidad instalada Valor mensual disponible GW CAP_INSTAL
Reservas
hidráulicas
Valor semanal disponible GWh RES_HIDRO
Generación
hidráulica
Suma para las 24 horas del día GWh HIDRO
Generación
bombeo
Suma para las 24 horas del día GWh BOMBEO
Generación CCGT Suma para las 24 horas del día GWh CCGT
Generación fuel Suma para las 24 horas del día GWh FUEL
Generación carbón Suma para las 24 horas del día GWh CARBON
Generación nuclear Suma para las 24 horas del día GWh NUCLEAR
Importación Suma para las 24 horas del día GWh IMPORTACION
Generación
régimen especial
Suma para las 24 horas del día GWh REG_ESPECIAL
Precio del gas Valor diario disponible. Fin de
semana y festivos, se ha
considerado día hábil anterior
€/MMBtu PRECIO_GAS
Precio del carbón Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/Tm PRECIO_CARBON
Precio del fuel Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/Bbl PRECIO_FUEL
Precio de CO2 Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/t PRECIO_CO2
Laborables/Festivos Se asigna el valor de 1 para
festivos y 0 para laborables
N/A
Variable
“dummy”
FESTIVOS
Tabla 3.1 Descripción de las variables para la serie de datos diarios
81
3.3.2 Serie de Datos por Bloques
Para construir estas series de datos, es necesario en primer lugar definir los bloques,
para ello se han considerado tres: valle, llano y punta.
Dado que el comportamiento de la demanda puede variar a lo largo del período de
análisis, considerar unas horas predeterminadas y fijas para determinar cada uno de los
bloques podría conducir a errores relevantes.
Por tal razón los bloques han sido establecidos de la siguiente forma:
a) Valle: corresponde a las seis horas de cada día con la menor demanda
b) Punta: corresponde a las seis horas de cada día con la mayor demanda
c) Llano: corresponde a las doce horas de cada día con demanda intermedia y por
tanto no consideradas en los bloques de valle y punta.
En las series de datos correspondientes a cada bloque, el precio ha sido obtenido como
un promedio ponderado por la demanda correspondiente. Por otro lado las generaciones de
las distintas tecnologías, de las cuales se dispone de datos horarios, se presentan como un
promedio para las horas del bloque.
El resto de variables, precios de combustibles, reservas hidráulicas y capacidad
instalada, de los cuales se dispone de datos diarios, semanales o mensuales, se asigna el valor
correspondiente.
En la tabla 3.2 se muestra la descripción y unidades de las distintas variables con las
cuales han sido construidas las series.
3.3.3 Serie de Datos Horarios
En esta serie de datos se muestra el valor de cada una de las variables para cada hora.
En este caso tanto el precio, como la demanda y las generaciones de las distintas tecnologías
corresponden al valor de cada hora.
El resto de variables, precios de los combustibles, reservas hidráulicas y capacidad
instalada, de los cuales se dispone de datos diarios, semanales o mensuales, se asigna el valor
correspondiente.
En la tabla 3.3 se muestra la descripción y unidades de las distintas variables con las
cuales han sido construidas las series.
82
Variable Descripción Unidades Nomenclatura
Precio de energía
(v. dependiente)
Valor promedio ponderado por la
demanda para el bloque
c€/kWh PRECIO
Demanda Promedio para las horas del bloque MWh DEMANDA
Capacidad instalada Valor mensual disponible GW CAP_INSTALADA
Reservas
hidráulicas
Valor semanal disponible GWh RES_HIDRO
Generación
hidráulica
Promedio para las horas del bloque MWh G_HIDRO
Generación
bombeo
Promedio para las horas del bloque MWh G_BOMBEO
Generación CCGT Promedio para las horas del bloque MWh G_CCGT
Generación fuel Promedio para las horas del bloque MWh G_FUEL
Generación carbón Promedio para las horas del bloque MWh G_CARBON
Generación nuclear Promedio para las horas del bloque MWh G_NUCLEAR
Importación Promedio para las horas del bloque MWh G_IMPORT
Gen régimen
especial
Promedio para las horas del bloque MWh
Precio del gas Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/MMBtu PREC_GAS
Precio del carbón Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/Tm PREC_CARBON
Precio del fuel Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/Bbl PREC_FUEL
Precio de CO2 Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/t PREC_CO2
Laborables/Festivos Se asigna el valor de 1 para festivos
y 0 para laborables
Sin
unidades
Variable
“dummy”
FESTIVOS
Tabla 3.2 Descripción de las variables para la serie de datos por bloques
83
Variable Descripción Unidades Nomenclatura
Precio de energía
(v. dependiente)
Valor de la hora correspondiente c€/kWh
Demanda Valor de la hora correspondiente MWh
Capacidad instalada Valor mensual disponible GW
Reservas
hidráulicas
Valor semanal disponible GWh
Generación
hidráulica
Valor de la hora correspondiente MWh
Generación
bombeo
Valor de la hora correspondiente MWh
Generación CCGT Valor de la hora correspondiente MWh
Generación fuel Valor de la hora correspondiente MWh
Generación carbón Valor de la hora correspondiente MWh
Generación nuclear Valor de la hora correspondiente MWh
Importación Valor de la hora correspondiente MWh
Gen régimen
especial
Valor de la hora correspondiente MWh
Precio del gas Valor diario disponible. Fin de
semana y festivos, se ha
considerado día hábil anterior
€/MMBtu
Precio del carbón Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/Tm
Precio del fuel Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/Bbl
Precio de CO2 Valor diario disponible. Fin de semana y festivos, se ha considerado día hábil anterior
€/t
Laborables/Festivos Se asigna el valor de 1 para
festivos y 0 para laborables
Sin
unidades
Variable
“dummy”
Tabla 3.3 Descripción de las variables para la serie de datos diarios
84
3.4 Herramienta Utilizada para el Desarrollo del Modelo
Para el desarrollo del modelo se ha utilizado el software Econometric Views
(Eviews), dedicado fundamentalmente al análisis estadístico y econométrico de datos. El
software puede utilizarse para el estudio de series temporales, series atemporales y datos de
panel.
El Eviews es especialmente útil para realizar análisis de datos, modelos de regresión y
predicción.
Las principales áreas de aplicación son: el análisis y evaluación de datos científicos,
análisis financiero, predicción macroeconómica, predicción de ventas y análisis de costes.
3.5 Proceso para Obtener los Modelos de Regresión Lineal
Los modelos de regresión lineal han sido obtenidos mediante el método de los
mínimos cuadrados, descrito en la sección 2.2 del capítulo anterior.
Para obtener los distintos modelos se ha seguido el siguiente procedimiento:
a) Selección de las variables a incluir en el modelo
b) Obtención del modelo preliminar, mediante el método de los mínimos cuadrados
ordinarios
c) Eliminación de la variable menos significativa con valor de probabilidad de
rechazo superior al requerido (0.05), utilizando el valor del estadístico “t” para
realizar la prueba de hipótesis Ho: = 0, descrita en la sección 2.4.2 del capítulo
anterior.
d) Repetir el paso anterior en caso existan variables con probabilidad de rechazo
superior a las requeridas. El proceso finaliza cuando todas las variables
consideradas resultan significativas ( t< 0.05).
3.5.1 Selección de las Variables a Incluir en el Modelo
El modelo de regresión lineal permite seleccionar las variables que se consideran
relevantes para explicar el comportamiento de la variable explicada o independiente, por lo
cual se han considerado cuatro grupos de variables:
a) Grupo A: se incluye la demanda, capacidad instalada, reservas hidráulicas,
festivos y los precios de los combustibles (gas, carbón, fuel y CO2)
b) Grupo B: se incluye la demanda, capacidad instalada, reservas hidráulicas,
festivos y las generaciones de las distintas tecnologías (hidráulica, bombeo, ciclo
combinado, fuel, carbón, nuclear, importación y régimen especial)
85
86
c) Grupo C: se incluyen todas las variables de los grupos A y B
d) Grupo D: se incluye la demanda, capacidad instalada, reservas hidráulicas,
festivos, generación hidráulica, generación del bombeo, generación nuclear,
importaciones, generación del régimen especial y para las fuentes térmicas se
incluye el producto del precio del combustible y la generación correspondiente,
como una medida del costo variable total para el sistema de las centrales térmicas.
En el caso del precio del CO2 se incluye el producto de dicho precio y la
generación para las distintas tecnologías térmicas: gas, carbón y fuel.
3.6 Resultados de los Modelos de Regresión Lineal
Los resultados obtenidos para las distintas series y grupos de variables se muestran en
la tabla 3.4. Se incluye el número de variables significativas del modelo (columna “k”), el
signo obtenido para cada uno de los coeficientes que acompañan a las variables explicativas y
los principales estadísticos que describen el modelo: R2, máximo valor de probabilidad en la
prueba t, valor de la prueba F, índices de Akaike, Schuartz, Durbin - Watson, Skewnes y
Kurtosis.
En general es posible observar que los grupos C y D presentan mejores resultados en
las pruebas de bondad de ajuste y por tanto en la capacidad de predicción del modelo. Esto se
debe a que dichos grupos incluyen mayor número de variables explicativas.
A pesar que los grupos antes mencionados presentan resultados similares, en las
pruebas de bondad de ajuste, ligeramente superiores en la mayoría de casos para el grupo C,
al evaluar la normalidad de los residuos, el grupo D parece tener residuos más alejados de un
comportamiento normal. No obstante los residuos del grupo C no se consideran normales,
dado que las pruebas de hipótesis de normalidad son rechazadas en todos los casos.
En la tabla 3.4 se muestran sombreados en color amarillo los modelos que presentan
las mejores características, tanto en lo referente a pruebas de bondad de ajuste como al
cumplimiento de los supuestos del modelo de regresión lineal indicados en el capítulo 2.
Es necesario aclarar que no se cumplen todos los supuestos del modelo,
especialmente los referentes a la normalidad de los residuos y la ausencia de correlación
serial, definidas por el coeficiente Durbin – Watson.
R2
tF
Aka
ike
Shuart
zD
WS
ke
wnes
Kurt
os
DM
CI
RH
HB
NC
GF
RN
IMP
gP
cP
fP
co
Mg
Mc
Mf
Mco-g
Mco-c
Mco
-fF
/L1
00
Min
Min
20
AD
iario
ponde
rado
2251
24
7+
----
----
++
0,7
38
00
2,3
22,3
40,4
80,6
7
BD
iario
ponde
rado
2251
24
9+
----
--+
----
++
0,8
05
00
2,0
22,0
51
0,5
30,5
2
CD
iario
ponde
rado
2251
24
8+
----
++
--+
+0,8
77
00
1,5
61,5
90,6
85
0,6
5
DD
iario
ponde
rado
2251
24
12
+--
----
++
----
--+
++
0,8
30
01
,88
1,9
10,5
60,8
4
AH
ora
rio
(24
h)
54024
18
+--
----
--+
++
0,7
64
00
2,5
62,5
60,2
60,6
7
BH
ora
rio
(24
h)
54024
11
1+
----
--+
----
++
--+
0,8
23
0,0
08
02
,24
2,2
50,3
40,8
6
CH
ora
rio
(24
h)
54024
11
6+
----
++
--+
++
++
+--
++
+0,8
26
00
2,2
62,2
60,3
50,8
9
DH
ora
rio
(24
h)
54024
11
1+
----
--+
++
++
++
0,8
29
00
2,2
42,2
50,3
40,8
6
AV
alle
hora
ria
13507
18
+--
----
--+
+--
0,7
70
01
,89
1,8
90,1
80,4
4
BV
alle
hora
ria
13507
19
----
--+
++
++
+0,8
10
01,7
1,7
0,2
20,5
05
CV
alle
hora
ria
13507
11
0--
++
++
+--
++
+0,8
20
01
,64
1,6
50,2
40,1
5
DV
alle
hora
ria
13507
11
0+
----
++
++
++
+0,6
30
02
,95
2,9
50,2
36
0,8
ALla
no h
ora
ria
27011
18
+--
----
--+
+--
0,7
65
00
2,4
92,4
90,3
0,7
3
BLla
no h
ora
ria
27011
19
----
+--
++
++
+0,8
13
00
2,2
52,2
60,4
0,8
6
CLla
no h
ora
ria
27011
11
0--
--+
++
++
++
+0,8
13
00
2,2
62,2
60,4
0,9
6
DLla
no h
ora
ria
27011
11
0+
----
--+
++
++
+0,6
61
00
2,9
93
0,2
70,8
8
AP
unta
hora
ria
13506
18
+--
----
--+
++
0,7
44
00
2,7
12,7
20,2
28
0,7
3
BP
unta
hora
ria
13506
11
0--
--+
--+
++
++
+0,8
18
00
2,3
72,3
80,3
31,0
22
CP
unta
hora
ria
13506
11
1--
--+
++
++
++
++
0,8
06
00
2,4
42,4
50,3
09
1,1
6
DP
unta
hora
ria
13506
11
2+
----
--+
++
++
++
+0,6
62
0,0
16
02
,21
2,2
30,4
23
1,8
4
AV
alle
ponde
rado
2251
67
+--
----
--+
--0,7
80
01
,78
1,8
0,4
70,1
5
BV
alle
ponde
rado
2251
69
+--
----
+--
++
--0,7
98
0,0
09
01
,69
1,7
20,5
50,9
16
CV
alle
ponde
rado
2251
61
1+
----
----
++
--+
--+
0,8
41
00
1,4
51,4
70,5
14
-0,0
5
DV
alle
ponde
rado
2251
69
+--
----
++
+--
--0,8
33
00
1,5
1,5
40,6
50,6
6
ALla
no p
ond
era
do
2251
12
7+
----
--+
+--
0,6
88
00
2,6
2,6
0,5
0,7
4
BLla
no p
ond
era
do
2251
12
5--
++
++
0,7
60,0
22
02
,34
2,3
60,4
90,4
4
CLla
no p
ond
era
do
2251
12
11
+--
----
----
+--
++
--0,8
26
00
2,0
22,0
50,8
80,6
24
DLla
no p
ond
era
do
2251
12
10
+--
----
+--
+--
++
0,8
40
01
,93
1,9
60,6
91,2
AP
unta
ponde
rado
2251
68
+--
----
--+
++
0,7
08
00
2,7
62,7
80,5
60,8
2
BP
unta
ponde
rado
2251
68
+--
--+
--+
++
0,7
47
00
2,6
22,6
40,4
90,5
9
CP
unta
ponde
rado
2251
61
2--
--+
++
++
+--
++
+0,8
48
00
2,1
12,1
50,7
51,0
88
DP
unta
ponde
rado
2251
61
1+
----
--+
+--
++
--+
0,8
33
0,0
19
02
,21
2,2
40,7
26
1,2
is
3
D5,7
7
D4,5
6
D6,2
7
D6,4
H5,1
7
H7,3
6
H8,3
1
H7,3
3
VH
5,8
5
VH
6,4
VH
5,5
VH
5,7
1
LH
5,5
4
LH
6,7
9
LH
8,5
5
LH
6,7
PH
5,9
2
PH
8,5
11
PH
9,3
4
PH
11,6
6
VP
5,1
VP
8,4
VP
7,0
1
VP
6,6
LP
5,4
8
LP
3,7
6
LP
6
LP
9,2
5
PP
7,1
8
PP
5,3
1
PP
10,2
PP
10,1
8
No.
Hora
s
x
obser
k
Variable
sGrupo
Regre
sió
n
No.
Obse
rv
Serie
Tabla
3.4
R
esultados d
el M
odelo
de R
egre
sió
n L
ineal
87
Los resultados y características de los modelos seleccionados se describen a
continuación.
Modelo Diario Ponderado
Los resultados generales de la regresión lineal para el modelo diario ponderado
se muestran en la tabla 3.5.
En lo referente a las variables significativas, se observa que las reservas
hidráulicas y las generaciones nuclear, importaciones y régimen especial obtienen
valores de probabilidad para el estadístico “t” superiores a la establecida (0,05), con lo
cual se acepta la hipótesis nula que su coeficiente correspondiente tiene media igual a
cero y por tanto no son variables significativas para el modelo.
Se observa un valor bastante alto del coeficiente R2 ajustado en 0,877, que
puede ser evidenciado al contrastar en el gráfico 3.26 los resultados reales con los
obtenidos del modelo. El valor del coeficiente Durbin-Watson indica la presencia de
correlación serial positiva, al presentar un valor entre 0 y 2.
El valor de la prueba de la significancia del modelo en conjunto, mediante la
prueba F, revela que los resultados generales son significativos.
Dependent Variable: PRECIO Model: Diario Ponderado Grup C Method: Least Squares Date: 05/22/07 Time: 02:28 Sample: 1/01/2000 2/28/2006 Included observations: 2251
Variable Coefficient Std. Error t-Statistic Prob.
PRECIO_CO2 0.105807 0.003817 27.71773 0.0000PRECIO_CARBON -0.011031 0.001439 -7.663793 0.0000
HIDRO -0.007051 0.000331 -21.30463 0.0000FUEL 0.026890 0.000830 32.40475 0.0000
DEMANDA 0.004234 0.000302 14.02359 0.0000CAP_INSTAL -0.110658 0.009952 -11.11938 0.0000
BOMBEO 0.076774 0.003014 25.46967 0.0000PRECIO_FUEL 0.029456 0.002912 10.11588 0.0000
C 5.049695 0.373115 13.53390 0.0000
R-squared 0.877404 Mean dependent var 3.654501 Adjusted R-squared 0.876967 S.D. dependent var 1.504852 S.E. of regression 0.527843 Akaike info criterion 1.563954 Sum squared resid 624.6617 Schwarz criterion 1.586820 Log likelihood -1751.230 F-statistic 2005.720 Durbin-Watson stat 0.685008 Prob(F-statistic) 0.000000
Tabla 3.5 Resultados Generales del Modelo de Regresión para la Serie de Datos Diarios Ponderados
88
-4
-2
0
2
4
0
2
4
6
8
10
12
2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.26 Precio Promedio Diario, Reales vrs. Calculado
El Gráfico 3.26 muestra en color rojo los valores reales del precio ponderado
desde el año 2000 hasta el 28 de febrero del 2006, en color verde se muestran los
valores obtenidos con el modelo y en color azul los residuos.
También es posible observar gráficamente la correlación serial presente en los
residuos, dado que su comportamiento no es aleatorio, sino que se presenta en forma de
olas.
Modelo Ponderado por Bloque Horario
Los resultados generales de la regresión lineal para el modelo por bloques
ponderados se muestran en las tablas 3.6, 3.7 y 3.8, para valle, punta y llano,
respectivamente.
Se observa que las reservas hidráulicas no resultan significativas para los
bloques de valle y llano. Mientras que en el bloque de punta, la generación nuclear
resulta ser significativa.
Se observa un valor bastante alto del coeficiente R2 ajustado en 0,847 para el
bloque de punta, siendo el superior en relación a los dos bloques restantes, con valor de
0,826 para el llano y 0,798 para el valle.
El los tres bloques se presenta correlación serial positiva, dado que el coeficiente
Durbin-Watson presenta valores entre 0 y 2.
El valor de la prueba de la significancia “F” de cada uno de los modelos en su
conjunto, revela que los resultados generales son significativos.
89
Dependent Variable: PRECIO Model: Bloque Ponderado Valle Method: Least Squares Date: 05/22/07 Time: 04:56 Sample: 1/01/2000 2/28/2006 Included observations: 2251
Variable Coefficient Std. Error t-Statistic Prob.
PREC_GAS 0.027196 0.009562 2.844234 0.0045PREC_CO2 0.045050 0.004032 11.17339 0.0000
PREC_CARBON -0.013008 0.001489 -8.734591 0.0000G_HIDRO -0.000463 3.03E-05 -15.27739 0.0000G_FUEL 0.000407 4.37E-05 9.298448 0.0000G_CCGT 8.17E-05 3.13E-05 2.612785 0.0090
G_IMPORT -0.000463 4.86E-05 -9.526481 0.0000G_NUCLEAR -0.000458 3.41E-05 -13.44229 0.0000G_CARBON -0.000309 2.97E-05 -10.41718 0.0000DEMANDA 0.000346 2.93E-05 11.82989 0.0000
CAP_INSTALADA -0.235510 0.013651 -17.25267 0.0000C 12.78240 0.548882 23.28809 0.0000
R-squared 0.799313 Mean dependent var 2.553160 Adjusted R-squared 0.798327 S.D. dependent var 1.254112 S.E. of regression 0.563197 Akaike info criterion 1.694942 Sum squared resid 710.1904 Schwarz criterion 1.725431 Log likelihood -1895.658 F-statistic 810.6962 Durbin-Watson stat 0.552392 Prob(F-statistic) 0.000000
Tabla 3.6 Resultados Generales del Modelo de Regresión para el Bloque de Valle Ponderado
Dependent Variable: PRECIO Model: Bloque ponderado punta Method: Least Squares Date: 05/22/07 Time: 05:41 Sample: 1/01/2000 2/28/2006 Included observations: 2251
Variable Coefficient Std. Error t-Statistic Prob.
RES_HIDRO -4.15E-05 7.20E-06 -5.765570 0.0000PREC_GAS 0.044194 0.012174 3.630022 0.0003PREC_FUEL 0.033319 0.004160 8.008331 0.0000PREC_CO2 0.113013 0.005196 21.74932 0.0000
PREC_CARBON -0.010144 0.001924 -5.271244 0.0000G_IMPORT 0.000295 5.47E-05 5.401061 0.0000
G_FUEL 0.000752 1.91E-05 39.39768 0.0000G_CCGT 0.000133 1.84E-05 7.223768 0.0000
G_CARBON 0.000160 1.32E-05 12.09508 0.0000G_BOMBEO 0.001448 4.62E-05 31.37080 0.0000
FESTIVO 0.248077 0.039367 6.301727 0.0000CAP_INSTALADA -0.109551 0.014759 -7.422636 0.0000
C 5.067045 0.647501 7.825538 0.0000
R-squared 0.848572 Mean dependent var 4.423364 Adjusted R-squared 0.847760 S.D. dependent var 1.781082 S.E. of regression 0.694942 Akaike info criterion 2.115781 Sum squared resid 1080.829 Schwarz criterion 2.148810 Log likelihood -2368.311 F-statistic 1045.107 Durbin-Watson stat 0.753307 Prob(F-statistic) 0.000000
Tabla 3.7 Resultados Generales del Modelo de Regresión para el Bloque de Punta Ponderado
90
Dependent Variable: PRECIO Model: Bloque ponderado llano Method: Least Squares Date: 05/22/07 Time: 05:18 Sample: 1/01/2000 2/28/2006 Included observations: 2251
Variable Coefficient Std. Error t-Statistic Prob.
CAP_INSTALADA -0.183036 0.016712 -10.95241 0.0000DEMANDA 0.000350 3.04E-05 11.52352 0.0000
G_CARBON -0.000224 3.10E-05 -7.217323 0.0000G_CCGT -0.000112 3.29E-05 -3.396515 0.0007G_FUEL 0.000452 3.61E-05 12.52721 0.0000
G_HIDRO -0.000402 2.96E-05 -13.56337 0.0000G_NUCLEAR -0.000342 3.56E-05 -9.616530 0.0000
PREC_CARBON -0.017587 0.001833 -9.592159 0.0000PREC_CO2 0.061728 0.005278 11.69607 0.0000PREC_FUEL 0.035479 0.003682 9.634843 0.0000
FESTIVO -0.264613 0.044931 -5.889338 0.0000C 8.669476 0.667662 12.98483 0.0000
R-squared 0.827298 Mean dependent var 3.686303 Adjusted R-squared 0.826450 S.D. dependent var 1.591283 S.E. of regression 0.662918 Akaike info criterion 2.020987 Sum squared resid 983.9522 Schwarz criterion 2.051475 Log likelihood -2262.620 F-statistic 975.0494 Durbin-Watson stat 0.881555 Prob(F-statistic) 0.000000
Tabla 3.8 Resultados Generales del Modelo de Regresión para el Bloque de Llano Ponderado
Los resultados de la regresión para cada los bloques de valle, punta y llano se
muestran en los gráficos 3.27, 3.28 y 3.29 respectivamente. Se presenta en color rojo los
valores del precio real ponderado para el bloque, en verde el valor calculado por el
modelo y en azul los residuos correspondientes.
-4
-2
0
2
4
0
2
4
6
8
10
12
2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.27 Precio para el Bloque Valle, Real vrs. Calculado
91
-4
-2
0
2
4
6
8
0
4
8
12
16
2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.28 Precio para el Bloque Punta, Real vrs. Calculado
-4
-2
0
2
4
6
0
4
8
12
2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.29 Precio para el Bloque Llano, Real vrs. Calculado
92
3.7 Posibles Mejoras a los Modelos
Con la finalidad de mejorar la capacidad de predicción de los modelos
presentados anteriormente se realizarán dos modificaciones a los mismos. La primera de
ellas consiste en sustituir el precio de los combustibles por una media móvil de “n” días
a determinar y la segunda dividir el modelo para días laborables/festivos.
3.7.1 Sustitución de Medias Móviles para Precios de Combustibles
Tal como se mencionó anteriormente en las secciones 3.1.12 – 3.1.14, en la
mayoría de casos las empresas generadoras con centrales térmicas, no trasladan toda la
volatilidad del precio spot a sus ofertas de producción. Esto se debe principalmente a
que la mayoría posee contratos de suministro, cuyo precio es el resultado del valor
medio del precio de una canasta de combustibles para “n” días atrás, reflejando así el
valor de sus contratos en la oferta.
Por tal razón, se desarrolló el modelo de regresión con la variable del precio de
los combustibles como una media móvil del mismo para los “n” días anteriores. Se
realizó la prueba con valores múltiplos de 30 (1 mes).
Los resultados para los modelos seleccionados se muestran en la tabla 3.9,
donde se puede observar que para la mayoría de los modelos, los valores del coeficiente
R2 ajustado se optimizan en general para un valor de “n” igual a 180 días.
R2 ajustado por Bloques Ponderados No. días media
móvil
Modelo Diario
Ponderado Valle Punta Llano
0 0.877 0.7983 0.8478 0.8265
30 0.8798 0.8148 0.849 0.8301
60 0.8824 0.8275 0.851 0.8344
90 0.8849 0.8242 0.853 0.8381
120 0.8874 0.8448 0.8546 0.8416
150 0.8896 0.848 0.85 0.8449
180 0.8900 0.8333 0.8571 0.8458
210 0.8893 0.8483 0.8570 0.8448
240 0.8886 0.8476 0.8551 0.8442
Tabla 3.9 Resultados Generales del Modelo de Regresión para la Serie de Datos Diarios Ponderados
93
3.7.2 División del Modelo para Días Laborables/Festivos
Con el objetivo de segmentar los datos de la serie y posiblemente obtener
resultados más cercanos a los reales al homogenizar los datos de entrada, se dividió la
serie de cada uno de los modelos seleccionados en dos grupos, uno correspondiente a
los días festivos y otro a los laborables.
Es necesario aclarar que al dividir los días en función de laborables/festivos,
desaparece la variable “dummy” que se encontraba presente y de forma significativa en
los modelos calculados anteriormente.
3.8 Validación de los Signos de los Coeficientes
Previo a presentar los resultados obtenidos al introducir las modificaciones
indicadas en la sección anterior, se realizará la validación de los signos de los
coeficientes para las distintas variables explicativas consideradas.
Los signos esperados para las distintas variables son los siguientes:
a) Demanda: Se espera signo (+) dado que en general incrementos de
demanda, harán necesario el despacho de generación a mayor costo.
Se observa en la tabla 3.4 que en todas las regresiones realizadas se
obtuvo el signo esperado.
b) Capacidad Instalada: Se espera signo (-) puesto que al existir nueva
capacidad en el sistema, idealmente más eficiente, debería de sustituir a
grupos más costosos. Al mismo tiempo incrementa el nivel de reservas y
competencia.
En todas las regresiones realizadas se obtuvo el signo esperado.
c) Reservas hidráulicas: Se espera signo (-) dado que a mayor nivel en los
embalses, se dispone de mayor capacidad de generación a menor costo.
En todas las regresiones realizadas se obtuvo el signo esperado.
d) Generación hidráulica: Se espera signo (-) dado que con mayor generación
de este tipo, es posible sustituir a las centrales con mayores costos
variables en aquellas horas en las cuales la demanda es superior.
En la mayoría de las regresiones realizadas se obtuvo el signo esperado.
e) Generación de bombeo, carbón, ciclo combinado, Importaciones y
régimen especial: en estos casos no es posible generalizar un signo
esperado para el coeficiente, dado que tanto valores (+) como (-) podrían
tener un fundamento razonable.
94
Por ejemplo, para el bombeo se podría utilizar un razonamiento similar
que para la generación hidráulica, es decir que cuanto más bombeo existe
es posible desplazar la generación térmica más cara en horas punta y por
tanto esperar un signo (-). No obstante también es cierto que en la medida
que los precios son superiores el bombeo recibe mayores señales para ser
despachado y por tanto se esperaría un signo (+).
En general para el bombeo, ciclo combinado y la generación del régimen
especial, se obtiene signo (+) para la mayoría de las regresiones
realizadas.
En el caso del carbón y las importaciones, se observan signos tanto (+)
como (-) en las regresiones realizadas.
f) Generación nuclear: dado que una mayor generación nuclear (generación
base) con costos variables muy bajos, desplazaría a otras fuentes con
mayores costos variables, obteniendo menores precios en el mercado. Por
tanto el signo esperado es (-).
Todas las regresiones realizadas muestran signo (-) para la generación
nuclear.
g) Generación con fuel: dado que esta generación esta destinada para ser
utilizada en horas de punta, debido a sus altos costos variables, es de
esperar un signo (+).
En los modelos obtenidos se verifica en todos ellos un signo (-) para dicho
coeficiente.
h) Precio del gas, carbón, fuel y CO2: mayores precios de los combustibles
tendrán como resultado lógico el encarecimiento de la producción térmica
y por tanto mayores precios del mercado.
El signo observado para el coeficiente del fuel y CO2 en todos los modelos
es (+) y conforme a lo esperado.
El signo obtenido para el coeficiente del gas en algunos casos es (+) y en
otros (-). No obstante los modelos seleccionados se observa signo (+)
según lo esperado.
En el caso del carbón se presenta un comportamiento particular, dado que
todos los modelos indican un signo (-) de forma contraria a lo esperado,
incluso para los modelos seleccionados.
95
Aunque el análisis de regresión se ocupa de la dependencia de una variable
respecto a otras, no implica necesariamente causalidad. Una relación estadística por más
fuerte y sugerente que sea, no puede nunca establecer una conexión causal; las
referencias de causalidad deben venir de fuera de la estadística, en última instancia de
una u otra teoría [KEND69]. Por tanto como resultado de la validación de los signos es
necesario replantear el modelo encontrado y eliminar la variable correspondiente al
precio del carbón, dado que no cumple el signo esperado en la teoría subyacente.
El hecho que el carbón presente un signo contrario al esperado, es un
característica frecuente en caso exista multicolinealidad, es decir correlación entre
algunas variables explicativas incluidas en el modelo. En nuestro caso los precios de los
combustibles: gas, carbón y fuel, presentan correlación, con valores de 0,432 (entre el
carbón y el fuel), 0,3 (entre carbón y gas).
Por otro lado, existen algunos comportamientos en determinados períodos de
tiempo donde las variables, precio del mercado y carbón, en efecto presentan una
relación inversa y por tanto el método de los mínimos cuadrados, en su objetivo de
minimizar las diferencias, le asigna un signo (-). En el gráfico 3.30 se muestra el
comportamiento entre el precio de la energía y el del carbón, se observa una relación
inversa entre las variables, en los períodos marcados con un rectángulo.
Para mejorar la visualización de las variables, el precio del mercado
diario se presenta multiplicado x 10 en gráfico 3.30.
Gráfico 3.30 Evolución del precio de energía (x10) vrs. Precio del carbón
96
3.9 Resultados Finales para los Modelos Seleccionados
Luego de realizar la validación de los signos y realizar las mejoras indicadas en
la sección 3.7, se presentan los resultados obtenidos para los modelos seleccionados. En
los mismos se puede apreciar una mejora en el coeficiente R2 ajustado, así como los
criterios de Akaike y Schwartz.
3.9.1 Modelo Diario Ponderado
El modelo del precio diario ponderado se describe mediante dos funciones, una
que corresponde a los días laborables y otra para los días festivos.
En la tabla 3.10 y 3.11 se muestran los resultados generales del modelo para días
laborables y festivos respectivamente. En general se observan mejores resultados para el
modelo de días festivos, con valores más altos para las pruebas de bondad de ajuste y
presencia de menor correlación serial en los resultados.
Dependent Variable: PRECIO DIARIO LABORABLES Method: Least Squares Date: 06/13/07 Time: 04:10 Sample(adjusted): 1/03/2000 2/28/2006 IF FESTIVO=0 Included observations: 1555 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
PRECIO_FUEL180D 0.023965 0.007653 3.131614 0.0018PRECIO_CO2 0.100858 0.005678 17.76349 0.0000
BOMBEO 0.067533 0.003499 19.30051 0.0000HIDRO -0.009013 0.000537 -16.78295 0.0000
DEMANDA 0.004706 0.000520 9.047676 0.0000FUEL 0.025414 0.000981 25.89693 0.0000
CAP_INSTAL -0.129492 0.016563 -7.818260 0.0000PRECIO_GAS180D 0.173820 0.023064 7.536468 0.0000
NUCLEAR -0.006307 0.000952 -6.627340 0.0000REG_ESPECIAL -0.006246 0.001512 -4.130590 0.0000
RES_HIDRO -4.77E-05 9.05E-06 -5.265795 0.0000C 6.421355 0.664827 9.658680 0.0000
R-squared 0.881894 Mean dependent var 3.930913 Adjusted R-squared 0.881052 S.D. dependent var 1.528312 S.E. of regression 0.527098 Akaike info criterion 1.564825 Sum squared resid 428.6946 Schwarz criterion 1.606105 Log likelihood -1204.652 F-statistic 1047.410 Durbin-Watson stat 0.478071 Prob(F-statistic) 0.000000
Tabla 3.10 Resultados del Modelo Diario para Días Laborables
97
Dependent Variable: PRECIO DIARIO FESTIVOS Method: Least Squares Date: 06/13/07 Time: 04:12 Sample(adjusted): 1/01/2000 2/26/2006 IF FESTIVO=1 Included observations: 695 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
PRECIO_CO2 0.105488 0.005490 19.21385 0.0000BOMBEO 0.083259 0.006151 13.53597 0.0000
HIDRO -0.010224 0.000471 -21.70223 0.0000DEMANDA 0.007506 0.000428 17.53088 0.0000
FUEL 0.024492 0.001831 13.37546 0.0000CAP_INSTAL -0.136878 0.015041 -9.100560 0.0000
PRECIO_GAS180D 0.150877 0.016488 9.150575 0.0000NUCLEAR -0.007655 0.000972 -7.875558 0.0000
IMPORTACION -0.006671 0.002383 -2.799959 0.0053REG_ESPECIAL -0.006219 0.001520 -4.090593 0.0000
RES_HIDRO -2.58E-05 8.05E-06 -3.210209 0.0014PRECIO_FUEL -0.013187 0.003847 -3.428270 0.0006
C 6.731266 0.609170 11.04990 0.0000
R-squared 0.905795 Mean dependent var 3.036679 Adjusted R-squared 0.904137 S.D. dependent var 1.248217 S.E. of regression 0.386470 Akaike info criterion 0.955002 Sum squared resid 101.8628 Schwarz criterion 1.039996 Log likelihood -318.8631 F-statistic 546.4581 Durbin-Watson stat 0.876961 Prob(F-statistic) 0.000000
Tabla 3.11 Resultados del Modelo Diario para Días Festivos
Los resultados de la estimación se muestran en los gráficos 3.31 y 3.32 para los
días laborables y festivos respectivamente. Es posible observar que los valores reales
presentan una mayor variación (desviación estándar) que los valores calculados con el
modelo.
-2
0
2
4
6
0
2
4
6
8
10
12
2000 2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.31 Comparación del Precio Real vrs. Calculado Laborables
98
-3
-2
-1
0
1
2
0
2
4
6
8
10
12
2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.32 Comparación del Precio Real vrs. Calculado Festivos
3.9.2 Modelo Ponderado por Bloque Horario
Este modelo es representado por seis ecuaciones, dos (laborables y festivos) para
cada uno de los bloques: valle, punta y llano.
Bloque de Valle
En las tablas 3.12 y 3.13 se muestran los resultados de la regresión para el
bloque de valle, en general se observa un mejor ajuste para la función de los días
festivos. Por otro lado parece existir menor correlación serial para los festivos, al
obtener un mayor valor para el coeficiente Durbin Watson.
En los gráficos 3.33 y 3.34 muestra la comparación de la serie obtenida versus la
real, para el modelo de laborables y festivos respectivamente. En los gráficos aparece en
color azul los residuos, se observa la presencia de correlación serial positiva entre ellos,
dado el comportamiento en forma de olas observado para los residuos.
Se observa también en los gráficos un menor varianza para los valores
calculados en relación a los reales.
99
Dependent Variable: PRECIO VALLE PONDERADO LABORABLE Method: Least Squares Date: 06/13/07 Time: 05:45 Sample(adjusted): 1/03/2000 2/28/2006 IF FESTIVO=0 Included observations: 1555 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
PREC_GAS180D 0.217796 0.014278 15.25363 0.0000PREC_CO2 0.053692 0.004248 12.63974 0.0000G_HIDRO -0.000386 3.32E-05 -11.65278 0.0000G_FUEL 0.000537 4.40E-05 12.19824 0.0000G_CCGT 9.81E-05 3.44E-05 2.848581 0.0044
G_IMPORT -0.000356 5.13E-05 -6.944689 0.0000G_NUCLEAR -0.000338 3.63E-05 -9.312752 0.0000G_CARBON -0.000164 3.27E-05 -5.023972 0.0000DEMANDA 0.000197 3.23E-05 6.088157 0.0000
CAP_INSTALADA -0.249843 0.015639 -15.97611 0.0000RES_HIDRO -2.64E-05 6.61E-06 -3.998224 0.0001G_BOMBEO 0.003348 0.000154 21.79906 0.0000
C 12.80078 0.625581 20.46225 0.0000
R-squared 0.870973 Mean dependent var 2.674968 Adjusted R-squared 0.869969 S.D. dependent var 1.347541 S.E. of regression 0.485920 Akaike info criterion 1.402780 Sum squared resid 364.0945 Schwarz criterion 1.447500 Log likelihood -1077.662 F-statistic 867.4192 Durbin-Watson stat 0.462515 Prob(F-statistic) 0.000000
Tabla 3.12 Resultados del bloque valle ponderado (laborable)
Dependent Variable: PRECIO VALLE PONDERADO FESTIVO Method: Least Squares Date: 06/13/07 Time: 05:50 Sample(adjusted): 1/01/2000 2/26/2006 IF FESTIVO=1 Included observations: 696 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
PREC_GAS180D 0.126362 0.016852 7.498558 0.0000PREC_CO2 0.100060 0.005462 18.31894 0.0000
PREC_FUEL180D -0.018922 0.005835 -3.242676 0.0012G_HIDRO -4.41E-05 1.30E-05 -3.394141 0.0007G_FUEL 0.000551 5.74E-05 9.602384 0.0000G_CCGT 0.000123 2.13E-05 5.745336 0.0000
G_CARBON 0.000218 1.07E-05 20.42672 0.0000CAP_INSTALADA -0.105517 0.010020 -10.53063 0.0000
C 4.895816 0.455606 10.74572 0.0000
R-squared 0.873386 Mean dependent var 2.281019 Adjusted R-squared 0.871911 S.D. dependent var 0.961350 S.E. of regression 0.344062 Akaike info criterion 0.716857 Sum squared resid 81.32616 Schwarz criterion 0.775633 Log likelihood -240.4663 F-statistic 592.3663 Durbin-Watson stat 0.945047 Prob(F-statistic) 0.000000
Tabla 3.13 Resultados del bloque valle ponderado (festivo)
100
-3
-2
-1
0
1
2
3
0
2
4
6
8
10
12
2000 2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.33 Modelo real vrs calculado, valle ponderado (laborable)
-2
-1
0
1
2
0
2
4
6
8
10
12
2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.34 Modelo real vrs calculado, valle ponderado (festivo)
101
Bloque de Punta
En las tablas 3.14 y 3.15 se muestran los resultados de la regresión para el
bloque de punta. De forma similar al bloque de valle se observa un mejor ajuste para el
modelo correspondiente a los días festivos.
Se observa como el precio del fuel deja de ser una variable significativa para el
modelo de días festivos. Por otro lado la generación hidráulica no resulta significativa
en los bloques de punta laborables.
En los gráficos 3.35 y 3.36 muestra la comparación de la serie obtenida versus la
real, para el modelo de laborables y festivos respectivamente. Es posible observar una
menor dispersión para los datos del modelo calculado en relación a los precios reales
obtenidos durante el período de análisis.
Dependent Variable: PRECIO BLOQUE PUNTA (LABORABLE) Method: Least Squares Date: 05/31/07 Time: 05:15 Sample(adjusted): 1/03/2000 2/28/2006 IF FESTIVO=0 Included observations: 1555 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
RES_HIDRO -5.01E-05 8.97E-06 -5.589582 0.0000PREC_FUEL180D 0.075367 0.006389 11.79553 0.0000
PREC_CO2 0.093194 0.006668 13.97675 0.0000G_IMPORT 0.000426 6.80E-05 6.255690 0.0000
G_FUEL 0.000738 2.05E-05 35.97530 0.0000G_CCGT 0.000176 2.39E-05 7.381284 0.0000
G_CARBON 0.000139 1.87E-05 7.390437 0.0000G_BOMBEO 0.001394 5.54E-05 25.13919 0.0000
CAP_INSTALADA -0.161128 0.020564 -7.835541 0.0000C 6.058920 0.926217 6.541576 0.0000
R-squared 0.838660 Mean dependent var 4.689303 Adjusted R-squared 0.837720 S.D. dependent var 1.774298 S.E. of regression 0.714758 Akaike info criterion 2.172664 Sum squared resid 789.3079 Schwarz criterion 2.207065 Log likelihood -1679.247 F-statistic 892.3377 Durbin-Watson stat 0.544576 Prob(F-statistic) 0.000000
Tabla 3.14 Resultados del bloque punta ponderado (laborable)
102
Dependent Variable: PRECIO BLOQUE PUNTA (FESTIVO) Method: Least Squares Date: 06/14/07 Time: 03:22 Sample(adjusted): 1/01/2000 2/26/2006 IF FESTIVO=1 Included observations: 696 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
RES_HIDRO -5.77E-05 1.18E-05 -4.892646 0.0000PREC_GAS180D 0.213714 0.021959 9.732352 0.0000
PREC_CO2 0.110484 0.007090 15.58342 0.0000G_IMPORT 0.000220 7.65E-05 2.876047 0.0042
G_FUEL 0.000932 4.59E-05 20.30539 0.0000G_CCGT 0.000150 2.95E-05 5.081615 0.0000
G_CARBON 0.000190 1.80E-05 10.53947 0.0000G_BOMBEO 0.001548 7.77E-05 19.91710 0.0000
CAP_INSTALADA -0.115915 0.017709 -6.545342 0.0000G_HIDRO -5.72E-05 1.64E-05 -3.482752 0.0005
C 5.504505 0.740894 7.429541 0.0000
R-squared 0.885359 Mean dependent var 3.829202 Adjusted R-squared 0.883686 S.D. dependent var 1.648931 S.E. of regression 0.562366 Akaike info criterion 1.702351 Sum squared resid 216.6352 Schwarz criterion 1.774189 Log likelihood -581.4183 F-statistic 529.0185 Durbin-Watson stat 0.959023 Prob(F-statistic) 0.000000
Tabla 3.15 Resultados del bloque punta ponderado (festivo)
-2
0
2
4
6
8
0
4
8
12
16
2000 2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.35 Modelo real vrs. Calculado, bloque punta (laborable)
103
-4
-2
0
2
4
0
4
8
12
16
2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.36 Modelo real vrs. Calculado, bloque punta (festivo)
Bloque de Llano
En las tablas 3.16 y 3.17 se muestran los resultados de la regresión para el
bloque de llano. Se observa un mejor ajuste para el modelo de días festivos, indicado
por los criterios de Akaike y Schwarz, pues el valor del R2 ajustado es similar.
Referente a la correlación serial, esta parece ser mucho menor en el caso de días
festivos, sobre todo porque solamente se tienen en la mayoría de los casos, dos días
consecutivos.
Se observa como el modelo correspondiente a los días festivos considera como
variables significativas una cantidad mucho menor que el de días laborables. Como
resultado, resultan no significativas las reservas hidráulicas, demanda, generación
nuclear, precio el CO y la generación de bombeo e hidráulica. 2
Por otro lado en los gráficos 3.37 y 3.38 se muestran los gráficos de los precios
del bloque llano, reales vrs. calculados, para los días laborables y festivos
respectivamente.
104
Dependent Variable: PRECIO BLOQUE LLANO (LABORABLES) Method: Least Squares Date: 06/14/07 Time: 03:29 Sample(adjusted): 1/03/2000 2/28/2006 IF FESTIVO=0 Included observations: 1555 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
CAP_INSTALADA -0.163961 0.016421 -9.984623 0.0000DEMANDA 0.000103 1.35E-05 7.588610 0.0000
G_FUEL 0.000595 2.33E-05 25.59964 0.0000G_HIDRO -0.000207 1.47E-05 -14.02780 0.0000
G_NUCLEAR -0.000151 2.63E-05 -5.751355 0.0000PREC_CO2 0.100543 0.004592 21.89613 0.0000
PREC_GAS180D 0.217686 0.016754 12.99288 0.0000RES_HIDRO -7.22E-05 8.54E-06 -8.452923 0.0000G_BOMBEO 0.001639 7.58E-05 21.63243 0.0000
C 8.838357 0.576939 15.31940 0.0000
R-squared 0.859724 Mean dependent var 4.028181 Adjusted R-squared 0.858907 S.D. dependent var 1.614046 S.E. of regression 0.606274 Akaike info criterion 1.843441 Sum squared resid 567.8931 Schwarz criterion 1.877841 Log likelihood -1423.276 F-statistic 1052.111 Durbin-Watson stat 0.527774 Prob(F-statistic) 0.000000
Tabla 3.16 Resultados del bloque llano ponderado (laborable)
Dependent Variable: PRECIO BLOQUE LLANO (FESTIVOS) Method: Least Squares Date: 06/14/07 Time: 03:34 Sample(adjusted): 1/01/2000 2/26/2006 IF FESTIVO=1 Included observations: 696 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
CAP_INSTALADA -0.110744 0.013978 -7.922764 0.0000G_FUEL 0.000831 4.31E-05 19.27280 0.0000
PREC_CO2 0.099931 0.004939 20.23374 0.0000PREC_GAS180D 0.125457 0.015986 7.848162 0.0000
G_CARBON 0.000260 1.12E-05 23.29471 0.0000G_CCGT 0.000171 2.54E-05 6.736534 0.0000
C 4.468009 0.580569 7.695916 0.0000
R-squared 0.854592 Mean dependent var 2.922481 Adjusted R-squared 0.853325 S.D. dependent var 1.235679 S.E. of regression 0.473242 Akaike info criterion 1.351587 Sum squared resid 154.3070 Schwarz criterion 1.397301 Log likelihood -463.3521 F-statistic 674.8963 Durbin-Watson stat 1.113086 Prob(F-statistic) 0.000000
Tabla 3.17 Resultados del bloque llano ponderado (festivos)
105
-4
-2
0
2
4
6
0
4
8
12
2000 2001 2002 2003 2004 2005
Residual Actual Fitted
Gráfico 3.37 Modelo real vrs. Calculado, bloque llano (laborable)
Gráfico 3.38 Modelo real vrs. Calculado, bloque llano (laborable)
-3
-2
-1
0
1
2
3
0
4
8
12
2001 2002 2003 2004 2005
Residual Actual Fitted
106
3.10 Validación de los Modelos Seleccionados
Durante la construcción del modelo se han verificado las pruebas de
significancia individual y conjunta, mediante el uso de los estadísticos “t” y “F”
respectivamente. Luego se realizó la validación de signos, con lo cual fue replanteado el
modelo y eliminada como variable explicativa el “precio del carbón”.
Ahora se procede a evaluar la normalidad de los residuos, homocedasticidad y
presencia de correlación serial.
3.10.1 Modelo Diario Ponderado
El análisis de normalidad de los residuos para los modelos, se muestran en el
histograma de frecuencias de los gráficos 3.39 y 3.40.
A pesar que las curvas de ambos modelos (laborables y festivos) siguen
aparentemente una distribución normal, es posible observar que su curva presenta una
pequeña cola hacia el lado derecho y por tanto existe mayor dispersión hacia la zona de
precios altos.
Por otro lado el valor de Kurtosis en ambas distribuciones es muy superior a 3, lo
que indica que su comportamiento es mucho más apuntado que el correspondiente a una
curva normal. Las prueba de hipótesis de normalidad (Jarque-Bera) es rechazada en
ambos casos con una probabilidad del 100%.
Dado que los residuos no son normales, los coeficientes obtenidos siguen siendo
las mejores estimaciones insesgadas, no obstante la desviación estándar encontrada para
la variable suele ser menor a la real, con lo cual podría resultar significativo algún
parámetro que en realidad no lo es.
0
50
100
150
200
250
300
350
-1 0 1 2 3 4
Series: Residuals
Sample 1/03/2000 2/28/2006
Observations 1555
Mean -1.02E-14
Median -0.010403
Maximum 4.006345
Minimum -1.667894
Std. Dev. 0.525229
Skewness 0.817269
Kurtosis 7.527859
Jarque-Bera 1501.432
Probability 0.000000
Gráfico 3.39 Histograma de Frecuencias Residuos (M. Diario Laborables)
107
240
Para verificar la existencia de correlación serial, además del coeficiente Durbin
Watson, se utiliza la prueba de Breusch-Godfrey, los resultados tanto para el modelo de
laborables y festivos indica el rechazo de la hipótesis nula que no existe autocorrelación,
dado que el nivel de probabilidad asociado al rechazo de la hipótesis es del 100%.
Breusch-Godfrey Serial Correlation LM Test: (Modelo Diario Laborables)
F-statistic 198.2804 Probability 0.000000 Obs*R-squared 738.1359 Probability 0.000000
Breusch-Godfrey Serial Correlation LM Test: (Modelo Diario Festivos)
F-statistic 45.77823 Probability 0.000000 Obs*R-squared 223.7296 Probability 0.000000
Finalmente para verificar la presencia de homocedasticidad se ha utilizado la
prueba de “White Heteroskedasticity”, cuya hipótesis nula es la existencia de
homocedasticidad en la serie. Al observar los resultados se observa que con un nivel de
confianza del 100% se rechaza la hipótesis nula y por tanto se acepta la hipótesis
alternativa que indica la presencia de heterocedasticidad en ambas distribuciones. Los
resultados se muestran en la Tabla 3.19
0
40
80
120
160
200
-2 -1 0 1 2
Series: Residuals
Sample 1/01/2000 2/26/2006
Observations 695
Mean -8.03E-16
Median -0.027662
Maximum 1.815378
Minimum -2.123612
Std. Dev. 0.383114
Skewness 0.178332
Kurtosis 5.098418
Jarque-Bera 131.1976
Probability 0.000000
Gráfico 3.40 Histograma de Frecuencias Residuos (M. Diario Festivos)
Tabla 3.18 Prueba de Hipótesis Autocorrelación Lab/Festivos
108
White Heteroskedasticity Test: (Modelo Diario Laborables)
F-statistic 27.27707 Probability 0.000000 Obs*R-squared 437.6674 Probability 0.000000
White Heteroskedasticity Test: (Modelo Diario Festivos)
F-statistic 3.732063 Probability 0.000000 Obs*R-squared 81.95538 Probability 0.000000
Tabla 3.19 Prueba de Hipótesis Homocedasticidad (Lab/Festivos)
3.10.2 Modelo Ponderado por Bloques
El análisis de normalidad de los residuos para los tres bloques horarios,
divididos en días laborables y festivos, se muestra en los histogramas de frecuencias de
los gráficos 3.41 a 3.46.
En general los residuos tienen una media muy cercana a cero en todas las
distribuciones. Esto se debe a que se ha utilizado el método de mínimos cuadrados para
desarrollar el modelo de regresión lineal.
A pesar que las curvas de todos los modelos siguen aparentemente una
distribución normal, la mayoría de ellas presenta una pequeña cola hacia el lado
derecho, a excepción de los residuos para el modelo de los días festivos del bloque
valle, donde existe una ligera cola hacia el lado izquierdo. Esto indica que para este caso
en particular existe una mayor dispersión en los residuos correspondientes a precios
inferiores.
Por otro lado el valor de Kurtosis en todas las distribuciones es muy superior a
3, llegando a obtener un valor de 11,8, para el bloque de punta laborable. Esto indica
que el comportamiento de la serie es mucho más apuntado que el correspondiente a una
curva normal.
Las pruebas de hipótesis de normalidad (Jarque-Bera) son rechazadas en todos
casos con una probabilidad del 100%. Lo que indica que la distribución de los errores
no sigue una distribución normal.
109
320
0
40
80
120
160
200
240
280
-2 -1 0 1 2
Series: Residuals
Sample 1/03/2000 2/28/2006
Observations 1555
Mean -1.47E-14
Median -0.010717
Maximum 2.611990
Minimum -2.001051
Std. Dev. 0.553623
Skewness 0.606487
Kurtosis 5.366117
Jarque-Bera 458.0650
Probability 0.000000
Gráfico 3.41 Histograma de residuos para bloque valle (laborable)
Gráfico 3.42 Histograma de residuos para bloque valle (festivos)
0
20
40
60
80
100
-1.5 -1.0 -0.5 0.0 0.5 1.0
Series: Residuals
Sample 1/01/2000 2/26/2006
Observations 696
Mean 1.34E-15
Median 0.008447
Maximum 1.280617
Minimum -1.618422
Std. Dev. 0.342076
Skewness -0.167587
Kurtosis 4.831977
Jarque-Bera 100.5860
Probability 0.000000
0
50
100
150
200
250
300
0.0 2.5 5.0
Series: Residuals
Sample 1/03/2000 2/28/2006
Observations 1555
Mean 4.94E-16
Median -0.036271
Maximum 6.464745
Minimum -1.908938
Std. Dev. 0.712685
Skewness 1.314310
Kurtosis 11.81804
Jarque-Bera 5485.742
Probability 0.000000
Gráfico 3.43 Histograma de residuos para el bloque punta (laborables)
110
140
111
0
20
40
60
80
100
120
-2 -1 0 1 2 3
Series: Residuals
Sample 1/01/2000 2/26/2006
Observations 696
Mean -1.97E-15
Median -0.028471
Maximum 3.243283
Minimum -2.634778
Std. Dev. 0.558306
Skewness 0.390503
Kurtosis 5.129195
Jarque-Bera 149.1599
Probability 0.000000
Gráfico 3.44 Histograma de residuos para el bloque punta (festivos)
320
0
40
80
120
160
200
240
280
-1.25 0.00 1.25 2.50 3.75
Series: ResidualsSample 1/03/2000 2/28/2006
Observations 1555
Mean 3.19E-15
Median -0.034592
Maximum 4.547462
Minimum -2.246212
Std. Dev. 0.604516
Skewness 0.973051
Kurtosis 8.151184
Jarque-Bera 1964.614
Probability 0.000000
Gráfico 3.45 Histograma de residuos para el bloque llano (laborables)
0
40
80
120
160
200
-2 -1 0 1 2
Series: Residuals
Sample 1/01/2000 2/26/2006
Observations 696
Mean -8.40E-17
Median -0.053545
Maximum 2.320753
Minimum -2.133821
Std. Dev. 0.471195
Skewness 0.669120
Kurtosis 4.930730
Jarque-Bera 160.0395
Probability 0.000000
Gráfico 3.46 Histograma de residuos para el bloque llano (festivos)
Para verificar la existencia de correlación serial se ha utilizado la prueba de
Breusch-Godfrey. Los resultados para todos los modelos, presentados en la tabla 3.20
indican el rechazo de la hipótesis nula que no existe autocorrelación, con un nivel de
confianza del 100%.
Breusch-Godfrey Serial Correlation LM Test: Bloque valle (laborables)
F-statistic 438.3989 Probability 0.000000 Obs*R-squared 1036.306 Probability 0.000000
Breusch-Godfrey Serial Correlation LM Test: Bloque valle (festivos)
F-statistic 42.76381 Probability 0.000000 Obs*R-squared 212.7390 Probability 0.000000
Breusch-Godfrey Serial Correlation LM Test: Bloque Punta (laborables)
F-statistic 180.0159 Probability 0.000000 Obs*R-squared 700.2843 Probability 0.000000
Breusch-Godfrey Serial Correlation LM Test: Bloque punta (festivo)
F-statistic 29.68351 Probability 0.000000 Obs*R-squared 163.2655 Probability 0.000000
Breusch-Godfrey Serial Correlation LM Test: Bloque llano (laborable)
F-statistic 177.6437 Probability 0.000000 Obs*R-squared 695.1817 Probability 0.000000
Breusch-Godfrey Serial Correlation LM Test: Bloque llano (festivos)
F-statistic 27.22347 Probability 0.000000 Obs*R-squared 152.0034 Probability 0.000000
Tabla 3.20 Prueba de Hipótesis Autocorrelación por bloque
La presencia de homocedasticidad es verificada mediante la prueba de “White
Heteroskedasticity”, cuya hipótesis nula es la existencia de homocedasticidad en la
serie. Al observar los resultados se observa que con un nivel de confianza del 100% se
rechaza la hipótesis nula y por tanto se acepta la hipótesis alternativa que indica la
presencia de heterocedasticidad en todas distribuciones. Los resultados se muestran en
la Tabla 3.21
112
White Heteroskedasticity Test: Bloque valle (laborables)
F-statistic 66.84977 Probability 0.000000 Obs*R-squared 761.6260 Probability 0.000000
White Heteroskedasticity Test: Bloque valle (festivos)
F-statistic 4.783395 Probability 0.000000 Obs*R-squared 70.50359 Probability 0.000000
White Heteroskedasticity Test: Punta ponderado (festivos)
F-statistic 17.66097 Probability 0.000000 Obs*R-squared 266.6439 Probability 0.000000
White Heteroskedasticity Test: Bloque punta (festivo)
F-statistic 3.987164 Probability 0.000000 Obs*R-squared 73.53669 Probability 0.000000
White Heteroskedasticity Test: Bloque llano (laborable)
F-statistic 26.41151 Probability 0.000000 Obs*R-squared 367.5328 Probability 0.000000
White Heteroskedasticity Test: Bloque llano (festivos)
F-statistic 5.410976 Probability 0.000000 Obs*R-squared 60.42326 Probability 0.000000
Tabla 3.21 Prueba de Hipótesis Homocedasticidad por Bloques
3.11 Modelo Alternativo para Limitar Correlación Serial
Con la finalidad de reducir la alta correlación serial identificada en el modelo,
mediante el coeficiente de Durbin Watson y la prueba de Breusch-Godfrey, es posible
utilizar variables autoregresivas.
Las variables autoregresivas permiten introducir como otra variable adicional, el
error obtenido uno o más períodos atrás. El número de períodos incluidos dependerá de
la correlación serial identificada en cada uno de ellos.
Al introducir variables autoregresivas al modelo del precio ponderado diario, se
obtiene un valor de R2 ajustado de 0,95 y valores para los criterios de Akaike y Schwarz
de 0,68 y 0,718 respectivamente.
Al introducir las variables autoregresivas, el precio del gas y el carbón son los
primeros en aparecer como variables no significativas, lo que indica que parte de la
correlación serial presente es resultado de la evolución de dichas variables. Esto es
debido a que el comportamiento previamente explicado por los precios de los
combustibles, es en el nuevo modelo explicado por las variables autoregresivas.
113
Los resultados generales del modelo se muestran en la tabla 3.22 con el
correspondiente gráfico de comparación de los valores reales vs los calculados con el
nuevo modelo. Se observa en el gráfico un elevado ajuste del modelo a los valores
reales de la variable.
Es necesario recalcar que para el objetivo deseado en el presente trabajo, la
función encontrada con variables autoregresivas no es de utilidad, dado que se desea
proyectar los precios para del mercado diario para el año 2006 y por tanto se
desconocen los residuos para dicho año. No obstante tal modelo puede ser de gran
utilidad cuando se pretende conocer el nivel de precios para el día siguiente, pues en tal
caso el valor de la mayoría de los residuos sería conocido.
Dependent Variable: PRECIO DIARIO PONDERADO (autoregresivo) Method: Least Squares Date: 06/14/07 Time: 05:32 Sample: 1/01/2000 2/28/2006 Included observations: 2243 Excluded observations: 8 Convergence achieved after 8 iterations
Variable Coefficient Std. Error t-Statistic Prob.
REG_ESPECIAL -0.011247 0.001056 -10.64776 0.0000PRECIO_FUEL180D 0.145204 0.034423 4.218255 0.0000
HIDRO 0.003797 0.000972 3.906500 0.0001FUEL 0.014342 0.000972 14.75282 0.0000
DEMANDA 0.004190 0.000322 13.01597 0.0000BOMBEO 0.074978 0.002328 32.20987 0.0000
C -3.639781 1.121045 -3.246775 0.0012AR(1) 0.557040 0.021212 26.26093 0.0000AR(2) 0.050193 0.023291 2.155012 0.0313AR(3) 0.085097 0.023229 3.663383 0.0003AR(4) 0.046782 0.023225 2.014277 0.0441AR(5) 0.084921 0.021292 3.988479 0.0001AR(7) 0.299134 0.021256 14.07291 0.0000AR(8) -0.148852 0.021218 -7.015508 0.0000
R-squared 0.949390 Mean dependent var 3.649249 Adjusted R-squared 0.949095 S.D. dependent var 1.503991 S.E. of regression 0.339334 Akaike info criterion 0.682557 Sum squared resid 256.6636 Schwarz criterion 0.718232 Log likelihood -751.4880 F-statistic 3216.424 Durbin-Watson stat 2.017307 Prob(F-statistic) 0.000000
Tabla 3.22 Resultados del Modelo Diario Ponderado (Autoregresivo)
114
Tabla 3.47 Precio real vrs calculado, modelo diario (autoregresivo)
-2
-1
0
1
2
3
4
0
2
4
6
8
10
12
2001 2002 2003 2004 2005
Residual Actual Fitted
115
4.0 ANALISIS DE CUANTIA Y ESTIMACION PARA 2006
En esta sección se realiza un análisis cuantitativo de los parámetros que
acompañan el modelo, estableciendo la influencia relativa que poseen sobre la variable
independiente.
Posteriormente se han utilizado los modelos seleccionados para estimar los
precios del mercado diario y compararlos con los resultados reales durante los meses de
marzo a diciembre del 2006.
4.1 Análisis de Cuantía
En esta sección se pretende realizar en análisis de cuantía descrito en la sección
2.6, con el objeto de evaluar la importancia relativa de las variables explicativas del
modelo.
Como resultado del análisis se obtendrán los coeficientes estandarizados, que
facilitarán la comparación de los parámetros, independiente de las unidades en que se
encuentran expresados. Es necesario recordar que los coeficientes estandarizados nos
indican la influencia sobre la variable dependiente ante una variación estándar unitaria
de las variables independientes.
4.1.1 Modelo Diario
Los resultados del análisis de cuantía para el modelo diarios se presentan en las
tablas 4.1 y 4.2, para los días laborables y festivos respectivamente.
Se observa que ante una variación unitaria de la desviación estándar de las
variables explicativas, son la generación de bombeo, precio del CO2 y generación con
fuel, las variables que provocan un efecto mayor en el precio del mercado diario en los
días laborables.
Por el contrario las variables que menos afectan el precio del mercado diario en
días laborables son la generación nuclear y reservas hidráulicas.
Es necesario aclarar que muchas variables no son independientes entre si, pues
tienen una alta correlación entre ellas, tal como se indicó en el capítulo 3. En este
modelo por ejemplo no puede concluirse con certeza que las reservas hidráulicas tienen
poca influencia sobre el precio del mercado diario, ya estas presentan una alta
correlación con la generación hidráulica que tienen un efecto más relevante.
116
Al mismo tiempo las reservas hidráulicas parecen provocar menores variaciones,
pero su variación tipo es muy superior (D.S. 2771.86) al resto de variables cuya
desviación estándar no supera los dos dígitos.
MODEL DPR-CL DS(Y)= 1,528312PRECIO_FUE
L180D PRECIO_CO2
PRECIO_GAS
180D BOMBEO HIDRO FUEL DEMANDA
CAP_INSTA
L NUCLEAR
REG_ESPECIA
L RES_HIDRO
Beta* 0,0240 0,1009 0,1738 0,6753 -0,0090 0,0254 0,0047 -0,1295 -0,0063 -0,0062 0,0000
DS(X) 6,6548 7,9876 1,5541 4,5177 41,3797 20,8395 61,8283 2,8095 17,7634 28,8496 2771,86
Beta ajust* 0,1044 0,5271 0,1768 1,9963 -0,2440 0,3465 0,1904 -0,2380 -0,0733 -0,1179 -0,0865
Tabla 4.1 Análisis de Cuantía, Modelo Diario (Laborables)
Considerando el precio del mercado diario para los días festivos, es la demanda
y la generación hidráulica las variables que más afectan el resultado del precio. La
variable que menos influye ante una variación tipo es la importación.
MODEL DPR-CF DS(Y)= 1,247338
PRECIO_CO2
PRECIO_GAS
180D BOMBEO HIDRO FUEL DEMANDA CAP_INSTAL NUCLEAR IMPORTACION
REG_ESPECIA
L RES_HIDRO
PRECIO_FUEL
180D
Beta* 0,1055 0,1509 0,0833 -0,0102 0,0245 0,0075 -0,1369 -0,0077 -0,0067 -0,0062 0,0000 -0,0132
DS(X) 7,9237 1,5664 2,7718 43,7152 10,1198 67,6449 2,8177 17,6483 6,9607 29,9125 2771,43 8,1827
Beta ajust* 0,6701 0,1895 0,1850 -0,3583 0,1987 0,4071 -0,3092 -0,1083 -0,0372 -0,1491 -0,0573 -0,0865
Tabla 4.2 Análisis de Cuantía, Modelo Diario (Festivos)
4.1.2 Modelo por Bloques Horarios
El análisis del modelo para cada uno de los bloques horarios se presenta a
continuación.
Bloque Punta
Los resultados se presentan en las tablas 4.3 y 4.4 para los días laborables y
festivos respectivamente.
En los días laborables es posible observar que la generación con fuel y el precio
del CO2 son las variables que más influyen en el precio ante una variación tipo. Por el
contrario las reservas hidráulicas y la generación con carbón son las variables que
menor efecto tienen sobre el precio.
MODEL PPR-CL DS(Y)= 1,7743
RES_HIDRO
PREC_FUE
L180D PREC_CO2 G_IMPORT G_FUEL G_CCGT G_CARBON G_BOMBEO
CAP_INSTA
LADA
Beta* -0,0001 0,0754 0,0932 0,0004 0,0007 0,0002 0,0001 0,0014 -0,1611
DS(X) 2771,86 6,65 7,99 285,27 1080,27 2361,61 1126,49 360,13 2,81Beta ajust* -0,0783 0,2827 0,4195 0,0685 0,4493 0,2343 0,0883 0,2829 -0,2551
Tabla 4.3 Análisis de Cuantía, Bloque Punta (Laborables)
117
En el caso de los días festivos se observa similar comportamiento que en el caso
de los laborables, siendo las variables de mayor influencia la generación con fuel y el
precio del CO2. Las variables con menor influencia son la importación y reservas
hidráulicas.
MODEL PPR-CF DS(Y)= 1,64893
RES_HIDRO
PREC_GAS
180D PREC_CO2 G_IMPORT G_FUEL G_CCGT G_CARBON G_BOMBEO
CAP_INSTA
LADA G_HIDRO
Beta* -0,0001 0,2137 0,1105 0,0002 0,0009 0,0002 0,0002 0,0015 -0,1159 -0,0001
DS(X) 2770,99 1,57 7,92 293,90 543,95 1795,84 1672,43 319,36 2,82 2014,86
Beta ajust* -0,0970 0,2030 0,5309 0,0392 0,3075 0,1634 0,1927 0,2998 -0,1981 -0,0699
Tabla 4.4 Análisis de Cuantía, Bloque Punta (Festivos)
Bloque Valle
Los resultados para el bloque de valle se presentan en las tablas 4.5 y 4.6 para
los días laborables y festivos respectivamente.
El análisis de cuantía para días laborables indica que las variables que afectan en
mayor medida al precio son la capacidad instalada, la generación hidráulica y la
demanda.
Por otro lado, las variables que tienen menor influencia sobre el precio son las
importaciones y reservas hidráulicas.
En este caso las reservas hidráulicas guardan una estrecha correlación con la
generación hidráulica que es una de las variables más relevantes. Por tanto no podría
decirse de forma categórica que dicha variable tiene un efecto menor sobre el precio.
MODEL VPR-CL DS(Y)= 1,34754PREC_GAS
180D PREC_CO2 G_HIDRO G_FUEL G_CCGT G_IMPORT G_NUCLEAR G_CARBON DEMANDA
CAP_INSTA
LADA RES_HIDRO G_BOMBEO
Beta* 0,2178 0,0537 -0,0004 0,0005 0,0001 -0,0004 -0,0003 -0,0002 0,0002 -0,2498 0,0000 0,0033
DS(X) 1,55 7,99 1610,30 500,76 1976,56 324,06 773,07 1697,32 2547,72 2,81 2771,86 93,34
Beta ajust* 0,2512 0,3183 -0,4613 0,1996 0,1439 -0,0856 -0,1939 -0,2066 0,3725 -0,5209 -0,0543 0,2319
Tabla 4.5 Análisis de Cuantía, Bloque Valle (Laborables)
Al observar el comportamiento de las distintas variables en días festivos se
observa que el precio del CO2 y la generación con carbón son las variables con mayor
influencia. Mientras que la generación hidráulica es la variable que afecta en menor
medida el precio.
118
MODEL VPR-CF DS(Y)= 0,96135PREC_GAS
180D PREC_CO2
PREC_FUEL1
80D G_HIDRO G_FUEL G_CCGT G_CARBON
CAP_INSTAL
ADA
Beta 0,1264 0,1001 -0,0189 0,0000 0,0006 0,0001 0,0002 -0,1055
DS(X) 1,57 7,92 6,71 1608,23 250,27 1439,53 1893,28 2,82
Beta ajust 0,2059 0,8247 -0,1321 -0,0738 0,1434 0,1842 0,4293 -0,3093
Tabla 4.6 Análisis de Cuantía, Bloque Valle (Festivos)
Bloque Llano
Los resultados para el bloque de llano se presentan en las tablas 4.7 y 4.8 para
los días laborables y festivos respectivamente.
Se observa que el precio del CO2 y la generación con fuel son las variables con
mayor influencia, mientras que la generación nuclear es la variable con menor
influencia en los precios para los días laborables.
MODEL LPR-CL DS(Y)= 1,614046
CAP_INSTALADA DEMANDA G_FUEL G_HIDRO G_NUCLEAR PREC_CO2
PREC_GAS
180D RES_HIDRO G_BOMBEO
Beta* -0,163961 0,000103 0,000595 -0,00021 -0,000151 0,10054 0,217686 -7,22E-05 0,001639
DS(X) 2,809508 2552,097 978,345 1775,451 746,2218 7,98762 1,330804 2771,854 228,6433
Beta ajust* -0,285400627 0,16286152 0,3606559 -0,2277 -0,069812 0,49757 0,179485 -0,123991 0,23217825
Tabla 4.7 Análisis de Cuantía, Bloque Llano (Laborables)
Evaluando el comportamiento durante los días festivos son el precio del CO2 y
la generación con carbón las variables que más afectan el precio ante una variación tipo.
En este caso por estar conformado el modelo por únicamente seis variables explicativas,
ninguna de ellas parece presentar una influencia despreciable. No obstante, el precio del
gas es la variable que menor influencia posee.
MODEL LPR-CF DS(Y)= 1,235679
CAP_INSTALADA G_FUEL PREC_CO2
PREC_GAS
180D G_CARBON G_CCGT
Beta* -0,110744 0,000831 0,099931 0,125457 0,00026 0,00017
DS(X) 2,817705 454,9088 7,923739 1,333561 1875,689 1644,65
Beta ajust* -0,252528304 0,30592833 0,6408033 0,135395 0,3946649 0,2276
Tabla 4.8 Análisis de Cuantía, Bloque Llano (Festivos)
4.1.3 Comentarios Generales para el Modelo Diario y por Bloques
En general se observa que el precio del CO2 posee una alta influencia en ambos
modelos y esta presente en todos los bloques horarios, de lo cual es posible concluir su
notable influencia en el precio del mercado.
119
De forma contraria, la generación nuclear y las importaciones son variables que
aparecen como significativas en muy pocos modelos y con una influencia muy limitada.
En el caso de la generación nuclear su influencia es limitada debido a que es generación
de base y se encuentra usualmente a su capacidad máxima independiente de los valores
de precio en el mercado diario.
Por otro lado, las importaciones siguen siendo limitadas tanto por la capacidad
de red como por las oportunidades que existen para arbitrar precios entre los distintos
sistemas. Posiblemente, cuando el sistema tenga mayor capacidad de interconexión, será
una variable que influirá en mayor medida sobre el precio.
4.2 Estimación del Precio del Mercado Diario para el 2006
Utilizando los modelos seleccionados se realizó el cálculo del precio para el
mercado diario durante los meses de marzo a diciembre del año 2006. Para ello ha sido
necesario construir las series de datos indicadas en la sección 3.3 para las distintas
variables explicativas, durante el período que se desea estimar.
Es necesario aclarar que la serie de demanda no ha sido obtenida de forma
directa de la energía casada en el mercado diario, debido a que durante dichos meses,
una notable porción de la demanda no fue casada en el mercado diario, sino mediante el
mecanismo de resolución de desvíos. Por tanto, la demanda ha sido obtenida como la
suma de toda la generación que aparece en el programa P48.
4.2.1 Modelo Diario
Utilizando la función encontrada en el capítulo anterior para el modelo diario, se
ha estimado el precio medio ponderado del mercado para cada día, a partir del 1 de
enero hasta el 31 de diciembre de 2006. Los resultados se muestran en la tabla 4.9 y en
el gráfico 4.1.
En la tabla 4.9 se presenta el error relativo absoluto (cuarta columna), que ha
sido calculado considerando el valor medio del valor absoluto de los errores para cada
día. Mientras que en el cálculo del error relativo (quinta columna) se considera
únicamente el valor medio del error.
120
Error relativo absoluto
Error relativo
Precio Estimado
Precio RealMes
c€/kWh Porcentajes
Enero 7,8762 7,4792 7,37% -6,19%
Febrero 7,9276 7,3887 9,84% -8,35%
Marzo 6,3359 5,1328 24,08% -24,08%
Abril 5,5882 5,1222 12,62% -8,89%
Mayo 4,5716 5,0312 14,88% 7,47%
Junio 5,3040 4,8263 32,29% -16,86%
Julio 6,4590 5,2115 24,01% -23,63%
Agosto 5,1485 4,7086 13,44% -8,71%
Septiembre 6,0593 5,4036 14,97% -11,36%
Octubre 4,7366 4,5528 16,07% -3,92%
Noviembre 3,5420 3,7172 14,39% 4,54%
Diciembre 2,9501 3,7060 21,21% 20,18%
Tabla 4.9 Resultados Proyección 2006, Modelo Diario
Precio Promedio Ponderado Diario (2006)
Real vrs. Calculado
0
1
2
3
4
5
6
7
8
9
10
e-06 f-06 m-06 a-06 m-06 j-06 j-06 a-06 s-06 o-06 n-06 d-06
c€/k
Wh
Real
Calculado
Gráfico 4.1 Precio Medio Ponderado Diario 2006, Real vrs. Calculado
Al analizar los resultados se observa un mayor error en los meses de marzo,
junio, julio y diciembre. Es necesario resaltar que en los primeros tres meses
mencionados el precio resultante del modelo es inferior al real, mientras que para el mes
de diciembre ocurre lo contrario.
El valor medio real para los meses de marzo a diciembre fue de 4,7412 c€/kWh,
mientras que el calculado alcanza un valor de 5,0695 c€/kWh.
121
4.2.2 Modelo por Bloques Horarios
Los resultados de la estimación para los distintos bloques horarios se muestran a
continuación.
Bloque Punta
Los precios para el año 2006 han sido calculados utilizando la función obtenida
de la regresión para el bloque de punta, los resultados se muestran en la tabla 4.10 y
gráfico 4.2.
Se observa que a excepción del mes de mayo los valores calculados son
superiores al precio real, presentando las mayores diferencias en los meses de junio,
julio y noviembre.
Precio
EstimadoPrecio Real
Error relativo
absolutoError relativo
Enero 9,5307 9,4861 6,19% -1,05%
Febrero 9,2933 9,0859 6,59% -2,99%
Marzo 7,3984 6,5239 15,19% -14,48%
Abril 6,5141 6,2532 12,55% -4,71%
Mayo 5,6693 6,3039 20,35% 6,18%
Junio 6,9408 6,0780 47,30% -28,42%
Julio 8,5972 6,9896 23,30% -22,59%
Agosto 6,9122 6,2457 16,42% -11,18%
Septiembre 8,2058 7,0966 20,18% -15,30%
Octubre 6,7133 5,8823 24,69% -15,82%
Noviembre 5,4854 4,2693 34,33% -30,89%
Diciembre 5,0842 4,7218 19,12% -9,94%
Mes
c€/kWh Porcentajes
Tabla 4.10 Resultados Proyección 2006, Bloque Punta
En el gráfico es posible observar también como la discontinuidad en los precios
reales del mercado en la primera semana de junio, no se ve reflejada en los valores
calculados, que presentan un comportamiento más uniforme. Se observa también como
las diferencias se disminuyen en general a partir del mes de agosto.
El valor medio real para los meses de marzo a diciembre fue de 6,0364 c€/kWh,
mientras que el calculado alcanza un valor de 6,7521 c€/kWh.
122
Precio Medio Ponderado Punta (2006)
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
e-06 f-06 m-06 a-06 m-06 j-06 j-06 a-06 s-06 o-06 n-06 d-06
c€
/kW
h
Real
Calculado
Gráfico 4.2 Precio Ponderado Bloque Punta 2006, Real vrs. Calculado
Bloque Valle
Los resultados de la función para el modelo correspondiente al precio medio
ponderado para el bloque de valle se presentan en la tabla 4.11 y gráfico 4.3.
Se observa un valor de error, tanto absoluto como relativo, muy alto en el mes
de marzo, seguido de los meses de noviembre y diciembre. Par el mes de marzo los
valores calculados son superiores a los reales, mientras que para los últimos meses del
año se observa lo contrario.
El valor medio real para los meses de marzo a diciembre fue de 3,3064 c€/kWh,
mientras que el calculado alcanza un valor de 3,0643 c€/kWh.
Precio
EstimadoPrecio Real
Error relativo
absolutoError relativo
Enero 5,3347 4,9012 11,81% -10,68%
Febrero 5,8265 5,3138 14,84% -11,23%
Marzo 4,9527 3,5021 52,72% -52,72%
Abril 4,3047 3,8152 24,50% -15,35%
Mayo 3,1761 3,3811 18,54% 5,26%
Junio 3,1023 3,3748 15,28% 8,08%
Julio 4,0150 3,3839 21,73% -18,71%
Agosto 2,8322 3,3696 22,46% 15,98%
Septiembre 3,6692 3,4029 19,65% -7,93%
Octubre 2,4022 3,2884 28,27% 26,93%
Noviembre 1,3722 3,0395 55,51% 55,51%
Diciembre 0,8160 2,5066 66,11% 66,11%
Mes
c€/kWh Porcentajes
Tabla 4.11 Resultados Proyección 2006, Bloque Valle
123
En el gráfico 4.3 se observa un comportamiento muy inusual en los valores
medios ponderados reales, presentando un valor muy uniforme alrededor de los 3,4
c€/kWh, durante los meses de junio a octubre.
En los últimos tres meses del año los valores calculados son inferiores al real,
llegando a valores muy cercanos a cero en los primeros días del mes de diciembre, esto
se debe a la relativa disminución en los precios de los combustibles, mayores niveles de
reservas y generación hidráulica, así como la notable reducción en los precios del CO .2
Precio Promedio Ponderado Valle 2006
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
e-06 f-06 m-06 a-06 m-06 j-06 j-06 a-06 s-06 o-06 n-06 d-06
c€/k
Wh
Real
Calculado
Gráfico 4.3 Precio Ponderado Bloque Valle 2006, Real vrs. Calculado
Bloque Llano
Los resultados del modelo para el bloque de llano se presentan en la tabla 4.12 y
gráfico 4.4.
Al comparar los valores reales y calculados se observa una mayor diferencia en
los meses de marzo, junio, julio y diciembre. Los precios calculados para los primeros
tres meses antes mencionados presentan valores superiores a los reales, mientras que
para el mes de diciembre se observa lo contrario.
En general los valores observados entre los meses de agosto a noviembre
parecen reflejar diferencias muy poco significativas entre los precios reales y
calculados.
124
Precio
EstimadoPrecio Real
Error relativo
absolutoError relativo
Enero 7,6064 7,4760 6,98% -2,65%
Febrero 7,8456 7,3527 11,06% -8,26%
Marzo 6,3464 5,0516 26,30% -25,90%
Abril 5,4516 5,0588 12,55% -7,32%
Mayo 4,4522 5,0195 15,34% 9,63%
Junio 4,9445 4,7135 28,86% -12,44%
Julio 6,0084 4,9796 21,21% -21,16%
Agosto 4,7367 4,4006 10,64% -7,29%
Septiembre 5,5781 5,3049 11,03% -5,17%
Octubre 4,2354 4,3238 10,76% 2,10%
Noviembre 2,9758 3,6691 19,66% 19,08%
Diciembre 2,3542 3,6163 35,21% 35,21%
Mes
c€/kWh Porcentajes
Tabla 4.12 Resultados Proyección 2006, Bloque Llano
Por otro lado, en el gráfico 4.4 se observa para los precios reales la misma
discontinuidad observada para el bloque de punta entre los meses de mayo y junio,
donde los precios disminuyen notablemente durante la primera semana de junio.
El valor medio real para los meses de marzo a diciembre fue de 4,6138 c€/kWh,
mientras que el calculado alcanza un valor de 4,7083 c€/kWh.
Precio Promedio Llano Ponderado 2006
0,00
2,00
4,00
6,00
8,00
10,00
e-06 f-06 m-06 a-06 m-06 j-06 j-06 a-06 s-06 o-06 n-06 d-06
c€
/kW
h
Real
Calculado
Gráfico 4.4 Precio Ponderado Bloque Llano 2006, Real vrs. Calculado
125
4.2.3 Comentarios Generales para el Modelo Diario y por Bloques
De forma general, se observan variaciones relevantes en el mes de marzo que
coinciden con la aplicación del RD 3/2006, que en general provocaron precios más
bajos en el mercado diario, especialmente en el bloque valle.
El incremento en los precios reales observado en las dos últimas semanas de
mayo parece no corresponder con los resultados del modelo. No obstante la estrategia
desarrollada por Iberdola, a partir del 3 de junio de 2006, disminuye considerablemente
los precios del mercado en los bloques de punta y llano.
La modificación de las ofertas de compra de energía por parte de Iberdrola
distribución, descrita en la sección 1.5.5, parece haber desarrollado un mayor impacto
durante los meses de junio y julio, pues a partir del mes de agosto el precio del mercado
diario parece seguir el comportamiento observado años atrás, al obtener valores
calculados cercanos a los reales.
De forma excepcional se observa que el precio real del bloque valle parece no
responder a la variación de las variables explicativas desde el mes de junio hasta
octubre.
Finalmente en los meses de noviembre y diciembre, los valores del precio
calculados experimentan una notable disminución debida a los mayores niveles en los
embalses y generación hidráulica, así como la disminución relativa de los precios de los
combustibles y el CO2. Tal disminución no fue reflejada en los precios reales, dando
como resultado precios superiores, especialmente en los bloques de valle y llano.
Para el período de marzo a diciembre, los valores medios del precio calculado
son ligeramente superiores a los reales en 6,9% para el modelo diario y 2,2% para el
modelo por bloques.
126
5.0 CONCLUSIONES
En general las variables explicativas seleccionadas no presentan un
comportamiento que corresponda a una distribución normal, siendo la demanda
la única variable con un comportamiento más cercano a dicha distribución. No
obstante la prueba de hipótesis Jarque-Bera indica que no sigue tal distribución.
Como consecuencia de la falta de normalidad de las variables explicativas, el
precio de la energía tampoco presenta un comportamiento normal.
Existe multicolinealidad entre algunas de las variables seleccionadas, se
identifican tres grupos con un nivel de correlación significativo:
a) Precio de los combustibles: carbón, fuel y gas
b) Reservas hidráulicas en los embalses y generación hidráulica
c) Demanda y la cantidad de generación correspondiente a las distintas
fuentes: hidráulica, carbón, fuel, CCGT, etc.
La presencia de correlación provoca que algunas variables presenten
coeficientes con signos contrarios a los esperados (precio del carbón). Al mismo
tiempo los estimadores siguen siendo insesgados, sin embargo su varianza no es
mínima y consecuentemente los intervalos de confianza para aceptar la
significancia estadística de los mismos es muy amplia y conlleva a la posibilidad
de aceptar un como significativo un estimador que no lo es.
Según la prueba Durbin-Watson, los residuos obtenidos en los modelos
presentan correlación serial positiva, es decir un error positivo en un período
tendrá mayor posibilidad de estar asociado con un error también positivo en el
período siguiente. Para reducir la correlación serial es posible introducir
variables autoregresivas que corresponden al error obtenido “n” períodos atrás.
127
En general en el análisis de cuantía se observa que el precio de las emisiones de
CO2 posee una alta influencia sobre el precio de la energía. El fuel posee alta
influencia para los bloques de punta y llano (laborables). Por el contrario la
generación nuclear y las importaciones son las variables con influencia más
limitada sobre el precio.
La utilización del modelo de regresión lineal para calcular los precios de la
energía, resulta bastante limitada, debido a que no se cumplen algunos supuestos
del modelo como la homocedasticidad, correlación serial y falta de normalidad
de los residuos. Esto hace que el modelo solo pueda aplicarse en el corto plazo y
cuando las variables explicativas no presentan valores extremos.
Al calcular los precios para el período de marzo a diciembre de 2006, se observa
una variación relevante justo con la aplicación del RD 3/2006 en el mes de
marzo. Los precios calculados son superiores a los reales observados en el
mercado diario, especialmente en el bloque de valle, seguido del llano y la
punta.
La modificación de las ofertas de compra de energía por parte de Iberdrola
distribución ocasionó otra variación relevante en el precio durante los meses de
junio y julio, los efectos son superiores en el bloque de punta y en menor medida
para los bloques de llano y valle.
En los meses de noviembre y diciembre del año 2006 los valores calculados son
inferiores a los observados en el mercado diario. Tal disminución es debida al
incremento en el nivel de las reservas hidráulicas, así como la reducción en el
precio del CO2 y los combustibles fósiles.
128
BIBLIOGRAFIA
[BOE_97] Boletín oficial del estado núm. 285, “Ley 54, del 27 de noviembre de
1997”, Madrid, 1997.
[BOE_05A] Boletín oficial del estado núm. 62, “Real Decreto Ley 5/2005, del 11 de
marzo de 2005”, Madrid, 2005.
[BOE_05B] Boletín oficial del estado núm. 306, “Real Decreto Ley 1454/2005, del
02 de diciembre de 2005”, Madrid, 2005.
[BOE_06A] Suplemento del boletín oficial del estado núm. 128, “Programa
Operativo 7.2: Servicio complementario de regulación secundaria”,
Madrid, 2006.
[BOE_06B] Suplemento del boletín oficial del estado núm. 128, “Programa
Operativo 7.3: Servicio complementario de regulación terciaria”, Madrid,
2006.
[BOE_06C] Suplemento del boletín oficial del estado núm. 128, “Programa
Operativo 3.3: Resolución de desvíos generación - consumo”, Madrid,
2006.
[BOE_06D] Boletín oficial del estado núm. 50, “Real Decreto Ley 3/2006, del 24 de
febrero”, Madrid, 2006.
[CNE__A] Comisión Nacional de Energía, “La Comisión Nacional de Energía”,
Madrid.
<http://www.cne.es/cne/contenido.jsp?id_nodo=3&&&keyword=&audit
oria=F>
[DOME85] Domenech, J., Riba, M., “Métodos Estadísticos”, Modelo Lineal de
Regresión, Vol. 6, Herder, Barcelona 1981.
[GUJA81] Gujarati, D., City University of New York, “Econometría”, McGraw
Hill, Bogotá 1981.
[KEND69] Kendall, M. y Stuart, A., “The Advanced Theory of Statistics”, vol. 2,
Charles Griffin Publishers, New York 1961.
129
[MAHI05] Mahía, R., “Guía Para el Manejo del Programa E-Views”, Cap.II,
Tratamiento básico de series estadísticas e Introducción al procedimiento
de regresión, Cap. III, Interpretación del Análisis de regresión en eviews:
Contrastes y primeras medidas de bondad a priori de un MBRL,
Universidad Autónoma de Madrid, Madrid, 2005.
[MYTI__] Ministerio de Industria, Turismo y Comercio, “Evolución del Sector
Eléctrico”, España.
<http://www.mityc.es/Electricidad/Seccion/Sector/>
[OMEL07] Operador del mercado Ibérico de energía, “Mercado de electricidad.
Evolución del mercado de producción de energía eléctrica, diciembre
2006”, Madrid 2007.
<http://www.omel.es/es/pdfs/INFORME_MENSUAL_DIC_2006.pdf>
[PEÑA95] Peña, D., “Estadística Modelos y Métodos”, 2º Modelos Lineales y
Series Temporales, Alianza Editorial, Madrid 1995.
[PIND80] Pindyck, R. y Rubinfeld, D., “Modelos Econométricos”, Labor
Universitaria, Manuales, Barcelona 1980.
[QUAN01] Quantitative Micro Software, “EViews 4.0 User’s Guide”, Irvine,
California 2001.
[REE_06A] Red Eléctrica de España, “El marco legal estable. Economía del sector
eléctrico español 1988 – 1997” , Madrid 2006.
<http://www.ree.es/accionistas/pdf/MarcoLegalEstable.pdf>
[REE_06B] Red Eléctrica de España, “El sistema eléctrico español 2005” , Madrid
2006.
<http://www.ree.es/cap07/pdf/infosis/Inf_Sis_Elec_REE_2005.pdf>
[REE_07] Red Eléctrica de España, “El sistema eléctrico español 2005. Avance del
informe 2006” , Madrid 2007.
<httphttp://www.ree.es/apps/index_dinamico.asp?menu=/cap09/menu_p
u.htm&principal=/cap09/pu01.htm>
130
ANEXOS
131
ANEXO 1: LISTADO DE ABREVIATURAS UTILIZADAS
CCGT: Centrales de Ciclo Combinado con Turbina de Gas
CNE: Comisión Nacional de Energía
CTCs: Costes de Transición a la Competencia
CNSE: Comisión Nacional del Sistema Eléctrico
MD: Mercado Diario de Producción de Energía Eléctrica
MIBEL: Mercado Ibérico de Electricidad entre el reinado de España y la república
de Portugal
OM: Operador del Mercado
OMEL: Operador del Mercado Ibérico de Energía – Polo Español, S.A.
OMIP: Operador del Mercado Ibérico de Energía – Polo Portugués
OS: Operador del Sistema
PDBF: Programa diario base de funcionamiento
PDVP: Programa diario viable provisional
PRC: Programa resultante de la casación
P48: Programa horario operativo
RD: Real Decreto
RDL: Real Decreto Ley
REE: Red Eléctrica de España S.A.
SEIE: Sistema Eléctrico Insular y Extrapeninsular
UNESA: Unidad Eléctrica S.A., ahora Asociación Española de la Industria
Eléctrica
132
ANEXO 2 : CAPACIDAD INSTALADA POR FUENTE (MW) Hidraulica Bombeo Nuclear Carb Nac Carb Imp Fuel CCGT Total
ene-00 12.781 2.630 7.562 9.412 1.880 6.770 0 41.035
feb-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
mar-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
abr-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
may-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
jun-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
jul-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
ago-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
sep-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
oct-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
nov-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
dic-00 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
ene-01 12.650 2.630 7.562 9.412 1.880 6.770 0 40.904
feb-01 12.650 2.630 7.562 9.412 1.880 6.638 0 40.771
mar-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
abr-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
may-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
jun-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
jul-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
ago-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
sep-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
oct-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
nov-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
dic-01 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
ene-02 12.650 2.630 7.562 9.412 1.880 6.495 0 40.629
feb-02 12.649 2.630 7.562 9.412 1.880 6.425 0 40.558
mar-02 12.649 2.630 7.562 9.412 1.880 6.425 0 40.558
abr-02 12.649 2.630 7.562 9.412 1.880 6.425 0 40.558
may-02 12.649 2.630 7.562 9.412 1.880 6.425 0 40.558
jun-02 12.649 2.630 7.562 9.412 1.880 6.425 0 40.558
jul-02 12.649 2.630 7.562 9.412 1.880 6.425 366 40.924
ago-02 12.649 2.630 7.562 9.412 1.880 6.425 1.132 41.690
sep-02 12.649 2.630 7.562 9.412 1.880 6.425 2.651 43.209
oct-02 12.649 2.630 7.562 9.412 1.880 6.425 2.651 43.209
nov-02 12.649 2.630 7.562 9.412 1.880 6.425 2.651 43.209
dic-02 12.649 2.630 7.562 9.412 1.880 6.425 2.651 43.209
ene-03 12.649 2.630 7.562 9.412 1.880 6.425 2.651 43.209
feb-03 12.648 2.630 7.562 9.412 1.880 6.291 2.651 43.074
mar-03 12.648 2.630 7.562 9.412 1.880 6.291 2.651 43.074
abr-03 12.648 2.630 7.562 9.412 1.880 6.291 2.651 43.074
may-03 12.648 2.630 7.562 9.412 1.880 6.291 3.040 43.463
jun-03 12.648 2.630 7.562 9.412 1.880 6.291 4.204 44.627
jul-03 12.648 2.630 7.562 9.412 1.880 6.291 4.204 44.627
ago-03 12.648 2.630 7.562 9.412 1.880 6.291 4.204 44.627
sep-03 12.648 2.630 7.562 9.412 1.880 6.291 4.204 44.627
oct-03 12.648 2.630 7.562 9.412 1.880 6.291 4.204 44.627
nov-03 12.648 2.630 7.562 9.412 1.880 6.291 4.204 44.627
dic-03 12.648 2.630 7.562 9.412 1.880 6.291 4.204 44.627
ene-04 12.648 2.630 7.562 9.412 1.880 6.291 4.204 44.627
feb-04 12.646 2.630 7.562 9.281 1.880 5.452 4.204 43.657
mar-04 12.646 2.630 7.562 9.281 1.880 5.452 4.593 44.046
abr-04 12.646 2.630 7.562 9.281 1.880 5.167 4.593 43.761
may-04 12.646 2.630 7.562 9.281 1.880 5.167 4.593 43.761
jun-04 12.646 2.630 7.562 9.281 1.880 5.167 4.593 43.761
jul-04 12.646 2.630 7.562 9.281 1.880 5.167 4.982 44.150
ago-04 12.646 2.630 7.562 9.281 1.880 5.167 5.371 44.539
sep-04 12.646 2.630 7.562 9.281 1.880 5.167 5.371 44.539
oct-04 12.646 2.630 7.562 9.281 1.880 5.167 5.371 44.539
nov-04 12.646 2.630 7.562 9.281 1.880 5.167 6.149 45.317
dic-04 12.646 2.630 7.562 9.281 1.880 5.167 6.927 46.095
ene-05 12.646 2.630 7.562 9.281 1.880 5.167 7.705 46.873
feb-05 12.645 2.630 7.562 8.930 1.880 5.167 8.094 46.910
mar-05 12.645 2.630 7.562 8.930 1.880 5.167 8.094 46.910
abr-05 12.645 2.630 7.562 8.930 1.880 5.167 8.094 46.910
may-05 12.645 2.630 7.562 8.930 1.880 5.167 8.094 46.910
jun-05 12.645 2.630 7.562 8.930 2.231 5.167 8.094 47.261
jul-05 12.645 2.630 7.562 8.930 2.231 5.167 9.650 48.817
ago-05 12.645 2.630 7.562 8.930 2.231 5.167 9.650 48.817
sep-05 12.645 2.630 7.562 8.930 2.231 5.167 9.650 48.817
oct-05 12.645 2.630 7.562 8.930 2.231 5.167 9.650 48.817
nov-05 12.645 2.630 7.562 8.930 2.231 5.167 9.650 48.817
dic-05 12.645 2.630 7.562 8.930 2.231 5.167 9.650 48.817
ene-06 12.645 2.630 7.562 8.930 2.231 5.167 10.817 49.984
feb-06 12.645 2.630 7.562 8.858 2.231 5.021 10.817 49.765
mar-06 12.645 2.630 7.562 8.858 2.231 5.021 10.817 49.765
abr-06 12.645 2.630 7.562 8.858 2.231 5.021 13.151 52.099
may-06 12.645 2.630 7.410 8.858 2.231 5.021 13.151 51.946
jun-06 12.645 2.630 7.410 8.858 2.231 5.021 13.151 51.946
jul-06 12.645 2.630 7.410 8.858 2.231 5.021 13.151 51.946
ago-06 12.645 2.630 7.410 8.507 2.231 5.021 13.151 51.596
sep-06 12.645 2.630 7.410 8.507 2.231 5.021 13.151 51.596
oct-06 12.645 2.630 7.410 8.507 2.231 5.021 13.929 52.374
nov-06 12.645 2.630 7.410 8.507 2.231 5.021 13.929 52.374
dic-06 12.645 2.630 7.410 8.507 2.581 5.021 13.929 52.724
133
ANEXO 3 : LISTADO DE DIAS FESTIVOS (2000 – 2006)
(No se incluyen sábados y domingos)
1 de enero de 2000 12 de octubre de 2003
6 de enero de 2000 1 de noviembre de 2003
20 de abril de 2000 6 de diciembre de 2003
21 de abril de 2000 8 de diciembre de 2003
1 de mayo de 2000 25 de diciembre de 2003
15 de agosto de 2000 1 de enero de 2004
12 de octubre de 2000 6 de enero de 2004
1 de noviembre de 2000 8 de abril de 2004
6 de diciembre de 2000 9 de abril de 2004
8 de diciembre de 2000 1 de mayo de 2004
25 de diciembre de 2000 15 de agosto de 2004
1 de enero de 2001 12 de octubre de 2004
6 de enero de 2001 1 de noviembre de 2004
12 de abril de 2001 6 de diciembre de 2004
13 de abril de 2001 8 de diciembre de 2004
1 de mayo de 2001 25 de diciembre de 2004
15 de agosto de 2001 1 de enero de 2005
12 de octubre de 2001 6 de enero de 2005
1 de noviembre de 2001 24 de marzo de 2005
6 de diciembre de 2001 25 de marzo de 2005
8 de diciembre de 2001 1 de mayo de 2005
25 de diciembre de 2001 15 de agosto de 2005
1 de enero de 2002 12 de octubre de 2005
6 de enero de 2002 1 de noviembre de 2005
28 de marzo de 2002 6 de diciembre de 2005
29 de marzo de 2002 8 de diciembre de 2005
1 de mayo de 2002 25 de diciembre de 2005
15 de agosto de 2002 1 de enero de 2006
12 de octubre de 2002 6 de enero de 2006
1 de noviembre de 2002 13 de abril de 2006
6 de diciembre de 2002 14 de abril de 2006
8 de diciembre de 2002 1 de mayo de 2006
25 de diciembre de 2002 15 de agosto de 2006
1 de enero de 2003 12 de octubre de 2006
6 de enero de 2003 1 de noviembre de 2006
17 de abril de 2003 6 de diciembre de 2006
18 de abril de 2003 8 de diciembre de 2006
1 de mayo de 2003 25 de diciembre de 2006
15 de agosto de 2003
2003
2004
2005
2006
2000
2001
2002
2003
134