Previsiones energéticas

De Wikipedia, la enciclopedia libre

Las previsiones energéticas abarcan las previsiones de un amplio abanico de campos y fenómenos relacionados con la energía, desde la demanda de energía (electricidad, gas natural, combustibles fósiles, etc.), la producción con distintas tecnologías (eólica, solar, hidroeléctrica, nuclear, ciclos combinados, etc.), hasta el precio (mercados spot, productos financieros derivados, etc.).

Necesidad de previsiones energéticas[editar]

Las previsiones de demanda y precio de la energía son imprescindibles a la hora de planificar inversiones, estimar gastos y tomar decisiones de manera informada y responsable. Entre los sectores y ámbitos que requieren previsiones energéticas se encuentran operadores del sistema eléctrico (TSO), empresas distribuidoras y comercializadoras de electricidad, agencias estatales y gubernamentales,[1]​[2]​ y grandes industrias.

Las previsiones de mercados energéticos son una de las previsiones empresariales más complicadas, debido a su dependencia de variables que entrañan volatilidades e incertidumbres que pueden ser muy significativas. Muchas de las variables que influyen en los mercados energéticos están ligadas a fenómenos naturales de los que no se disponen previsiones muy precisas, como viento, precipitaciones, temperaturas, etc. Además, como en muchos otros mercados, los mercados energéticos también se ven afectados por la evolución de la economía, cambios legislativos, cambios tecnológicos, etc.

La incorporación relativamente reciente de energías renovables, como la energía eólica o la energía solar, a gran escala en los sistemas eléctricos[3]​ han hecho imprescindible la disponibilidad de previsiones de producción de electricidad con estas tecnologías. Estas energías utilizan recursos no almacenables como la radiación solar o el viento que, conjuntamente con la no posibilidad de almacenar la electricidad a gran escala, hacen que la electricidad generada con estas fuentes sea no gestionable y dependiente en todo momento de su recurso primario, ya sea radiación solar o viento.

Metodología[editar]

En la actualidad y a lo largo del tiempo se han ido usando distintos modelos estadísticos para las previsiones de mercados y variables energéticas:[4]​

Además de modelos estadísticos también se usan técnicas de carácter más fundamental que intentan reproducir y predecir el comportamiento individual o agrupado de los participantes en el mercado, y aplicando teorías de juego y de competencia, para deducir el precio y la cantidad de energía negociada.[5]​ Muchos paquetes comerciales de previsiones energéticas combinan varios de estos modelos en complejos modelos híbridos[6]​[7]​ para ofrecer previsiones más robustas y con indicadores de confianza.

Previsiones energéticas y variables usadas[editar]

Las previsiones energéticas o de energía típicamente contienen las siguientes previsiones y horizontes de previsión.

Previsiones de demanda de gas y electricidad[editar]

Corto plazo[editar]

Las previsiones a corto plazo cubren el horizonte desde las primeras 24 horas hasta 8 o 10 días. La granularidad temporal de estas previsiones es la misma que la de los datos registrados, normalmente entre 10 minutos y una hora. Las variables que intervienen en la determinación de estas demandas a corto plazo son:

Medio y largo plazo[editar]

Las previsiones a medio plazo cubren desde los primeros meses del horizonte hasta 3 años, típicamente, y suelen conservan la granularidad temporal de los datos registrados. Las previsiones de largo plazo pueden llegar a cubrir entre 5 y 20 o 30 años, y acostumbran a presentar agrupaciones temporales mayores que las de los datos originales (semanales, mensuales o anuales). Las variables que se tienen en cuenta para las previsiones a medio y largo plazo son:

Al no existir previsiones fiables de estas variables a tan largo plazo, las previsiones se acostumbran a presentar a partir de escenarios realistas de las variables. Estos escenarios se construyen a partir de medias históricas para las variables meteorológicas, y prolongando hacia el futuro (habitualmente de forma conservadora) las previsiones más recientes del resto de variables. El uso y la modificación de los escenarios permiten comprender el comportamiento de la demanda frente a posibles cambios en las variables (calentamiento global, aparición de nuevas tecnologías, flujos migratorios, etc.).

Previsiones de precio en mercados mayoristas de electricidad[editar]

Corto plazo[editar]

Las previsiones de precio a corto plazo son fundamentales en el ámbito económico para los productores y comercializadores de electricidad para la optimización de la gestión de los contratos de compra de energía. Para las previsiones a corto plazo se tienen en cuenta:[10]​

Medio y largo plazo[editar]

Las previsiones a medio y largo plazo son imprescindibles para las empresas con grandes consumos de electricidad (para planificar los gastos), para las empresas comercializadoras (para determinar el precio de las tarifas a aplicar a sus clientes) y para las empresas productoras y distribuidoras (para planificar y prever el rendimiento de sus inversiones). En las previsiones de precio a medio y largo plazo se tienen en cuenta los siguientes escenarios:

En el caso de las previsiones de precio, el uso de escenarios permite estudiar y anticipar el comportamiento del mercado frente a fenómenos como el aumento o disminución de la demanda, la variación de la capacidad de producción de una determinada tecnología o la incorporación de nuevos combustibles o tecnologías de producción.

Previsiones de energías renovables no gestionables[editar]

Corto plazo[editar]

El carácter no gestionable de tecnologías renovables como la energía eólica o la energía solar hace imprescindible disponer en todo momento de previsiones a corto plazo para poder gestionar correctamente su integración en los sistema eléctricos sin que esta integración produzca desequilibrios de tensión ni de frecuencia.[11]​[12]​ La previsión de la producción en las horas inmediatamente siguientes (hasta 6 horas) es necesaria para la correcta gestión de los desvíos entre la producción programada, y las producciones y demandas previstas, a través de las regulaciones secundarias y terciarias de los operadores de los sistemas eléctricos. Las previsiones a 48 horas vista son necesarias para las negociaciones de compra y venta de electricidad en los mercados mayoristas. Las previsiones que cubren el horizonte hasta cinco o seis días son usadas por los traders, consumidores y comercializadoras parar planificar su estrategia y operar en los mercados de futuros.

Las variables que se usan principalmente en las previsiones a corto plazo son variables meteorológicas y la disponibilidad de las plantas de producción.

Medio y largo plazo[editar]

Las previsiones a más largo plazo ya no utilizan previsiones de variables meteorológicas ya que no existen previsiones fiables de éstas más allá de los primeros días. En su lugar se utilizan escenarios basados en promedios históricos de las variables meteorológicas. Además hay que tener en cuenta la evolución de la potencia instalada de cada tecnología, que puede depender fuertemente de las políticas de ayudas y subvenciones para su instalación y explotación.

Previsiones de consumo de otras energías finales (carbón y petróleo)[editar]

Para las previsiones de consumo de carbón y petróleo, se tienen en cuenta variables relacionadas con el sector donde estas energías son más utilizadas. En el caso del carbón, por ejemplo, se tendrá en cuenta la producción de bienes que requieran un uso intensivo del carbón, como la producción de cemento donde se requieren muy altas temperaturas. Para el caso del petróleo, una variable importante es el uso que se hace del petróleo como combustible para el transporte.

Herramientas[editar]

GAP (IED): Software que se dédica a Analizar y Planificar la Generación de energía para garantizar un nivel aceptable de estabilidad y calidad de servicio con la diversificación de las fuentes de suministro y la introducción de energías renovables intermitentes (eólica y solar)

DAP (IED): Software diseñado tanto para pronosticar la demanda de energía y la carga máxima como para preparar acciones para controlar la demanda energética

Iniciativas[editar]

Véase también[editar]

Referencias[editar]

  1. ↑ «Orden ITC/3520/2009, de 28 de diciembre» (pdf). BOLETÍN OFICIAL DEL ESTADO (Agencia Estatal Boletín Oficial del Estado, Ministerio de la Presidencia, Gobierno de España) (315): 112179. 31 de diciembre de 2009. ISSN 0212-033X. «Antes del 1 de diciembre de cada año la Comisión Nacional de Energía remitirá al Ministerio de Industria, Turismo y Comercio una previsión de facturación para el año siguiente a efectos de su consideración en la elaboración de las tarifas de último recurso y peajes de acceso.» 
  2. ↑ «Directiva 2009/72/CE del Parlamento Europeo y del Consejo, de 13 de julio de 2009» (html). Diario Oficial de la Unión Europea (EUR-Lex) (L211): 55. 14 de agosto de 2009. ISSN 1725-2512. «Artículo 22.3: Al elaborar el plan decenal de desarrollo de la red, el gestor de la red de transporte hará suposiciones razonables sobre la evolución de la generación, suministro, consumo e intercambios con otros países, teniendo en cuenta los planes de inversión en redes regionales y a escala comunitaria.» 
  3. ↑ «Directiva 2009/28/CE del Parlamento Europeo y del Consejo, de 23 de abril de 2009» (html). Diario Oficial de la Unión Europea (EUR-Lex) (L140): 16. 5 de junio de 2009. ISSN 1725-2512. 
  4. ↑ Weron, Rafał (octubre-diciembre 2014). «Electricity price forecasting: A review of the state-of-the-art with a look into the future». International Journal of Forecasting (en inglés) (Elsevier) 30 (4): 1030-1081. ISSN 0169-2070. OCLC 641797772. doi:10.1016/j.ijforecast.2014.08.008. 
  5. ↑ Mirbach, Tobias; Blaesig, Boris; Baltes, P.; Haubrich, Hans-Jürgen (2008). «A COMPETITIVE MARKET SIMULATION METHOD FOR THE INVESTIGATION OF THE PRICE DEVELOPMENT IN THE EUROPEAN MARKET FOR ELECTRICAL ENERGY» (pdf). Power Systems Computation Conference (PSCC) (en inglés) (Glasgow, Scotland). ISBN 9780947649289. Archivado desde el original el 18 de agosto de 2016. Consultado el 2 de agosto de 2016. 
  6. ↑ Aleasoft. «AleaModel modelo híbrido». Barcelona. 
  7. ↑ Amjady, Nima; Daraeepour, Ali; Keynia, Farshid (Marzo de 2010). «Day-ahead electricity price forecasting by modified relief algorithm and hybrid neural network». IET Generation, Transmission & Distribution (en inglés) (Londres, Reino Unido: The Institution of Engineering and Technology) 4 (3): 432-444. ISSN 1751-8695. doi:10.1049/iet-gtd.2009.0297. 
  8. ↑ Hong, Tao; Wang, Pu; White, Laura (abril-junio 2015). «Weather station selection for electric load forecasting». International Journal of Forecasting (en inglés) (Elsevier) 31 (2): 286-295. ISSN 0169-2070. doi:10.1016/j.ijforecast.2014.07.001. 
  9. ↑ Doumèche, Nathan; Allioux, Yann; Goude, Yannig; Rubrichi, Stefania. «Human spatial dynamics for electricity demand forecasting: the case of France during the 2022 energy crisis» (en inglés). arXiv:2309.16238. 
  10. ↑ Monteiro, Claudio; Fernandez-Jimenez, L. Alfredo; Ramirez-Rosado, Ignacio J. (2015). «Explanatory Information Analysis for Day-Ahead Price Forecasting in the Iberian Electricity Market». Energies (en inglés) (MDPI AG) 8: 10464-10486. ISSN 1996-1073. doi:10.3390/en80910464. 
  11. ↑ Carbajo, Alberto (22 de septiembre de 2012). La integración de las energías renovables en el sistema eléctrico (pdf) (176/2012). Fundación Alternativas. 
  12. ↑ Rodríguez López, Francisco; Sánchez Díaz de la Campa, Manuel (29 de septiembre de 2016). «Integración de las energías renovables en las redes de distribución: un caso de éxito en el norte de España» (pdf). Cuadernos (Club Español de la Energía, Deloitte y Garrigues) (49): 93. 

Enlaces externos[editar]

Obtenido de «https://es.wikipedia.org/w/index.php?title=Previsiones_energéticas&oldid=156394945»