MÁSTER OFICIAL EN EL SECTOR ELÉCTRICO TESIS DE MÁSTER ... · mÁster oficial en el sector elÉctrico tesis de mÁster anÁlisis cualitativo y cuantitativo de la relaciÓn existente

MÁSTER OFICIAL EN EL SECTOR ELÉCTRICO

TESIS DE MÁSTER

ANÁLISIS CUALITATIVO Y CUANTITATIVO DE LA

RELACIÓN EXISTENTE ENTRE LA CALIDAD DE

SUMINISTRO ELÉCTRICO, LA INVERSIÓN Y SUS

COMPONENTES

Autor: Santiago Mayner

Madrid, Octubre 2008

UNIVERSIDAD PONTIFICIA COMILLAS

ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)

1.1

Autorizada la entrega de la tesis de máster del alumno/a:

Santiago Mayner Eiguren

EL DIRECTOR

EDUARDO VALTIERRA GUTIERREZ

Fdo.: …………………… Fecha: ……/ ……/ ……

EL TUTOR

TOMÁS GÓMEZ SAN ROMÁN

Fdo.: …………………… Fecha: ……/ ……/ ……

Vº Bº del Coordinador de Proyectos

TOMÁS GÓMEZ SAN ROMÁN

Fdo.: …………………… Fecha: ……/ ……/ ……

MÁSTER OFICIAL EN EL SECTOR ELÉCTRICO

TESIS DE MÁSTER

ANÁLISIS CUALITATIVO Y CUANTITATIVO DE LA

RELACIÓN EXISTENTE ENTRE LA CALIDAD DE

SUMINISTRO ELÉCTRICO, LA INVERSIÓN Y SUS

COMPONENTES

Autor: Santiago Mayner

Madrid, Octubre 2008

UNIVERSIDAD PONTIFICIA COMILLAS

ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)

1.2

i

RESUMEN

Hasta el presente año ha sido de aplicación el Real Decreto 2819/2008 en el

que se establecía la retribución de la actividad de distribución. Dicha normativa

carecía de objetivos ni mecanismos orientados a la mejora de la calidad de

suministro y la retribución se establecía de manera global, sin tener presentes

las especificidades de cada empresa y zona geográfica. El Real Decreto

222/2008 del 15 de febrero establece el nuevo régimen de retribución de la

actividad de distribución de energía eléctrica, el mismo contiene incentivos

concretos orientados a la mejora de la calidad de suministro, con el objeto de

inducir a las empresas a invertir para la consecución de determinados objetivos

de calidad en beneficio de los consumidores.

En el nuevo contexto regulatorio se hace necesaria la profundización y estudio

de las relaciones existentes entre las inversiones realizadas y la calidad de

suministro obtenida. Si dicha relación existe resulta necesario proceder a su

cuantificación, ya que la misma determinará, en último término, la elasticidad

entre la variación de inversión y la calidad de suministro obtenida (en último

término la elasticidad entre la inversión y el incremento de retribución por el

incentivo de calidad de suministro.)

Se pretende por tanto, demostrar la existencia de la relación entre inversión y

calidad, conocer de qué modo se produce dicha relación y realizar la

cuantificación. Para ello se aplicarán herramientas de tipo estadístico a datos

referentes a la evolución de la calidad de suministro e inversiones realizadas en

una red concreta de distribución.

ii

ABSTRACT

Until the present year Royal Decree 2819/2008 has been applied to the

remuneration of the electricity distribution activity. The above mentioned

regulation lack of mechanisms oriented to the improvement of the quality of

supply, and the remuneration was established in a global way, without having

present the specificities of the different companies nor their geographical zones.

The Royal decree 222/2008 of February 15 establishes the new remuneration

regimen of the electricity distribution activity, it contains concrete incentives

oriented to the improvement of the quality of supply, in order to induce

companies to invest for the attainment of certain quality aims in benefit of the

consumers.

In this new regulatory context, deepening and studying the existence of

relations between investment and the obtained quality of supply becomes a

must. If the above mentioned relation exists, it turns out necessary to proceed

to its quantification, since the same one will in last term determine, the elasticity

between the variation of investment and the quality of service obtained (in last

term the elasticity between investment and the increase of remuneration for the

quality of supply incentive.)

It is tried therefore, to demonstrate the existence of the relation between quality

of supply and investment, to analyse how this relation takes place and proceed

to its quantification. Tools of statistical type will be applied to information relating

to the evolution of the quality of supply and investments realized in a concrete

distribution network.

iii

ÍNDICE DE CONTENIDOS

1. INTRODUCCIÓN Y PLANTEAMIENTO....................... ............................................. 1

1.1 Motivación y objetivos de la tesis ...................................................................... 1

1.2 Planteamiento .................................................................................................. 1

2. CALIDAD DE SERVICIO EN UNA RED DE DISTRIBUCIÓN ELÉC TRICA .............. 3

2.1 Real Decreto 1955/2000 ................................................................................... 3

2.2 Real Decreto 222/2008 ..................................................................................... 4

2.3 Selección del TIEPI como índice de calidad ..................................................... 6

3. TOMA DE DATOS ..................................... ............................................................... 7

3.1 Red de distribución de Iberdrola ....................................................................... 7

3.2 Inversión ........................................................................................................... 8

3.2.1 Inversión en desarrollo........................................................................... 8

3.2.2 Inversión en renovación ......................................................................... 9

3.2.3 Inversión en automatización ................................................................ 10

4. TIEPI 99 .................................................................................................................. 11

5. EVOLUCIÓN DEL TIEPI 99 ............................ ........................................................ 13

6. EVOLUCIÓN DE LA DEMANDA ........................... ................................................. 15

7. ANÁLISIS DE LAS VARIABLES ......................... ................................................... 16

7.1 Correlación entre TIEPI 99 e inversión ........................................................... 16

7.2 Decalaje entre inversiones y TIEPI 99 ............................................................ 17

7.3 Correlaciones en la red de distribución de Iberdrola ....................................... 22

7.3.1 Coeficientes de correlación entre inversión y TIEPI 99 ........................ 22

7.3.2 Coeficientes de correlación entre inversión en desarrollo, renovación, automatización y TIEPI 99 .............................................................................. 23

7.3.3 Diagramas de dispersión de la inversión total y la inversión en desarrollo, renovación y automatización ......................................................... 24

7.4 Correlaciones en la red de la región este ........................................................ 25




iv

7.5 Correlaciones en la red de la región Madrid .................................................... 28




7.6 Correlaciones en la red de la región centro ..................................................... 31




7.7 Correlaciones en la red de la región oeste ...................................................... 34




7.8 Correlaciones en la red de la región norte ...................................................... 37




7.9 Interpretación de los resultados ...................................................................... 40

7.10 Aplicación de la técnica de regresión .............................................................. 43

7.11 Aplicación de la técnica de regresión a la red de Iberdrola ............................. 46

7.11.1 Aplicación de la técnica de regresión multivariable a la red de Iberdrola ......................................................................................................... 46

7.11.2 Aplicación de la técnica de regresión simple a la red de Iberdrola ..... 52

7.12 Elección del modelo ........................................................................................ 55

7.13 Aplicación de la técnica de regresión lineal simple en la región este .............. 58

7.14 Aplicación de la técnica de regresión lineal simple en la región Madrid .......... 62

7.15 Aplicación de la técnica de regresión lineal simple en la región centro ........... 66

7.16 Aplicación de la técnica de regresión lineal simple en las regiónes norte y oeste ....................................................................................................................... 70

8. CONCLUSIONES ................................................................................................... 71

9. BIBLIOGRAFÍA ...................................... ................................................................ 76

v

ÍNDICE DE FIGURAS

Figura 1: Evolución del TIEPI 99 ................................................................................. 13

Figura 2: Diagramas de dispersión para los siguientes decalajes ............................... 19

Figura 3: Diagramas de dispersión para la inversión total, desarrollo, renovación y automatización para la red de Iberdrola ...................................................................... 24

Figura 4: Diagramas de dispersión para la inversión total, desarrollo, renovación y automatización en la región este ................................................................................ 27

Figura 5: Diagramas de dispersión para la inversión total, desarrollo, renovación y automatización en la región de Madrid ....................................................................... 30

Figura 6: Diagramas de dispersión para la inversión total, desarrollo, renovación y automatización en la región de centro ........................................................................ 33

Figura 7: Diagramas de dispersión para la inversión total, desarrollo, renovación y automatización en la región de oeste .......................................................................... 36

Figura 8: Diagramas de dispersión para la inversión total, desarrollo, renovación y automatización en la región de oeste .......................................................................... 39

Figura 9: Relación entre calidad e inversión ............................................................... 41

Figura 10: Recta de regresión para Iberdrola .............................................................. 56

Figura 11: Recta de regresión para la región este ...................................................... 59

Figura 12: Recta de regresión para la región de Madrid ............................................. 63

Figura 13: Recta de regresión para la región centro ................................................... 67

vi

ÍNDICE DE TABLAS

Tabla 1: Inversión total .................................................................................................. 8

Tabla 2: Inversión en desarrollo .................................................................................... 9

Tabla 3: Inversión en renovación .................................................................................. 9

Tabla 4: Inversión en automatización .......................................................................... 10

Tabla 5: TIEPI 99 en horas ......................................................................................... 12

Tabla 6: Correlaciones en la evolución del TIEPI 99 ................................................... 14

Tabla 7: Energía distribuida en kWh ........................................................................... 15

Tabla 8: Crecimiento de la demanda .......................................................................... 15

Tabla 9: Correlación sin decalaje ................................................................................ 17

Tabla 10: Correlación con un año de decalaje ............................................................ 18

Tabla 11: Correlación con dos años de decalaje ......................................................... 18

Tabla 12: Correlación con tres años de decalaje ........................................................ 19

Tabla 13: Correlación inversión total - TIEPI 99 Iberdrola ........................................... 22

Tabla 14: Correlación inversión en desarrollo - TIEPI 99 Iberdrola ............................. 23

Tabla 15: Correlación inversión en renovación - TIEPI 99 Iberdrola ............................ 23

Tabla 16: Correlación inversión en automatización - TIEPI 99 Iberdrola ..................... 23

Tabla 17: Correlación inversión total - TIEPI 99 este .................................................. 25

Tabla 18: Correlación inversión en desarrollo - TIEPI 99 este ..................................... 25

Tabla 19: Correlación inversión en renovación - TIEPI 99 este ................................... 26

Tabla 20: Correlación inversión en automatización - TIEPI 99 este ............................ 26

Tabla 21: Correlación inversión total - TIEPI 99 Madrid .............................................. 28

Tabla 22: Correlación inversión en desarrollo - TIEPI 99 Madrid ................................ 28

Tabla 23: Correlación inversión en renovación - TIEPI 99 Madrid ............................... 29

Tabla 24: Correlación inversión en automatización - TIEPI 99 Madrid ........................ 29

Tabla 25: Correlación inversión total - TIEPI 99 centro ............................................... 31

Tabla 26: Correlación inversión en desarrollo - TIEPI 99 centro ................................. 31

Tabla 27: Correlación inversión en renovación - TIEPI 99 centro ................................ 32

Tabla 28: Correlación inversión en automatización - TIEPI 99 centro ......................... 32

Tabla 29: Correlación inversión total - TIEPI 99 oeste ................................................ 34

Tabla 30: Correlación inversión en desarrollo - TIEPI 99 oeste ................................... 34

Tabla 31: Correlación inversión en renovación - TIEPI 99 oeste ................................. 35

Tabla 32: Correlación inversión en automatización - TIEPI 99 oeste .......................... 35

Tabla 33: Correlación inversión total - TIEPI 99 norte ................................................. 37

vii

Tabla 34: Correlación inversión en desarrollo - TIEPI 99 norte ................................... 37

Tabla 35: Correlación inversión en renovación - TIEPI 99 norte ................................. 38

Tabla 36: Correlación inversión en automatización - TIEPI 99 norte ........................... 38

Tabla 37: Variables introducidas regresión múltiple .................................................... 46

Tabla 38: Resumen modelo regresión múltiple ........................................................... 46

Tabla 39: Coeficientes del modelo regresión múltiple ................................................. 47

Tabla 40: Significancia de las variables independientes ............................................. 48

Tabla 41: Análisis de multicolinealidad ....................................................................... 49

Tabla 42: Tabla ANOVA regresión múltiple ................................................................. 50

Tabla 43: Variables introducidas regresión lineal simple ............................................. 52

Tabla 44: Resumen del modelo de regresión lineal simple ......................................... 52

Tabla 45: Coeficientes del modelo de regresión simple .............................................. 53

Tabla 46: Significancia de la variable independiente ................................................... 53

Tabla 47: Tabla ANOVA regresión simple ................................................................... 54

Tabla 48: Variables introducidas región este .............................................................. 58

Tabla 49: Resumen del modelo región este ................................................................ 58

Tabla 50: Coeficientes región este .............................................................................. 47

Tabla 51: Significancia variable región este ............................................................... 59

Tabla 52: Tabla ANOVA región este ........................................................................... 52

Tabla 53: Variables introducidas región de Madrid ..................................................... 62

Tabla 54: Resumen del modelo región de Madrid ....................................................... 62

Tabla 55: Coeficientes región de Madrid ..................................................................... 62

Tabla 56: Significancia variable región de Madrid ...................................................... 63

Tabla 57: Tabla ANOVA región de Madrid .................................................................. 64

Tabla 58: Variables introducidas región centro ........................................................... 66

Tabla 59: Resumen del modelo región centro ............................................................. 66

Tabla 60: Coeficientes región centro ........................................................................... 67

Tabla 61: Significancia variable región centro ............................................................ 68

Tabla 62: Tabla ANOVA región centro ........................................................................ 68

1

1. INTRODUCCIÓN Y PLANTEAMIENTO

1.1 Motivación y Objetivos de la tesis

Se pretende demostrar la existencia y cuantificación de la relación existente

entre las inversiones realizadas en una red de distribución eléctrica y la calidad

de servicio. Dicha relación, en caso de existir, permitirá cuantificar la elasticidad

entre la variación de inversión y la calidad de suministro obtenida, (en último

término la elasticidad entre la inversión y el incremento de retribución por el

incentivo de la calidad de suministro).

1.2 Planteamiento

Es lógico pensar que en la calidad de servicio ofrecida por una red de

distribución, como la de cualquier otra infraestructura, influirá en gran medida

la inversión que se realice en la misma tanto en su construcción como a lo

largo de su vida útil. A partir de esta hipótesis se ha tratado de cuantificar la

relación existente entre calidad de suministro e inversiones.

La tesis se vale de herramientas de tipo estadístico en su desarrollo, y se

estructura básicamente en dos partes. En la primera parte del estudio se

realiza el contraste de la hipótesis con datos reales procedentes de una red de

distribución concreta, con el objeto de verificar si la hipótesis que da inicio al

estudio se ajusta a la realidad o si por el contrario, carece de significancia. Los

objetivos fundamentales de esta primera parte son contrastar si las variables

elegidas (inversión y calidad de suministro) están asociadas y en qué sentido

se da dicha asociación, y segundo ponderar si los resultados pueden ser

utilizados para predecir el valor de una variable, la calidad de suministro en

función de la otra, las inversiones. La forma correcta de abordar los dos

objetivos de esta primera parte es recurriendo al cálculo de coeficientes de

correlación, llevándose a cabo los cálculos para una red de distribución

concreta.

2

En la segunda parte del estudio, una vez contrastada la hipótesis y con los

resultados obtenidos se pretende (teniendo en cuenta cuando y en que medida

la hipótesis se verifica) realizar un estudio que permita cuantificar como

cambian los valores de la calidad de suministro en función de los valores que

adopten las inversiones. El cálculo de los diferentes coeficientes de correlación

es insuficiente por sí mismo para abordar esta segunda parte, ya que las

correlaciones se limitan a indicar la fuerza de la asociación mediante un único

número, tratando las variables de modo simétrico, y para el objeto de esta tesis

es de interés usar una serie de variables (inversión en desarrollo, renovación y

automatización) para explicar la evolución de otra (TIEPI). Para tal propósito se

recurrirá a la técnica de regresión.

3

2. CALIDAD DE SERVICIO EN UNA RED DE

DISTRIBUCIÓN ELÉCTRICA

2.1 Real Decreto 1955/2000

El Real Decreto 1955/2000, en su artículo 99 define la calidad de servicio como

el “conjunto de características, técnicas y comerciales, inherentes al suministro

eléctrico, exigibles por los sujetos, consumidores y por los órganos

competentes de la Administración”. La propia calidad de servicio se subdivide

en los siguientes apartados:

• Continuidad de suministro, relativa al número y duración de las

interrupciones de suministro.

• Calidad del producto, relativa a las características de la onda de tensión.

• Calidad en la atención y relación con el cliente, relativa al conjunto de

actuaciones de información, asesoramiento, contratación, comunicación

y reclamación.

Para la determinación de la continuidad de suministro ofrecida por una red de

distribución se tienen en cuenta los siguientes indicadores:

TIEPI: tiempo de interrupción equivalente de la potencia instalada. A efectos

del cálculo del TIEPI sólo se consideran las interrupciones largas, es decir, de

duración superior a tres minutos. El TIEPI queda definido por la siguiente

fórmula matemática:

4

Donde:

Es la suma de la potencia total instalada.

Es la potencia instalada afectada por la interrupción i de duración , y k es

el número total de interrupciones durante el periodo.

Percentil 80 del TIEPI: valor del TIEPI no superado por el 80% de los

municipios del ámbito provincial, dentro de cada tipo de zona.

NIEPI: Número de interrupciones equivalente de la potencia instalada al igual

que en el caso del TIEPI. A efectos del cálculo del NIEPI sólo se consideran las

interrupciones largas. El NIEPI queda definido por la siguiente fórmula

matemática:

Tomando como base los indicadores arriba mencionados se establece el

incentivo de calidad, regulado en el Real Decreto 222/2008.

2.2 Real Decreto 222/2008

La actividad de distribución eléctrica es una actividad realizada en régimen de

monopolio y como tal tiene carácter de actividad regulada. El régimen

económico al que está sujeta la actividad depende por tanto de los desarrollos

normativos provenientes del gobierno. Hasta el año presente ha sido de

aplicación el Real Decreto 2819/2008 en el que se establecía la retribución de

la actividad de distribución. Dicha normativa carecía de objetivos ni

mecanismos orientados a la mejora de la calidad de suministro y la retribución

se establecía de manera global, sin tener presentes las especificidades de

cada empresa y zona geográfica.

5

El Real Decreto 222/2008 del 15 de febrero establece el nuevo régimen de

retribución de la actividad de distribución de energía eléctrica, el mismo

contiene incentivos concretos orientados a la mejora de la calidad de

suministro, con el objeto de inducir a las empresas a invertir para la

consecución de determinados objetivos de calidad en beneficio de los

consumidores.

El Real Decreto 222/2008 establece la siguiente fórmula para la retribución de

las empresas distribuidoras, donde el incentivo de calidad puede alcanzar

valores de ±X% de la retribución anual de la siguiente forma:

Donde:

Es la retribución base o de referencia.

Es el índice de actualización.

Es la retribución por incremento de actividad del año anterior.

Es el incentivo de calidad asociado al año anterior.

Es el incentivo de pérdidas asociadas al año anterior.

El incentivo de calidad queda limitado al 3% de la retribución recibida por la

empresa distribuidora.

6

2.3 Selección del TIEPI como índice de calidad

El análisis se centrará en la continuidad de servicio, por ser este el aspecto de

la calidad más inmediato y evidente para los clientes de una empresa de

distribución eléctrica, además de ser la vertiente de calidad de suministro más

directamente relacionada con la política de inversiones de una distribuidora.

De los indicadores de continuidad de suministro se ha seleccionado el TIEPI,

dado que es considerado el principal indicador de calidad de servicio por el que

una distribuidora es evaluada. El TIEPI seleccionado es el total, incluye las

interrupciones en zona urbana, semiurbana, rural concentrada y rural dispersa.

Las interrupciones computadas son las programadas así como las no

programadas.

7

3. TOMA DE DATOS

El intervalo de tiempo considerado para llevar a cabo el estudio es de 7 años y

toma datos correspondientes al periodo 1999-2007 incluidos. Los datos en

este periodo se encuentran desagregados por concepto, lo que facilita el

análisis que se pretende llevar a cabo. Es un principio general de la estadística

el que a mayor tamaño de la muestra, se obtiene una mayor solidez en los

resultados, por tanto abarcando un mayor número de años obtendríamos una

información mas robusta y fiable. El uso de un intervalo de tiempo mayor

plantea una serie de inconvenientes importantes, por lo menos para un análisis

de este tipo en la red de Iberdrola:

• En los años anteriores al intervalo escogido las regiones en las que la

red se dividía (únicamente a nivel organizativo e interno) eran cuatro y

no cinco, por tanto no hay datos individualizados para la última región

creada (Centro) anteriores a 1.999. Si procediésemos a ampliar el

intervalo habría que estimar los datos de inversión correspondientes a la

zona centro, y en consecuencia los datos perderían fiabilidad.

• Existen datos fiables de inversión para Iberdrola y las cuatro regiones

que en aquel momento componían la red de distribución, pero no se

encuentra desagregada en las variables que pretenden explicar la

evolución del TIEPI (desarrollo, renovación y automatización).

3.1 Red de distribución de Iberdrola

La red de distribución de electricidad de Iberdrola se extiende por catorce

comunidades autónomas y 32 provincias que abarcan una superficie de

190.000 kilómetros cuadrados y atendía en el año 2.007 a una población de

16.7 millones de habitantes La red contaba con casi 19.000 kilómetros de

líneas de alta tensión y 207.540 kilómetros de líneas de media y baja tensión.

Disponía de 869 subestaciones y 81.605 centros de transformación.

9

3.2 Inversión

Se entiende por inversión todo bien adquirido para mantener la infraestructura

de red operativa. No toda la inversión ha sido computada sino sólo aquella

inversión estrictamente de red. La inversión complementaria a la de red no

forma parte de la inversión considerada, como son los planes de

telecomunicaciones, inversiones en medida o la inversión en medios auxiliares

(sustitución de vehículos de flota, vestimenta de brigadas, etc.). El gasto, todos

aquellos desembolsos realizados en el desempeño de la actividad (limpieza de

calles, poda, mantenimiento) tampoco ha sido incluido.

A continuación se muestra en miles de € la inversión realizada en cada una de

las regiones así como agregada:

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Norte 32.822 25.208 38.051 55.712 43.571 46.057 34.957 60.491 82.769

Región Oeste 20.583 19.853 30.133 38.395 54.286 38.838 28.358 38.199 61.992

Región Madrid 23.408 29.028 43.760 105.910 115.967 71.513 57.501 111.731 186.284

Región Centro 22.057 21.275 32.813 45.071 49.082 59.593 37.900 58.350 61.270

Región Este 68.329 65.907 99.826 197.003 196.763 121.628 101.964 150.045 208.720

Iberdrola 167.199 161.272 244.582 442.091 459.669 337.629 260.680 418.815 601.035

La inversión a su vez se subdivide en las siguientes modalidades de inversión:

3.2.1 Inversión en desarrollo

Se Incluye en este apartado:

• El conjunto de subestaciones, centros de transformación y líneas que

son necesarias construir con objeto de satisfacer el aumento de la

demanda, garantizar su suministro en forma adecuada y permitir la

conexión de nuevos suministros.

10

• Las ampliaciones de dichas instalaciones, entendiendo por ampliación

toda inversión orientada al aumento de la capacidad (tanto de las líneas

como de la transformación).

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Norte 24.397 17.081 24.553 25.587 31.578 23.714 21.385 44.545 56.756

Región Oeste 15.576 15.024 21.799 26.045 37.487 28.630 20.042 26.064 40.466

Región Madrid 16.197 22.074 32.261 90.468 100.765 61.275 48.913 87.601 153.464

Región Centro 16.648 16.058 23.300 28.792 32.478 46.061 29.583 44.471 41.944

Región Este 54.512 52.580 76.293 161.146 155.467 98.470 84.204 119.274 162.030

Iberdrola 127.330 122.816 178.206 332.038 357.774 258.150 204.126 321.955 454.661

3.2.2 Inversión en renovación

• Renovación de la infraestructura y equipos electromecánicos de las

subestaciones, motivada por su obsolescencia, falta de adecuación a las

exigencias de la red o alargamiento de su vida útil. Los equipos más

representativos para este tipo de inversión son interruptores,

seccionadores, transformadores, rectificadores y pararrayos.

• Remozamiento de líneas justificadas por la necesidad de un

alargamiento de su vida útil o la mejora de la fiabilidad. Las actuaciones

mas comunes para este tipo de inversiones son el refuerzo de torres,

cables de tierra, cambio de apoyos o conductores, cadenas de

aislamiento y resistencia de apoyos.

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Norte 6.355 6.130 11.198 25.043 10.426 12.760 8.900 12.327 21.357

Región Oeste 4.257 4.106 7.500 11.274 15.269 9.376 7.565 11.553 21.208

Región Madrid 5.358 5.168 9.441 12.572 12.906 8.891 7.244 21.192 25.972

Región Centro 5.382 5.191 9.483 12.506 12.627 11.101 7.669 10.995 16.434

Región Este 12.569 12.123 22.147 31.245 35.562 20.579 15.781 27.567 41.885

Iberdrola 33.920 32.718 59.771 92.640 86.789 62.707 47.159 83.634 126.856

11

3.2.3 Inversión en automatización

En este apartado se incluye:

• Inversión en las redes relacionadas con la automatización de centros de

transformación, maniobra o seccionamiento y la instalación de

elementos de maniobra en líneas. (OCRs, reconectadores,

señalizadores, IATs).

• Programa de inversiones de control de energía, concretamente:

1. Implantación del sistema de control.

2. Adaptación e interconexión de los centros de operación.

3. Instalaciones auxiliares de los despachos.

4. Adquisición, reconexión y cambio de protocolos de RTUs.

5. Aplicaciones auxiliares a desarrollar sobre el sistema de control.

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Norte 2.070 1.997 2.299 5.081 1.568 9.583 4.672 3.619 4.656

Región Oeste 751 724 834 1.076 1.530 832 751 582 318

Región Madrid 1.852 1.787 2.057 2.870 2.296 1.347 1.344 2.937 6.848

Región Centro 27 26 30 3.773 3.978 2.432 648 2.884 2.892

Región Este 1.248 1.204 1.386 4.612 5.734 2.579 1.979 3.204 4.805

Iberdrola 5.948 5.737 6.606 17.412 15.106 16.772 9.394 13.226 19.518

12

4. TIEPI 99

Existen un número importante de factores, además de la propia inversión, que

influencian al indicador TIEPI. El principal factor de este tipo sin lugar a dudas

es el meteorológico. El factor meteorológico y en otra medida los accidentes

afectan a la evolución del TIEPI de manera aleatoria. En años con un impacto

anormalmente alto de este tipo de factores, el indicador evoluciona de un modo

desfavorable, aunque el resto de factores permanezcan inalterados (ceteris

paribus). Se trata de determinar cual es el impacto de las inversiones en la

calidad de suministro, más concretamente su impacto en el TIEPI, por lo que se

ha de buscar algún modo de aislar la parte de los sucesos aleatorios que

afectan al TIEPI. La vía que se propone es la siguiente:

Tal como hemos dicho factores como la meteorología o accidentes actúan de

manera aleatoria, por tanto su relación con el TIEPI es ocasional y fortuita.

Cuanto más larga sea la serie de TIEPI analizada, menor será el impacto de

estos efectos sobre la serie, ya que su relación con el TIEPI no es estructural.

Con una serie de TIEPI lo suficientemente larga se solucionaría parte del

problema. En el caso de la presente tesis la muestra es de siete años. No todo

lo larga que se desearía, pero puede catalogarse de razonable. Una segunda

aproximación a la solución consiste en un filtrado de los sucesos

extraordinarios que afectan el TIEPI. El método consiste en restar del TIEPI el

1% de las incidencias más graves (o lo que es lo mismo, los 3,6 días con las

interrupciones más graves), con lo que obtenemos lo que llamaremos en

adelante el TIEPI 99.

Por tanto como manera de atajar el problema de la discriminación de los

sucesos aleatorios que afectan a la evolución del TIEPI (o por lo menos una

gran parte de ella) utilizaremos las dos vías anteriormente mencionadas, una

serie de TIEPI que no puede considerarse larga, pero sí razonable y el TIEPI

99 como vehículo para conocer cual es la influencia de las inversiones en la

evolución del TIEPI.

13

A continuación se exponen los datos en horas correspondientes al TIEPI 99 en

el intervalo de tiempo 1999 – 2007:

1.999 2.000 2.001 2.002 2.003 2.004 2.005 2.006 2.007

Región Norte 1,73 1,34 1,25 1,12 1,23 1,40 1,32 1,46 1,30

Región Oeste 2,19 1,74 2,02 1,48 1,61 1,36 1,38 1,77 1,97

Región Madrid 1,33 1,40 1,95 1,48 1,37 1,09 1,04 1,21 1,25

Región Centro 3,53 3,41 3,54 2,72 2,57 2,27 1,90 2,35 1,84

Región Este 2,69 2,72 2,71 2,58 2,45 2,24 1,89 2,22 2,54

Iberdrola 2,34 2,23 2,34 1,99 1,97 1,78 1,60 1,95 1,93

14

5. EVOLUCIÓN DEL TIEPI 99

En el siguiente gráfico puede verse cual ha sido la evolución del TIEPI 99 para

la red de distribución de Iberdrola así como para cada una de las regiones por

separado.

De la gráfica podemos obtener las siguientes conclusiones:

• Iberdrola: La evolución del TIEPI 99 muestra una tendencia clara a la

baja.

• Regiones Madrid, centro y este: La evolución del TIEPI 99 muestra una

mayor tendencia a la baja en las tres regiones.

• Regiones norte y oeste: La evolución de las series de TIEPI 99 muestra

cierta estabilidad, con una leve tendencia al alza.

A continuación se muestra la correlación existente entre las regiones en cuanto

a la evolución del TIEPI 99 se refiere:

15

Norte Oeste Madrid Centro Este

Norte 1,00

Oeste -0,01 1,00

Madrid -0,53 0,63 1,00

Centro -0,40 0,38 0,92 1,00

Este -0,57 0,64 0,82 0,67 1,00

Según los datos obtenidos existe una muy fuerte correlación en la serie de

TIEPI 99 en tres regiones, Madrid, centro y este, siendo la región norte la que

más se aleja en sus coeficientes. Si la correlación fuese elevada ( 0,80 o mas)

entre todas las regiones, un solo análisis a nivel agregado para Iberdrola sería

suficiente para obtener conclusiones tanto para Iberdrola como para cada una

de las regiones, pero los resultados obtenidos invitan a un estudio

pormenorizado por región, así como otro a nivel agregado para Iberdrola.

16

6. EVOLUCIÓN DE LA DEMANDA

A continuación se muestran dos cuadros referidos a la evolución de la

demanda, en el mercado atendido por la red de distribución de Iberdrola y para

los mercados atendidos en cada región.

Energía distribuida en kWh

1999 2000 2001 2002 2003 2004 2005 2006

Norte 18.241.781 19.824.294 20.440.305 21.262.316 21.706.944 23.171.957 23.147.805 24.218.451

Oeste 7.584.076 8.100.599 8.392.918 8.727.236 9.093.949 9.585.967 9.922.308 10.135.970

Madrid 12.843.196 13.644.920 14.401.729 15.058.538 15.911.376 16.690.752 17.660.526 18.299.073

Centro 4.918.455 5.304.248 5.537.014 5.949.779 6.340.294 6.625.410 7.271.383 7.567.760

Este 21.555.745 22.974.039 24.112.941 25.771.843 27.846.509 29.090.879 31.070.864 32.440.744

Iberdrola 65.143.253 69.848.100 72.884.907 76.769.712 80.899.072 85.164.965 89.072.886 92.661.998

Crecimiento de la demanda

1999 2000 2001 2002 2003 2004 2005 2006 Media

Norte 2,56% 8,68% 3,11% 4,02% 2,09% 6,75% -0,10% 4,63% 3,97%

Oeste 4,02% 6,81% 3,61% 3,98% 4,20% 5,41% 3,51% 2,15% 4,21%

Madrid 7,99% 6,24% 5,55% 4,56% 5,66% 4,90% 5,81% 3,62% 5,54%

Centro 8,50% 7,84% 4,39% 7,45% 6,56% 4,50% 9,75% 4,08% 6,63%

Este 8,21% 6,58% 4,96% 6,88% 8,05% 4,47% 6,81% 4,41% 6,30%

Iberdrola 6,06% 7,22% 4,35% 5,33% 5,38% 5,27% 4,59% 4,03% 5,28%

Podemos observar que los crecimientos de demanda elevados y por encima de

la media de Iberdrola es un factor común en las regiones con series temporales

muy altamente correlacionadas, es decir Madrid, este y centro. Las regiones

que más se alejan en la correlación, Norte y Oeste poseen crecimientos bajos o

moderados en los mercados que atienden.

17

7. ANÁLISIS DE LAS VARIABLES

Se utiliza la regresión lineal como método estadístico necesario para establecer

las relaciones buscadas entre las variables. En el presente capítulo se

desarrollan dos tipos de cálculo:

• Primeramente se procede al cálculo de los coeficientes de correlación

entre la inversión y el TIEPI 99.

• En segundo lugar en función de los resultados obtenidos, se procederá a

un intento de cuantificación del cambio de los valores en el TIEPI en

función de las inversiones aplicando técnicas de regresión.

En segundo lugar en función de los resultados obtenidos, tal como se

adelantaba en la introducción, se procederá a un intento de cuantificación del

cambio de los valores en el TIEPI en función de las inversiones aplicando

técnicas de regresión.

7.1 Correlación entre TIEPI 99 e Inversión

En el análisis conjunto para dos o más variables, en nuestro caso la relación

existente entre inversiones y TIEPI, parece necesaria la búsqueda del tipo y

grado de la relación que pueda existir entre ellas, o si por el contrario, las

variables son independientes entre sí, y la relación que puedan mostrar es

espuria ose debe a variables no analizadas. El sondeo del tipo y grado de

correlación entre variables buscado parte de la hipótesis planteada al inicio,

teniendo presente que las relaciones obtenidas han de ser coherentes con la

práctica.

Por tanto, por medio del análisis de la correlación entre las variables inversión y

TIEPI 99, se tratará de validar la hipótesis que sirve como punto de partida a la

tesis, es decir, que la calidad de servicio ofrecida por la red de distribución,

depende (al menos en gran medida) de las inversiones que se hagan sobre la

misma.

18

Para el contraste de los resultados obtenidos se utilizará la siguiente tabla,

referente para cualquier análisis de tipo estadístico:

1. Si r= ± 1Correlación perfecta. 2. Si 0,9 ≤ r < 1 ó -1< r ≤ -0,9 Correlación excelente. 3. Si 0,8 ≤ r < 0,9 ó – 0,9< r ≤ -0,8 Correlación buena. 4. Si 0,6 ≤ r < 0,8 ó – 0,8< r ≤ -0,6 Se da correlación. 5. Si 0,3 ≤ r < 0,6 ó – 0,6< r ≤ -0,3 Correlación mala. 6. Si - 0,3 < r < 0,3 No hay correlación.

7.2 Decalaje entre inversiones y TIEPI 99

A la hora de buscar correlaciones entre inversiones y TIEPI 99 podemos

relacionar las series temporales de inversiones y TIEPI 99 de diferentes

maneras. A continuación se muestran las tres maneras en las que se han

manejado las series temporales de ambas variables, los coeficientes de

correlación obtenidos así como su expresión gráfica por medio de diagramas

de dispersión obtenidos para Iberdrola en su conjunto.

Coeficientes de correlación

En el primer caso, se considera que el efecto de las inversiones sobre el TIEPI

99 es inmediato. Cualquier inversión, independientemente de su volumen y tipo

tendrá un efecto sin retardo alguno sobre el TIEPI. El coeficiente de correlación

obtenido, así como el diagrama de dispersión se muestran a continuación:

Resultados sin considerar ningún decalaje en el tiempo.

Coeficientes de correlación

Correl. TIEPI 1999 2000 2001 2002 2003 2004 2005 2006 2007

2,34 2,23 2,34 1,99 1,97 1,78 1,60 1,95 1,93

-0,43 Inversión 1999 2000 2001 2002 2003 2004 2005 2006 2007

167.199 161.272 244.582 442.091 459.669 337.629 260.680 418.815 601.035

19

En el segundo caso, se considera que el efecto de la inversión sobre el TIEPI

99 no es inmediato, hay un retardo de un año entre inversión y su

correspondiente efecto.

Resultados obtenidos considerando un año de decalaje en el

tiempo.

Los resultados obtenidos son los siguientes:

Correl. TIEPI 2000 2001 2002 2003 2004 2005 2006 2007

2,23 2,34 1,99 1,97 1,78 1,60 1,95 1,93

-0,69 Inversión 1999 2000 2001 2002 2003 2004 2005 2006

167.199 161.272 244.582 442.091 459.669 337.629 260.680 418.815

En el tercer caso, se considera que el efecto de la inversión sobre el TIEPI 99

se produce de una manera más lenta que en el caso anterior, es decir se

necesitarían al menos dos años para percibir de un modo significativo los

efectos de la inversión sobre el TIEPI 99.

Resultados considerando dos años de decalaje en el tiempo.

Los resultados obtenidos son los siguientes:

Correl. TIEPI 2001 2002 2003 2004 2005 2006 2007

2,34 1,99 1,97 1,78 1,60 1,95 1,93

-0,84 Inversión 1999 2000 2001 2002 2003 2004 2005

167.199 161.272 244.582 442.091 459.669 337.629 260.680

20

Con los resultados obtenidos, resulta evidente que los efectos de la inversión

sobre el TIEPI 99 no son inmediatos, es decir, se necesita tiempo para que las

mismas se materialicen en descensos de TIEPI, (a la vista de las correlaciones

obtenidas dos años) para que su influencia sea significativa. Los resultados

obtenidos se deben a que:

La inversión supone una aplicación de recursos económicos que a la vista de

los resultados, tiene su influencia en el TIEPI 99, pero no deja de ser un mero

criterio contable. La periodificación anual de la inversión no supone

necesariamente la puesta en marcha de instalaciones o activos, determinadas

obras de infraestructura como son la construcción de subestaciones o líneas de

alta y media tensión independientemente de su presupuestación en un

determinado año, tardan un periodo superior en ser finalizadas y puestas en

marcha. La utilización de dichas variables utilizando la temporalidad de las

mismas, hace que se puedan relacionar directamente la calidad y las

inversiones. En muchos casos, aunque se haya hecho uso de los recursos

económicos, con los mismos no se ha ido más allá del acopio de materiales.

Esta circunstancia motiva el hecho de que la presupuestación de un

determinado volumen de inversiones no tenga un efecto inmediato en la calidad

de suministro (mismo año) sino más bien en un periodo de tiempo superior.

Por otro lado, podemos observar que la correlación es elevada (-0,84) lo que

en principio valida la hipótesis de inicio, al menos para la red de Iberdrola a

nivel agregado, pero no es perfecta. Existen una serie de factores que influyen

en que la correlación entre inversiones y TIEPI 99 no sea total. Los resultados

obtenidos podrían deberse a las siguientes causas:

La relación entre TIEPI 99 e inversión no es constante en el tiempo. En inicio

con un determinado nivel de inversión obtendremos un determinado nivel o

reducción del TIEPI 99. Una vez alcanzado determinado nivel de calidad la

inversión habrá de ser mucho mayor para obtener reducciones del TIEPI 99

Rendimientos decrecientes (constantes a tramos)

21

similares a las del pasado, con lo que parte del efecto de correlación se irá

perdiendo a lo largo del periodo de estudio.

La repercusión de las inversiones en el TIEPI 99 no depende únicamente de la

inversión en sí misma, sino también de la eficiencia aplicada en la asignación

de los recursos. Un ejemplo característico es el de la inversión en renovación

de red: La reducción de TIEPI 99 que se logra sustituyendo un activo obsoleto

o muy antiguo no es la misma que se logra sustituyendo un activo no tan

antiguo o lejos de su obsolescencia.

Eficiencia de la Inversión

22

No toda inversión es destinada a la mejora de la calidad de suministro, el

objetivo puede ser otro como la reducción de las pérdidas o la reducción de los

gastos de operación y mantenimiento.

Política de inversión

7.3 Correlaciones en la red de distribución de Iberdrola

Primeramente analizaremos cuales son las correlaciones para la red de

Iberdrola en su conjunto. A continuación se muestra cual los coeficientes de

correlación y diagrama de dispersión para el TIEPI 99 y la inversión total.

7.3.1 Coeficientes de correlación entre inversión y TIEPI 99

Total Inversión

1999 2000 2001 2002 2003 2004 2005 2006 2007

Iberdrola 167.199 161.272 244.582 442.091 459.669 337.629 260.680 418.815 601.035

TIEPI 99

1.999 2.000 2.001 2.002 2.003 2.004 2.005 2.006 2.007

Iberdrola 2,34 2,23 2,34 1,99 1,97 1,78 1,60 1,95 1,93

Correl. TIEPI 2001 2002 2003 2004 2005 2006 2007

2,34 1,99 1,97 1,78 1,60 1,95 1,93

-0,84 Inversión 1999 2000 2001 2002 2003 2004 2005

167.199 161.272 244.582 442.091 459.669 337.629 260.680

Los resultados indican una buena correlación entre la inversión realizada y los

datos de TIEPI, a mayor inversión el TIEPI tiende a reducirse, por lo que a nivel

de grupo la hipótesis de partida se cumple parcialmente. Puede ser interesante

extender el análisis y conocer cual es el grado y tipo de relación de los

diferentes tipos de inversión (desarrollo, renovación y automatización) con el

TIEPI:

23

7.3.2 Coeficientes de correlación entre inversión en desarrollo,

renovación, automatización y TIEPI 99

Total Inversión en Desarrollo

1999 2000 2001 2002 2003 2004 2005 2006 2007

Iberdrola

127.330

122.816

178.206

332.038

357.774

258.150

204.126

321.955

454.661

Coef. TIEPI 2001 2002 2003 2004 2005 2006 2007

2,34 1,99 1,97 1,78 1,60 1,95 1,93

-0,84 Desarrollo 1999 2000 2001 2002 2003 2004 2005

127.330 122.816 178.206 332.038 357.774 258.150 204.126

Total Inversión en Renovación

1999 2000 2001 2002 2003 2004 2005 2006 2007

Iberdrola

33.920

32.718

59.771

92.640

86.789

62.707

47.159

83.634

126.856

Iberdrola TIEPI 2001 2002 2003 2004 2005 2006 2007

2,34 1,99 1,97 1,78 1,60 1,95 1,93

-0,80 Renovación 1999 2000 2001 2002 2003 2004 2005

33.920 32.718 59.771 92.640 86.789 62.707 47.159

Total Inversión en Automatización

1999 2000 2001 2002 2003 2004 2005 2006 2007

Iberdrola 5.948 5.737 6.606 17.412 15.106 16.772 9.394 13.226 19.518

Iberdrola TIEPI 2001 2002 2003 2004 2005 2006 2007

2,34 1,99 1,97 1,78 1,60 1,95 1,93

-0,67 Automatización 1999 2000 2001 2002 2003 2004 2005

5.948 5.737 6.606 17.412 15.106 16.772 9.394

24

7.4 Correlaciones en la red de la región este

7.4.1 Coeficientes de correlación entre inversión y TIEPI 99 en la

región este

Total Inversión

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Este 68.329 65.907 99.826 197.003 196.763 121.628 101.964 150.045 208.720

TIEPI 99

1.999 2.000 2.001 2.002 2.003 2.004 2.005 2.006 2.007

Región Este 2,69 2,72 2,71 2,58 2,45 2,24 1,89 2,22 2,54

Este TIEPI 2001 2002 2003 2004 2005 2006 2007

2,71 2,58 2,45 2,24 1,89 2,22 2,54

-0,88 Inversión 1999 2000 2001 2002 2003 2004 2005

68.329 65.907 99.826 197.003 196.763 121.628 101.964

7.4.2 Coeficiente de correlación entre inversión en desarrollo,

renovación y automatización y TIEPI 99


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Este

54.512

52.580

76.293

161.146

155.467

98.470

84.204

119.274

162.030

Este TIEPI 2001 2002 2003 2004 2005 2006 2007

2,71 2,58 2,45 2,24 1,89 2,22 2,54

-0,87 Desarrollo 1999 2000 2001 2002 2003 2004 2005

54.512 52.580 76.293 161.146 155.467 98.470 84.204

25


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Este

12.569

12.123

22.147

31.245

35.562

20.579

15.781

27.567

41.885

Este TIEPI 2001 2002 2003 2004 2005 2006 2007

2,71 2,58 2,45 2,24 1,89 2,22 2,54

-0,91 Renovación 1999 2000 2001 2002 2003 2004 2005

12.569 12.123 22.147 31.245 35.562 20.579 15.781


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Este 1.248 1.204 1.386 4.612 5.734 2.579 1.979 3.204 4.805

Este TIEPI 2001 2002 2003 2004 2005 2006 2007

2,71 2,58 2,45 2,24 1,89 2,22 2,54

-0,91 Automatización 1999 2000 2001 2002 2003 2004 2005

1.248 1.204 1.386 4.612 5.734 2.579 1.979

26

7.5 Correlaciones en la red de la región Madrid


región Madrid

Total Inversión

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Madrid 23.408 29.028 43.760 105.910 115.967 71.513 57.501 111.731 186.284

TIEPI 99

1.999 2.000 2.001 2.002 2.003 2.004 2.005 2.006 2.007

Región Madrid 1,33 1,40 1,95 1,48 1,37 1,09 1,04 1,21 1,25

Madrid TIEPI 2001 2002 2003 2004 2005 2006 2007

1,95 1,48 1,37 1,09 1,04 1,21 1,25

-0,85 Inversión 1999 2000 2001 2002 2003 2004 2005

23.408 29.028 43.760 105.910 115.967 71.513 57.501

7.5.2 Coeficiente de correlación entre inversión en desarrollo,

renovación y automatización y TIEPI 99


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Madrid

16.197

22.074

32.261

90.468

100.765

61.275

48.913

87.601

153.464

Madrid TIEPI 2001 2002 2003 2004 2005 2006 2007

1,95 1,48 1,37 1,09 1,04 1,21 1,25

-0,85 Desarrollo 1999 2000 2001 2002 2003 2004 2005

16.197 22.074 32.261 90.468 100.765 61.275 48.913

27


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Madrid

5.358

5.168

9.441

12.572

12.906

8.891

7.244

21.192

25.972

Madrid TIEPI 2001 2002 2003 2004 2005 2006 2007

1,95 1,48 1,37 1,09 1,04 1,21 1,25

-0,79 Renovación 1999 2000 2001 2002 2003 2004 2005

5.358 5.168 9.441 12.572 12.906 8.891 7.244


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Madrid 1.852 1.787 2.057 2.870 2.296 1.347 1.344 2.937 6.848

Madrid TIEPI 2001 2002 2003 2004 2005 2006 2007

1,95 1,48 1,37 1,09 1,04 1,21 1,25

-0,28 Automatización 1999 2000 2001 2002 2003 2004 2005

1.852 1.787 2.057 2.870 2.296 1.347 1.344

28

7.6 . Correlaciones en la red de la región centro


región centro

Total Inversión

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Centro 22.057 21.275 32.813 45.071 49.082 59.593 37.900 58.350 61.270

TIEPI 99

1.999 2.000 2.001 2.002 2.003 2.004 2.005 2.006 2.007

Región Centro 3,53 3,41 3,54 2,72 2,57 2,27 1,90 2,35 1,84

Centro TIEPI 2001 2002 2003 2004 2005 2006 2007

3,54 2,72 2,57 2,27 1,90 2,35 1,84

-0,66 Inversión 1999 2000 2001 2002 2003 2004 2005

22.057 21.275 32.813 45.071 49.082 59.593 37.900

7.6.2 Coeficiente de correlación entre inversión en desarrollo, renovación y automatización y TIEPI 99


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Centro

16.648

16.058

23.300

28.792

32.478

46.061

29.583

44.471

41.944

Centro TIEPI 2001 2002 2003 2004 2005 2006 2007

3,54 2,72 2,57 2,27 1,90 2,35 1,84

-0,60 Desarrollo 1999 2000 2001 2002 2003 2004 2005

16.648 16.058 23.300 28.792 32.478 46.061 29.583

29


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Centro

5.382

5.191

9.483

12.506

12.627

11.101

7.669

10.995

16.434

Centro TIEPI 2001 2002 2003 2004 2005 2006 2007

3,54 2,72 2,57 2,27 1,90 2,35 1,84

-0,64 Renovación 1999 2000 2001 2002 2003 2004 2005

5.382 5.191 9.483 12.506 12.627 11.101 7.669


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Centro 27 26 30 3.773 3.978 2.432 648 2.884 2.892

Centro TIEPI 2001 2002 2003 2004 2005 2006 2007

3,54 2,72 2,57 2,27 1,90 2,35 1,84

-0,57 Automatización 1999 2000 2001 2002 2003 2004 2005

27 26 30 3.773 3.978 2.432 648

30

7.7 . Correlaciones en la red de la región oeste


región oeste

Total Inversión

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Oeste 20.583 19.853 30.133 38.395 54.286 38.838 28.358 38.199 61.992

TIEPI 99

1.999 2.000 2.001 2.002 2.003 2.004 2.005 2.006 2.007

Región Oeste 2,19 1,74 2,02 1,48 1,61 1,36 1,38 1,77 1,97

Oeste TIEPI 2001 2002 2003 2004 2005 2006 2007

2,02 1,48 1,61 1,36 1,38 1,77 1,97

-0,53 Inversión 1999 2000 2001 2002 2003 2004 2005

20.583 19.853 30.133 38.395 54.286 38.838 28.358

7.7.2 Coeficientes de correlación entre inversión en desarrollo, renovación, automatización y TIEPI 99 en la región oeste


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Oeste

15.576

15.024

21.799

26.045

37.487

28.630

20.042

26.064

40.466

Oeste TIEPI 2001 2002 2003 2004 2005 2006 2007

2,02 1,48 1,61 1,36 1,38 1,77 1,97

-0,50 Desarrollo 1999 2000 2001 2002 2003 2004 2005

15.576 15.024 21.799 26.045 37.487 28.630 20.042

31


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Oeste

4.257

4.106

7.500

11.274

15.269

9.376

7.565

11.553

21.208

Oeste TIEPI 2001 2002 2003 2004 2005 2006 2007

2,02 1,48 1,61 1,36 1,38 1,77 1,97

-0,56 Renovación 1999 2000 2001 2002 2003 2004 2005

4.257 4.106 7.500 11.274 15.269 9.376 7.565


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Oeste 751 724 834 1.076 1.530 832 751 582 318

Oeste TIEPI 2001 2002 2003 2004 2005 2006 2007

2,02 1,48 1,61 1,36 1,38 1,77 1,97

-0,64 Automatización 1999 2000 2001 2002 2003 2004 2005

751 724 834 1.076 1.530 832 751

32

7.8 . Correlaciones en la red de la región norte


región norte

Total Inversión

1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Norte 32.822 25.208 38.051 55.712 43.571 46.057 34.957 60.491 82.769

TIEPI 99

1.999 2.000 2.001 2.002 2.003 2.004 2.005 2.006 2.007

Región Norte 1,73 1,34 1,25 1,12 1,23 1,40 1,32 1,46 1,30

Norte TIEPI 2001 2002 2003 2004 2005 2006 2007

1,25 1,12 1,23 1,40 1,32 1,46 1,30

0,86 Inversión 1999 2000 2001 2002 2003 2004 2005

38.222 25.208 38.051 55.712 43.571 46.057 34.957

7.8.2 Coeficientes de correlación entre inversión en desarrollo, renovación, automatización y TIEPI 99 en la región oeste


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Norte

24.397

17.081

24.553

25.587

31.578

23.714

21.385

44.545

56.756

Norte TIEPI 2001 2002 2003 2004 2005 2006 2007

1,25 1,12 1,23 1,40 1,32 1,46 1,30

0,47 Desarrollo 1999 2000 2001 2002 2003 2004 2005

24.397 17.081 24.553 25.587 31.578 23.714 21.385

33


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Norte

6.355

6.130

11.198

25.043

10.426

12.760

8.900

12.327

21.357

Norte TIEPI 2001 2002 2003 2004 2005 2006 2007

1,25 1,12 1,23 1,40 1,32 1,46 1,30

0,65 Renovación 1999 2000 2001 2002 2003 2004 2005

6.355 6.130 11.198 25.043 10.426 12.760 8.900


1999 2000 2001 2002 2003 2004 2005 2006 2007

Región Norte 2.070 1.997 2.299 5.081 1.568 9.583 4.672 3.619 4.656

Norte TIEPI 2001 2002 2003 2004 2005 2006 2007

1,25 1,12 1,23 1,40 1,32 1,46 1,30

0,80 Automatización 1999 2000 2001 2002 2003 2004 2005

2.070 1.997 2.299 5.081 1.568 9.583 4.672

34

7.9 . Interpretación de los resultados

A la vista de los resultados obtenidos podemos observar que existe una

correlación inversa y fuerte entre inversión y TIEPI 99 para Iberdrola, la región

este y la región Madrid. Existe una correlación inversa y significativa para la

región centro. Es importante recordar que tal como se mostraba al inicio de la

tesis, estas tres regiones tienen entre sí el grado de correlación más alto en la

evolución temporal de las series de TIEPI 99, siendo la región norte y oeste

aquellas que más se alejaban de la tendencia. La región oeste muestra un

grado de correlación insignificante entre inversión y TIEPI 99, y la región norte

no muestra ninguna relación (o ninguna a la que se pueda dar sentido) entre la

inversión y el TIEPI 99.

Los resultados obtenidos pueden ser interpretados de la siguiente manera,

teniendo en cuenta los datos mostrados al inicio de la tesis referidos a la

evolución del TIEPI 99 y la demanda en Iberdrola y las diferentes regiones:

Cuando se producen incrementos muy altos en la demanda, se producen dos

efectos, por un lado los índices de calidad de suministro tienden a empeorar

debido a las mayores cargas que la red ha de soportar, y por otro, los valores

de inversión tienden a elevarse con el objeto de llevar a cabo los desarrollos de

red necesarios para atender la demanda en las condiciones de calidad

reglamentarias. Parece lógico que en regiones como lo son en la realidad la

región de Madrid, Este y Centro, así como para Iberdrola en su conjunto, la

inversión se convierta en principal factor que marca la evolución del TIEPI 99.

Por otro lado en aquellas regiones con crecimientos bajos o moderados en la

demanda, los índices de calidad acostumbran a ser mejores que en zonas en

circunstancias inversas. En este caso los valores de inversión tienden a

mantenerse bajos ya que no son necesarios nuevos desarrollos de red para

atender la demanda en su zona, la evolución de la calidad de suministro

dependerá no tanto de la inversión sino de otros factores como pueden ser la

política de gasto o la eficiencia en la operación de la red. Es el caso que se da

en las regiones Norte y Oeste. Adicionalmente, si observamos la evolución de

35

la serie temporal de TIEPI 99, se advierte que los niveles inversión, quizá

demasiado bajos, están degradando los niveles de calidad tradicionalmente

altos.

Existe otro fenómeno añadido que influye en el hecho de que en aquellas

regiones con peor calidad de suministro la inversión sea el principal factor en la

evolución del TIEPI 99 y no lo sea en aquellas regiones con una adecuada

calidad de suministro. Como hemos comentado en apartados anteriores la

relación que se da entre inversión y calidad no es constante. Tal como se

muestra en la figura, la relación entre inversiones y TIEPI se expresa

gráficamente por medio de una línea asintótica, y por tanto no es posible

obtener mejoras de TIEPI equivalentes a las del pasado con niveles de

inversión similares. A mayor calidad de suministro se necesitarán valores de

inversión superiores para obtener mejoras en la calidad. La relación entre

inversiones y TIEPI se expresa gráficamente del siguiente modo:

Inversión

TIEPI

36

Los resultados obtenidos para la red oeste y norte indican que es muy

probable que se haya alcanzado un punto en la línea en la que mejoras

adicionales de TIEPI requieran volúmenes de inversión muy superiores a los

realizados en el pasado para seguir en la senda de la mejora de la calidad. De

acuerdo a los resultados obtenidos podemos intuir que para las regiones este,

Madrid, centro así como para la red de Iberdrola en conjunto nos encontramos

en la parte superior de la línea y en la parte baja de la línea para las regiones

norte y oeste, pero no podemos conocer en que punto exacto de la recta se

encuentra ninguna de las regiones o Iberdrola.

De acuerdo a los datos utilizados, se observa que la hipótesis de partida se

cumple. El nivel de inversiones influye en la calidad de servicio ofrecida por una

red de distribución, la cual se comporta básicamente como una infraestructura

más. En aquellas regiones donde el esfuerzo inversor es mayor este efecto se

hará más patente, en aquellas regiones donde el esfuerzo sea menor el efecto

será menor.

Por otra parte, y de acuerdo a los resultados obtenidos, es necesario

reflexionar acerca de la posibilidad o no de aplicar técnicas de regresión como

método para predecir la evolución futura del TIEPI. Todo indica que para

Iberdrola, así como para aquellas regiones donde el esfuerzo inversor es

considerable, las inversiones parecen tener un alto poder explicativo, por lo que

parece posible aplicar este tipo de técnica. Para aquellas regiones donde la

calidad depende de otros factores y no de la inversión como factor principal no

será posible, debido a su escaso poder explicativo.

37

7.10 . Aplicación de la técnica de regresión

Con los datos obtenidos se puede ensayar el ajuste de un modelo que se

ajuste los objetivos que se plantean al inicio de la tesis. Así pues, para estimar

el valor del TIEPI basándose en los valores de inversión se hará uso de

técnicas de regresión. Mediante los diagramas de dispersión puede expresarse

de manera gráfica cual es la correlación existente entre dos variables, en el que

los valores de la variable a explicar se disponen en el eje horizontal y los de la

variable explicativa en la vertical. El problema que subyace a la metodología de

la regresión lineal es el de encontrar una recta que se ajuste a la nube de

puntos del diagrama así dibujado. El procedimiento común en el ajuste

regresivo es el método de los mínimos cuadrados, que produce estimaciones

con menor error cuadrático promedio. En aquellos casos en los que los

coeficientes de correlación son cercanos a 1 o -1 tiene sentido considerar la

ecuación de la recta que mejor se ajuste a los datos utilizados.

Antes de realizar la regresión es necesario conocer cual de las maneras de

aplicar la técnica se ajustará mejor a los datos utilizados. Una manera de

aplicar la técnica es la regresión lineal simple de acuerdo a la cual obtenemos

una ecuación del tipo:

Donde:

Representa la variable dependiente (o a explicar), en nuestro caso el TIEPI.

Representa la variable independiente (o explicativa), en nuestro caso la

inversión total.

38

Es el coeficiente que corresponde a la variable independiente, que en este

caso coincide con la elasticidad de la variable endógena respecto a la variable

exógena si se multiplica por el cociente entre la variable independiente y la

dependiente.

Es un valor constante.

Otra manera de aplicar la técnica es la regresión lineal múltiple, tomando como

variables explicativas independientes la inversión en desarrollo, renovación y

automatización), la cual nos daría una ecuación del tipo:

Donde:

Representa la variable dependiente (o a explicar), en nuestro caso el TIEPI

99.

Representa la variable independiente o explicativa inversión en desarrollo

Representa la variable independiente o explicativa inversión en renovación.

Representa la variable independiente o explicativa inversión en

automatización.

Es el coeficiente que corresponde a cada una de las variables

independientes y coincide con la elasticidad de la variable endógena respecto a

la variable exógena si se multiplica por el cociente entre la variable

independiente y la dependiente.

39

Es un valor constante.

Para conocer cual de los dos métodos se ajusta mejor a los datos, se ha

realizado la regresión de ambas maneras para la red de Iberdrola. El programa

utilizado para calcular los valores que se muestran a continuación es el

programa para cálculos estadísticos PSS 14.0. Se ha utilizado otro programa

comercial, el Statgraphics 5.0 con el objeto de contrastar los resultados

obtenidos. A continuación se muestran los resultados de ambas regresiones:

40

7.11 . Aplicación de la técnica de regresión a la red de Iberdrola

Se aplican para el caso de Iberdrola la técnica de regresión múltiple y la

regresión simple, con el objeto de conocer cual de las dos técnicas se ajustan

mejor a los datos.

7.11.1 Aplicación de la técnica de regresión multivariable a la red de

Iberdrola

Model

Variables introducidas

Variables Entered

Variables Removed Method

1 Automatización, Renovación, Desarrollo(a)

. Enter

a All requested variables entered.

b Dependent Variable: TIEPI

Se han tomado como variables explicativas la inversión en desarrollo de red,

renovación de red y automatización de red.

Model

Resumen del modelo

R R Square Std. Error of the Estimate

1 ,880(a) ,775 ,15130

Predictors: (Constant), Automatización, Renovación, Desarrollo

Se denomina R cuadrado al coeficiente que indica el porcentaje de ajuste que

se ha conseguido con el modelo lineal, es decir, el porcentaje de la variación de

TIEPI que se explica a través del modelo que se ha estimado. A mayor

porcentaje mayor es la capacidad del modelo para estimar el comportamiento

del TIEPI. En el caso del modelo elegido y para el caso de la red de Iberdrola,

41

se observa que el modelo explica cerca del 78% de la evolución del TIEPI en

función de las inversiones, siendo este un valor aceptable.

Model

Coeficientes

Unstandardized

Coefficients

B Std. Error

1 (Constant) 2,402 ,165

Desarrollo -3,68E-009 ,000

Renovación 1,44E-009 ,000

Automatización 2,54E-008 ,000

a Dependent Variable: TIEPI

De acuerdo a los coeficientes y el valor de la constante calculados, la ecuación

que define la recta de regresión múltiple sería:

TIEPI= -368E-009*Desarrollo+1,44E-009*Renovación+2,54E-008*Automatización + 2,402

Podemos observar que los coeficientes de las variables renovación y

automatización aparecen en positivo en la ecuación. Cabe pensar que al igual

que el coeficiente de la variable desarrollo debieran aparecer en negativo y

ajustar la pendiente de la recta hacia abajo, al igual que lo hace la inversión en

desarrollo ya que en principio, las inversiones en renovación y automatización

también contribuyen a la reducción de los valores de TIEPI. Se deduce por

tanto que el modelo aplicado es un modelo matemático y no físico, y por tanto

son coeficientes que simplemente perfilan la pendiente, independientemente de

que aparezcan en positivo o en negativo, pudiendo existir coeficientes que son

contrarios a los que existen en la realidad.

42

Una vez conocidas las correlaciones entre inversión y TIEPI, así como los

coeficientes a aplicar a cada tipo de inversión, es necesario proceder al

contraste del modelo, consistente en analizar el valor que hayan tomado

determinados coeficientes y tener así alguna medida de la bondad de la

estimación y de la capacidad de predicción del modelo.

Contraste del modelo

Significancia de las variables independientes

TIEPI

TIEPI Pearson Correlation 1

Sig. (2-tailed)

N 7

Desarrollo Pearson Correlation -,846(*)

Sig. (2-tailed) ,016

N 7

Renovación Pearson Correlation -,810(*)


N 7

Automatización Pearson Correlation -,669


N 7

* Correlation is significant at the 0.05 level (2-tailed).

El contraste de significación indica cuales de las variables están ligadas de

manera relevante al TIEPI y por tanto puede ser válida su inclusión como

variable explicativa en una regresión múltiple. De acuerdo a los resultados, el

desarrollo y la renovación pasan el contraste con valores de significancia de

0,016 y 0,027, los dos por debajo del límite superior admitido de 0,05. En

cambio la automatización arroja un valor en el contraste de significación de 0,1,

43

por encima del límite superior. Se deduce por tanto que incluir la inversión en

automatización por sí misma en el análisis de regresión no explica las

variaciones de la variable TIEPI 99.

Contraste de multicolinealidad.

TIEPI Desarrollo Renovación Automatiz

ación

TIEPI Pearson Correlation 1 -,846(*) -,810(*) -,669

Sig. (2-tailed) ,016 ,027 ,100

N 7 7 7 7

Desarrollo Pearson Correlation -,846(*) 1 ,955(**) ,909(**)

Sig. (2-tailed) ,016 ,001 ,005

N 7 7 7 7

Renovación Pearson Correlation -,810(*) ,955(**) 1 ,843(*)

Sig. (2-tailed) ,027 ,001 ,017

N 7 7 7 7

Automatización Pearson Correlation -,669 ,909(**) ,843(*) 1

Sig. (2-tailed) ,100 ,005 ,017

N 7 7 7 7


** Correlation is significant at the 0.01 level (2-tailed).

Uno de los requerimientos a la hora de hacer uso de modelos de regresión

múltiple establece que las variables explicativas deben ser independientes

entre sí. No obstante, es frecuente que entre las variables teóricamente

independientes aparezcan correlaciones, (por tanto no serían independientes

entre sí) en cuyo caso el modelo estadístico será poco preciso. En otras

palabras, si existe correlación entre las variables independientes hace que sea

difícil cuantificar con precisión el efecto de cada variable explicativa sobre la

explicada por separado en un modelo que las considere de forma conjunta. En

el caso de los variables desarrollo, renovación y automatización las

44

correlaciones oscilan entre un 0,84 y un 0,95. Las correlaciones entre las

variables explicativas, como se puede apreciar en el cuadro arriba expuesto,

son superiores a las correlaciones de las variables explicativas con la variable a

explicar, por lo que es evidente que en el caso de la regresión lineal múltiple

nos encontramos con un problema de multicolinealidad entre variables. La

lógica lleva a pensar que cada tipo de inversión, independientemente de que

cada una cumpla con fines distintos no dejan de ser inversión y dependerán

todas ellas en último término de un presupuesto concreto, de ahí la alta

correlación existente entre ellas.

Model

Análisis de la varianza: significado del cambio en F

Zum of Suarez de Mean Square F Sig.

1 Regresión ,236 3 ,079 3,438 ,169(a)

Residual ,069 3 ,023

Total ,305 6

a Predictors: (Constant), Automatización, Renovación, Desarrollo


El análisis de la varianza es una técnica estadística de contraste de hipótesis.

La significancia del cambio en F nos indica cómo de significativos son a nivel

estadístico los resultados que obtenemos de nuestro modelo, una vez mas,

hasta que punto es fiable el modelo elegido. El modelo arroja un valor para el

cambio de significancia en F de 0,169. Al ser este valor superior a 0,05, valor

máximo generalmente aceptado como resultado para este parámetro, se puede

asegurar que el modelo se mueve en un intervalo de confianza inferior al 95%

en los resultados que se obtengan. Es posible que el uso de variables

independientes que no pasan el contraste de significación, como es el caso de

la inversión en automatización y el problema de multicolinealidad entre las

variables independientes, es decir desarrollo, renovación e inversión, no

posibiliten un intervalo de confianza mayor para el modelo de regresión lineal

múltiple.

45

En resumen, si se decide aplicar un modelo de regresión lineal múltiple para

estimar el comportamiento del TIEPI en función de las inversiones en desarrollo

de red, renovación de red y automatización estaremos aplicando un modelo de

las siguientes características:

• Valor para R cuadrado de 0,775. El modelo explica casi en un 78% la

variación del TIEPI 99, porcentaje que puede considerarse aceptable.

• Una de las variables independientes, la inversión en automatización de

red no pasa el contraste de significación, es decir, por sí misma no

aporta nada en la explicación de la variable independiente.

• El modelo adolece de un problema de multicolinealidad entre las

variables independientes, problema que agudiza la falta de precisión de

las estimaciones que puedan obtenerse haciendo uso del modelo.

• El análisis de la varianza, indica que el modelo se mueve en un intervalo

de confianza inferior al 95% en las estimaciones que puedan hacerse.

Sin embargo un modelo de regresión múltiple arroja más información acerca de

la variable independiente.

46

7.11.2 Aplicación de la técnica de regresión simple a la red de

Iberdrola

Model

Variables Introducidas

Variables Entered


1 Inversión Total(a) . Enter

Se ha tomado como variable explicativa la inversión total, no se ha procedido al

desglose en inversión en desarrollo de red, renovación de red y automatización

de red.

Model

Resumen del modelo


1 ,841(a) ,707 ,13371

a Predictors: (Constant), Inversión Total

Si se aplica el método de regresión lineal simple, se obtiene un R cuadrado de

casi el 0,71. A mayor R cuadrado, mayor será el porcentaje de la variabilidad

del TIEPI que seremos capaces de explicar por medio de la inversión. En este

caso, con un 0,707, obtenemos un valor aceptable, si bien es cierto que menor

que el obtenido si se desglosa la inversión en sus tres variantes.

Model

Coeficientes

Unstandardized

Coefficients

B Std. Error

1 (Constant) 2,399 ,142

Inversión Total -1,56E-009 ,000


47

De acuerdo a los coeficientes y al valor de la constante calculada, la ecuación



Significancia de las variables

TIEPI Inversión

Total

TIEPI Pearson Correlation 1 -,841(*)


N 7 7

Inversión Total Pearson Correlation -,841(*) 1


N 7 7


La variable inversión total es significativa, ya que el valor de significación es de

0,018, inferior al 0,05 generalmente aceptado, por tanto puede ser válida su

utilización en un método de regresión lineal.

No procede, ya que en este caso la variable dependiente depende de una sola

variable explicativa.

Contraste de multicolinealidad

48


Model Sum of Square de Mean Square F Sig.

1 Regression ,215 1 ,215 12,045 ,018(a)


Total ,305 6



El valor resultante para la significancia del cambio en F es de 0,018. Al ser este

valor inferior al 0,05, valor máximo generalmente aceptado en este parámetro,

se puede asegurar que el modelo se mueve en un intervalo de confianza del

95% en las estimaciones que se obtengan.

En resumen, si se decide aplicar un modelo de regresión lineal simple para

estimar el comportamiento del TIEPI en función de la inversión total, estaremos

aplicando un modelo de las siguientes características:

• Valor para R cuadrado de 0,707. El modelo explica más del 70% la

variación del TIEPI 99, porcentaje que puede catalogarse de aceptable.

• La variable independiente utilizada pasa el contraste de significación, lo

cual valida su utilización en un modelo de regresión lineal.

• El análisis de la varianza indica que el modelo se mueve en un intervalo

de confianza del 95% en las estimaciones que puedan hacerse.

49

7.12 . Elección del modelo

A la vista de los resultados obtenidos, parece que un modelo de regresión

lineal simple se adapta mejor a los requerimientos. Si bien el poder explicativo

del método de regresión lineal simple es menor que el del método de regresión

lineal múltiple (70% respecto al 78%), es más robusto desde el punto de vista

estadístico por los siguientes motivos:

• Intervalo de confianza mayor, un 95%, mientras que en el caso de

regresión múltiple el intervalo de confianza es menor al 95%.

• Eliminamos el problema de la multicolinealidad al utilizar una sola

variable.

• Eliminamos la posibilidad de utilizar variables que no pasan el contraste

de significación como es el caso de la inversión en automatización de

red.

El modelo de regresión lineal simple será el utilizado para la red de Iberdrola y

para el resto de casos.

Por tanto la ecuación a aplicar, para el caso de la red de Iberdrola será la

siguiente:

La recta de regresión se expresa gráficamente de la siguiente manera:

50

Cabe resaltar que el coeficiente obtenido es un número de nueve decimales,

muy pequeño, debido a que trata de explicarse la variación de un medidor de

calidad de suministro que se mide en horas, con la inversión que se mide en

millones de euros. Se ha realizado la misma regresión con el TIEPI en minutos

e inversión en miles de euros, sin que los resultados aquí expuestos varíen en

absoluto.

Una vez encontrado un modelo estadístico que parece adaptarse a las

observaciones, resulta conveniente darle un sentido operativo al estudio, es

decir, cuantificar la variación de TIEPI en función de las inversiones. Se han

introducido en la ecuación valores redondos y en consonancia con las cuantías

invertidas en años pasados y el presente. La aplicación de la ecuación con un

valor de 100 millones de euros supone una reducción del TIEPI 99 en el

entorno de los 8 minutos, lo cual puede interpretarse de la siguiente manera:

Resultados

En ausencia de otro tipo de factores o bien manteniéndose los mismos constantes, con una inversión de 100 millones de euros obtendremos una reducción TIEPI en el entorno de 8 los minutos para la red de distribución de Iberdrola.

Deben de tenerse en cuenta las siguientes consideraciones en relación a la

estimación arriba expuesta:

• Es necesario tener presente que el modelo ha tomado datos que

corresponden al periodo 2000 -2007 y por lo tanto reflejan las relaciones

observadas entre las variables únicamente durante ese periodo de

tiempo.

• La estimación llevada a cabo se ha realizado de acuerdo a datos que

corresponden al periodo 1999 -2007 y reflejan la política de inversiones

correspondiente a los años bajo estudio. Si la política cambiase, los

resultados del modelo no serían extrapolables al futuro.

51

• El intervalo de tiempo del que han sido tomados los datos corresponde a

un periodo de nueve años. Siendo un intervalo razonable, con intervalos

de tiempo superiores podrían haberse obtenido resultados de mayor

robustez. Debido a dificultades de orden práctico no ha sido posible.

7.13 . Aplicación de la técnica de regresión lineal simple en la

región este

52

Model


Variables Entered





Se ha tomado como variable explicativa la inversión total.

Model

Resumen del modelo


1 ,880(a) ,774 ,14484


Se obtiene un R cuadrado de casi el 0,78. A mayor cuadrado, mayor será el

porcentaje de la variabilidad del TIEPI que seremos capaces de explicar por

medio de la inversión. En esta caso, con un 0,774, obtenemos un valor

elevado.

Model

Coeficientes

Unstandardized Coefficients

B Std. Error

1 (Constant) 2,918 ,142





53



TIEPI Inversión

Total



N 7 7



N 7 7





Model Sum of

Squares df Mean Square F Sig.

1 Regression ,360 1 ,360 17,144 ,009(a)


Total ,465 6







54

En resumen, la aplicación de un modelo de regresión lineal para la región este

aporta los siguientes datos:

• Valor para R cuadrado de 0,774. El modelo explica casi el 78% la

variación del TIEPI 99, porcentaje que puede catalogarse de elevado.

• La variable independiente utilizada pasa el contraste de significación.





red.

La aplicación de la ecuación con un valor de 30 millones de euros supone una

reducción del TIEPI 99 en el entorno de los 8 minutos, lo cual puede

interpretarse de la siguiente manera:

Resultados

En ausencia de otro tipo de factores o bien manteniéndose los mismos constantes, con una inversión de 30 millones de euros obtendremos una

reducción TIEPI en el entorno de 8 los minutos para la red de distribución de la región este.

Las consideraciones realizadas para la estimación de la red de distribución de

Iberdrola han de tenerse en cuenta para las regiones.


región Madrid


55

Model Variables Entered






Model

Resumen del modelo


1 ,850(a) ,720 ,17860


Se obtiene un R cuadrado de 0,720, siendo el mismo un valor aceptable...

Model

Coeficientes


B Std. Error

1 (Constant) 1,804 ,135







56

TIEPI Inversión

Total



N 7 7



N 7 7






Model Sum of


1 Regression ,411 1 ,411 12,873 ,016(a)


Total ,570 6





En resumen, la aplicación de un modelo de regresión lineal para la región este

aporta los siguientes datos:

57

• Valor para R cuadrado de 0,720. El modelo explica casi el 72% la

variación del TIEPI 99, porcentaje que puede catalogarse de elevado.

• La variable independiente utilizada pasa el contraste de significación.





red.

La aplicación de la ecuación con un valor de 20 millones de euros supone una

reducción del TIEPI 99 en el entorno de los 8 minutos, lo cual puede

interpretarse de la siguiente manera:

Resultados

En ausencia de otro tipo de factores o bien manteniéndose los mismos constantes, con una inversión de 20 millones de euros obtendremos una reducción TIEPI en el entorno de 8 los minutos para la red de distribución de Iberdrola.

58


región centro

La región centro es la región con un menor de coeficiente de correlación si la

comparamos con las obtenidas para Iberdrola o las regiones analizadas hasta

ahora. No obstante, el coeficiente de correlación sigue siendo significativo (-

0,66%), por lo que se ha considerado proceder a realizar la regresión y ver en

qué medida la inversión resulta explicativa en el desarrollo del TIEPI.

Model


Variables Entered






Model

Resumen del modelo


1 ,658(a) ,432 ,47558


Se obtiene un R cuadrado de 0,432. Un R cuadrado de 0,432 implica que el

modelo sólo es capaz de explicar en un 43% la variabilidad del TIEPI 99,

siendo este valor realmente escaso.

59

Model

Coeficientes


B Std. Error

1 (Constant) 3,470 ,550







TIEPI Inversión

Total

TIEPI Pearson Correlation 1 -,658


N 7 7

Inversión Total Pearson Correlation -,658 1


N 7 7


Tal como cabía esperar, al haber observado lo poco explicativo que resulta el

modelo, la variable Inversión total no pasa el contrate de significación con un

valor de 0,10 para este parámetro, superior al 0,05 generalmente aceptado. La

60

variable inversión total no parece ser válida para ser aplicada en un método de

regresión lineal.


Model Sum of


1 Regression ,861 1 ,861 3,808 ,108(a)

Residual 1,131 5 ,226

Total 1,992 6



El valor resultante para la significancia del cambio en F es de 0,10. El valor es

superior al 0,05, valor máximo generalmente aceptado en este parámetro, se

puede asegurar por tanto que el modelo se mueve en un intervalo de confianza

inferior al 95% en las estimaciones que se obtengan. En resumen, la aplicación

de un modelo de regresión lineal para la región este aporta los siguientes

datos:

• Valor para R cuadrado de 0,432. El modelo explica el 43% la variación

del TIEPI 99, siendo escaso su poder explicativo.

• La variable independiente utilizada no pasa el contraste de significación.


de confianza inferior al 95% en las estimaciones que puedan hacerse.

61

Se puede concluir que siendo la relación entre inversiones y TIEPI 99

significativa, tal como demuestran las correlaciones, no lo son lo suficiente para

hacer estimaciones utilizando la inversión como única variable explicativa.

7.16 . Aplicación de la técnica de regresión lineal simple en las

regiones norte y oeste

La aplicación de técnicas de este tipo teniendo en cuenta la inversión como

variable explicativa, independientemente del sentido práctico que tuviese su

aplicación, no es posible debido a la escasa correlación entre inversiones y

TIEPI 99 en la región oeste y la nula correlación en la región norte.

Como ha sido comentado anteriormente, las regiones norte y oeste son

regiones en las cuales los crecimientos de demanda desde hace años son muy

moderados y la calidad de servicio es óptima, por lo que no son necesarios

grandes desarrollos de red para atender el mercado en sus respectivas zonas

de distribución. Debido a ello los coeficientes de correlación son muy escasos,

al contrario de las regiones analizadas hasta el momento en las cuales se dan

las circunstancias contrarias: peor calidad de suministro, grandes crecimiento

de demanda y en consecuencia, alto nivel de inversión.

En ambas regiones, es probable que la evolución del TIEPI 99 sea

dependiente de otras causas, como la política de gasto o la eficiencia en la

operación de la red, acerca de las cuales no se dispone de los suficientes datos

ni son objeto de estudio.

62

63

8. CONCLUSIONES

El análisis estadístico llevado a cabo en la presente tesis tenía como principal

propósito conocer de qué manera repercuten las inversiones en la calidad de

suministro en una red de distribución eléctrica. Para ello se ha partido de la

hipótesis de que la calidad de servicio ofrecida por una red de distribución de

electricidad, como cualquier otra infraestructura, dependerá en gran medida de

las inversiones que se hagan en la construcción de la misma como a lo largo

de su vida útil. El parámetro de calidad de suministro elegido ha sido el TIEPI,

por ser la continuidad de suministro el aspecto de calidad más evidente para

los clientes y el principal parámetro de calidad por el que una distribuidora de

electricidad es evaluada.

La primera parte del estudio, por el medio de búsqueda de correlaciones entre

una variante del TIEPI (TIEPI 99) ha servido como contraste de la hipótesis y

se han podido observar relaciones entre la inversión y el TIEPI de cierta

relevancia:

• El efecto de las inversiones sobre el TIEPI no es inmediato, de acuerdo

a los resultados obtenidos, los efectos de la inversión muestran su

influencia en la calidad de suministro obtenida tras un periodo de dos

años desde su realización. Esto se debe a que el uso de cantidades

monetarias no supone necesariamente la puesta en marcha de

instalaciones o activos, determinadas obras de infraestructura como son

la construcción de subestaciones o líneas de alta y media tensión

independientemente de su presupuestación en un determinado año,

tardan un periodos de tiempo superiores en ser finalizadas y puestas en

marcha. En muchos casos, aunque se haya hecho uso de los recursos

económicos, con los mismos no se ha ido más allá del acopio de

materiales.

64

• En las regiones de Madrid, este, centro así como para Iberdrola, las

inversiones resultan ser el principal factor en el desarrollo del TIEPI 99,

con un grado de correlación fuerte e inversa entre inversiones y TIEPI

99. En la medida en que las inversiones aumentan el TIEPI 99 tiende a

disminuir, y en la medida en que las inversiones disminuyen el TIEPI 99

tiende a aumentar.

• En las regiones Norte y Oeste, las correlaciones entre inversiones y

TIEPI 99 son muy escasas, no se aprecia en la evolución temporal de

las series de TIEPI 99 especial relación con el volumen de inversión

realizado.

Los resultados obtenidos, teniendo en cuenta los datos de evolución del TIEPI

99 y demanda incluidos al inicio de la tesis, tienen sentido y puede ser

explicados de la siguiente manera:

Cuando se producen incrementos muy altos en la demanda, se producen dos

efectos, por un lado los índices de calidad de suministro tienden a empeorar

debido a las mayores cargas que la red ha de soportar, y por otro, los valores

de inversión tienden a elevarse de manera significativa con el objeto de llevar a

cabo los desarrollos de red necesarios para atender la demanda en las

condiciones de calidad reglamentarias. Es lógico por tanto que en este tipo de

regiones, como lo son en la realidad la región de Madrid, Este y Centro, así

como para Iberdrola en conjunto, la inversión se convierta en principal factor

que marca la evolución del TIEPI 99. Por otro lado en aquellas regiones con

crecimientos bajos o moderados en la demanda, los índices de calidad

acostumbran a ser mejores que en cada una de las zonas por separado. En

este caso los valores de inversión tienden a mantenerse bajos ya que no son

necesarios nuevos desarrollos de red para atender el mercado en su zona. En

estos casos, la evolución de la calidad de suministro dependerá no tanto de la

inversión sino de otros factores como pueden ser la política de gasto o la

eficiencia en la operación de la red. Es el caso de las regiones Norte y Oeste,

donde como se ha mostrado anteriormente en el apartado de evolución

65

temporal del TIEPI 99, los niveles de inversión quizá demasiado bajos están

degradando los niveles de calidad tradicionalmente altos.

Los resultados obtenidos para Iberdrola, así como para cada una de las

regiones validan por tanto la hipótesis, en las regiones donde los valores de

inversión son altos como consecuencia de las circunstancias en las que se

desarrolla la actividad de distribución de energía eléctrica, muestran una clara

tendencia a reducir los índices de TIEPI 99, las regiones en las que se dan

bajos niveles de inversión como consecuencia de las circunstancias en las que

se desarrolla la actividad de distribución de energía eléctrica, muestran una

tendencia a aumentar los índices de TIEPI 99.

Es necesario tener en cuenta que si bien se han encontrado relaciones de

algún modo relevantes entre inversión y calidad de suministro, las

correlaciones siendo elevadas en las regiones anteriormente mencionadas no

son perfectas, alguno de los factores que influyen en el resultado podrían ser

los siguientes:

• La periodificación anual de la inversión es un mero criterio contable, el

uso de cantidades monetarias no supone necesariamente la puesta en

marcha de instalaciones o activos, los activos en función de su

naturaleza varían en el tiempo de su puesta en marcha.

• La repercusión de las inversiones en el TIEPI 99 no depende

únicamente de la inversión en sí misma, sino también de la eficiencia

aplicada en la asignación de los recursos.

• No todas las inversiones se orientan necesariamente a la mejora de la

calidad de suministro, las motivaciones pueden ser otras, como la

reducción de las pérdidas en la red o la reducción de determinados

gastos operativos.

66

• La relación entre inversiones y calidad no se da en la misma proporción

a lo largo del tiempo, desde el momento en que la calidad de suministro

mejora, se necesita hacer uso de mayores recursos para obtener

mejoras equivalentes en lo sucesivo.

Se ha tratado de dar algún sentido operativo a los resultados obtenidos en la

primera parte del estudio, y la manera de dar este sentido a los resultados ha

sido el de cuantificar los cambios en el TIEPI en función de la inversión que se

realice. El método para estimar los cambios en el TIEPI en función de la

inversión ha sido la técnica de regresión. En aquellas regiones donde la

inversión resulta ser el principal factor en la evolución del TIEPI, ha sido posible

aplicar técnicas de regresión, en aquellas regiones donde el TIEPI depende de

otros factores además de la inversión, esta última ha demostrado tener un

escaso poder explicativo, por lo cual no se ha aplicado la técnica.

Los resultados obtenidos han sido los siguientes:

• En ausencia de otro tipo de factores o bien manteniéndose los

mismos constantes, con una inversión de 100 millones de euros obtendremos una reducción TIEPI en el entorno de 8 los minutos para la red de distribución de Iberdrola.

• En ausencia de otro tipo de factores o bien manteniéndose los

mismos constantes, con una inversión de 30 millones de euros obtendremos una reducción TIEPI en el entorno de los 8 minutos para la red de distribución de la región este.

• En ausencia de otro tipo de factores o bien manteniéndose los mismos constantes, con una inversión de 20 millones de euros

obtendremos una reducción del TIEPI en el entorno de los 8 minutos para la red de distribución de la región de Madrid.

67

• En la región centro, aún existiendo una correlación importante

entre inversión y TIEPI 99, una vez aplicada la técnica de regresión esta no ha resultado lo suficientemente explicativa, por lo que no se ha procedido realizar la cuantificación de la variabilidad del

TIEPI, por aplicación del principio de prudencia.

• En las regiones Norte y Oeste la correlación entre inversión y TIEPI 99 ha resultado escasa o nula, por lo que no se han podido aplicar

técnicas de regresión.

Los resultados obtenidos exigen ser tomados con cierta cautela debido a los

siguientes motivos:

• Es necesario tener presente que el modelo ha tomado datos que

corresponden al periodo 2000 - 2007 y por lo tanto reflejan las relaciones

observadas entre las variables únicamente durante ese periodo de

tiempo.

• La estimación llevada a cabo se ha realizado de acuerdo a datos que

corresponden al periodo 1999 - 2007 y reflejan la política de inversiones

correspondiente a los años bajo estudio. Si la política cambiase, los

resultados del modelo no serían extrapolables al futuro.

• El intervalo de tiempo del que han sido tomados los datos corresponde a

un periodo de nueve años. Siendo un intervalo razonable, con intervalos

de tiempo superiores podrían haberse obtenido resultados de mayor

robustez. Debido a dificultades de orden práctico no ha sido posible.

Documents

MÁSTER OFICIAL EN EL SECTOR ELÉCTRICO TESIS DE MÁSTER ... · mÁster oficial en el sector elÉctrico tesis de mÁster anÁlisis cualitativo y cuantitativo de la relaciÓn existente