Análisis de los factores más influyentes en el precio de la electricidad

Equation Chapter 1 Section 1 Trabajo Fin de Grado Ingeniería en Tecnologías Industriales Análisis de los factores más influyentes en el precio de la electricidad Autor: Raúl Clemente Ortega Tutores: Juan Manuel Roldán Fernández y Manuel Burgos Payán Dpto. Teoría Ingeniería Eléctrica Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2020 Trabajo Fin de Grado Grado en Ingeniería de las Tecnologías Industriales Análisis de los factores más influyentes en el precio de la electricidad Autor: Raúl Clemente Ortega Tutor: Juan Manuel Roldán Profesor ayudante doctor Manuel Burgos Payán Profesor Catedrático de Universidad Dpto. de Ingeniería Eléctrica Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2020 Trabajo Fin de Grado: Análisis de los factores más influyentes en el precio de la electricidad Autor: Raúl Clemente Ortega Tutor: Juan Manuel Roldán El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2020 El Secretario del Tribunal A mi familia A mis profesores Agradecimientos Dar las gracias es la forma más elevada del pensamiento; ser agradecido es la mejor forma de la felicidad -GK Chesterton- Me gustaría saber agradecer con palabras a aquellas personas que me han acompañado, a lo largo de todo este recorrido, sabiendo distinguir entre lo personal y lo profesional. Por un lado, en lo académico, quiero agradecer a todos los profesores que me han acompañado durante este largo y duro trayecto, por haber contribuido en mi formación en la Escuela, pero, sobre todo, por esculpirme como una persona de futuro. Me llevo un gran conocimiento de todos ellos, pero, ante todo, me marcho con una mente curtida y dispuesta a salir de cualquier situación, por muy difícil que esta pueda llegar a ser. Especialmente quiero agradecer a Juan Manuel Roldán Fernández la implicación, el compromiso y el empeño que ha puesto en este proyecto. Las circunstancias no han sido las idóneas, pero gracias a él, este estudio hoy es una realidad. Siempre te estaré agradecido. En lo personal, agradecer a mi hermano Carlos, por ser referente en mi vida. Por dejarme siempre un camino allanado y libre de obstáculos. En especial a mis padres, por brindarme un apoyo continuo e incondicional, y hacer de mí una buena persona. Sin ellos, nada de esto habría sido posible. Gracias Raúl Clemente Ortega Sevilla, 2020 de la energía procedente de CT de carbón) 46 Figura 4-24 Estimación del precio medio horario en el mercado diario (sustitución de Energía casada procedente de CC) 47 Figura 4-25 Estimación del precio medio horario en el mercado diario (sustitución dePrecio medio aritmético energía procedente de CC) 49 Figura 4-26 Estimación del precio medio horario en el mercado diario (Sustitución Precio medio ponderado energía procedente de CC) 50 Figura 5-1 Gráfica conclusión final 53 Figura 5-2 Gráfica de barras conclusión final con línea de tendencia 54 Notación UE CNMC EDP END ENER GNF GWh IBER MIBEL MWh O.MIN OMIE OMIP OPV REE RSI CC Unión Europea Comisión Nacional de Mercados y Competencia Energías de Portugal-EDP Endesa Energya Gas Natural Fenosa Gigavatio hora Iberdrola Mercado Ibérico de Electricidad Megavatio hora Otros Minoría Operador Mercado Ibérico-Polo español Operador Mercado Iberico-Polo portugués Oferta Pública de Venta Red Eléctrica de España Índice de Suministro Residual Ciclos Combinados CT Centrales Térmicas 1 Objeto del trabajo 2 1 OBJETO DEL TRABAJO Os mercados europeos de la electricidad están pasando por una fase de transición agitada, los cambios en el esquema de comercio del carbono de la UE y la Integración del mercado europeo. Además, los mercados se ven afectados por la volatilidad de los precios de los vectores de energía primaria, como por ejemplo el gas y el carbón. En el año 2017, el Instituto de Tecnología de Karlsruhe, liderado por Andreas Bublitz, Dogan Keles, Wolf Fichtner lanzaron un estudio, llamado An analysis of the decline of electricity spot prices in Europe: Who is to blame? [1], para analizar la contribución de los diferentes impulsores de la caída de precios de la electricidad mayorista en Alemania. Se pasó de unos 51€/MWh en 2011 a 31 €/MWh en 2015, casi un 40% menos. Utilizando dicho estudio como punto de partida, se pretende hacer un simil para España, tal y como el nombre del proyecto indica, analizando los factores más influyentes en el precio de la electricidad para el mercado eléctrico español. Al igual que se hace en el artículo citado, en este trabajo, se emplea un enfoque de regresión multivariante para investigar el efecto de los factores del precio. Para ello, se hace un primer análisis de todos los factores que pueden intervenir en el resultado, donde se procede a una selección específica de los factores más influyentes. Un segundo análisis con dichas variables, para determinar el peso de cada una de ellas en el resultado. Para este proyecto, se van a emplear dos años muy específicos. El año que se usará como referencia será el año 2008. Este año es un periodo de precios elevados de electricidad (64.43 €/MWh) y alta demanda debido a que es previo a la crisis económica que posteriormente se produce y cuyos efectos han sido notables hasta hace relativamente pocos años. Posteriormente se procederá a analizar el año 2016, año donde se consolida la recuperación económica y donde daría comienzo el crecimiento de los precios de la electricidad. Mediante el análisis de los cambios en distintas variables entre 2008 y 2016 se tratará en este trabajo de responder a la pregunta de qué parámetros han tenido mayor influencia evolución a la baja del precio de la electricidad desde 2008. L El aspecto más triste de la vida actual es que la ciencia gana en conocimiento más rápidamente que la sociedad en sabiduría - Isaac Asimov- 3 3 Análisis de los factores más influyentes en el precio de la electricidad Introducción 4 2 INTRODUCCIÓN 2.1 Introducción urante las primeras décadas de los años 40-50 el suministro de electricidad se consiguió fundamentalmente con generación hidráulica, se construyeron presas que a veces compartían funciones de abastecimiento urbano o regadíos. Ese desarrollo tuvo una cierta confrontación social al ocupar áreas de buenos cultivos, por ejemplo, en el río Miño, presa de Castrelo do Miño, o en el río Ebro, presas de Mequinenza y Ribaroja; y tuvo su expresión última en la presa de Riaño sobre el río Esla. La generación con carbón fue un aporte complementario que tuvo su representación más significativa en el nacimiento de la Empresa Nacional de Electricidad S.A. en el año 1946 con la central térmica de Compostilla I en León, y el objetivo de “Suministrar electricidad en verano y otoño, cuando no se dispone de agua”. La entrada de España en el sistema económico internacional en los años sesenta abrió las puertas a la importación de petróleo, a la construcción de refinerías y al uso masivo de fueloil, concibiéndose este como la posible energía primaria de generación eléctrica desde las empresas privadas, llegándose a instalar 11.000MW de potencias. Con la crisis de los precios del petróleo (iniciada en 1973), se pone de manifiesto el problema existente en Europa, en cuanto a la dependencia de este combustible fósil, iniciándose una seria de acciones con tendencia a mejorar la eficiencia del consumo y la diversificación de las fuentes de generación de electricidad, dirigiéndose en España hacia la energía nuclear y el carbón. • Centrales nucleares. Junto a la propuesta de construcción de hasta 30.000MW se une una fuerte protesta social. Finalmente, se instalan siete grupos de entre 900 y 1000 MW de potencia unitaria, que se unen a dos grupos más pequeños ya existentes. • Centrales de carbón. Se planea la construcción de grupos térmicos para utilizar carbón proveniente de cuencas mineras cuya extracción se incrementa, con unas potencias unitarias de unos 350MW. Posteriormente, en Andalucía y Asturias (en los años ochenta) se construyen grupos de carbón de 550MW. Tuvo mucha importancia el avance en extracción de carbones como los lignitos pardos y lignitos negros, con nuevas tecnologías de minería, empleando grandes máquinas. El problema que tienen estos carbones es su elevado contenido en azufre, que provocaron unas emisiones significativas de SO2. Todo esto provoca la inclusión de algunas empresas en “proyectos europeos de tecnologías de uso limpio de carbón”. El resultado más significativo fue la construcción de la planta de gasificación integrada con ciclo combinado de ELCOGAS en Puertollano, con una potencia de 330 MW. A mediados de los ochenta se crea la empresa pública Red Eléctrica de España S.A. que gestiona el transporte en alta tensión para todo el país y el vertido de energía al sistema en función de las demandas y de la optimización de la eficiencia energética global del mismo. Los noventa se inician con una previsible alta disponibilidad de gas natural y la liberación del sistema eléctrico. Con la construcción de nuevos ciclos combinados conlleva inversiones bajas, en torno a 600€ por kW instalado, lo que provoca D Si no conozco una cosa, la investigaré. - Louis Pasteur - 5 5 Análisis de los factores más influyentes en el precio de la electricidad la no necesidad de un sistema regulatorio que reconozca las inversiones realizadas. La sociedad ya no ve la necesidad de pensar en nuevas centrales de carbón, además de plantearse la posibilidad de establecer un calendario de cierre para las plantas nucleares. Desde mediados de la década de los noventa se ha visto crecer la construcción de parques eólicos en España, la potencia instalada ya pasa de 12.000 MW y la aportación a la generación bruta de electricidad se sitúa en torno al 8% del total. Desde la entrada en funcionamiento del mercado eléctrico español en 1998 hasta finales de 2008, cuando comenzó la crisis económica, la demanda de electricidad de España creció un 53%. Durante este período el aumento de la demanda estuvo vinculado directamente al crecimiento del Producto Interior Bruto (PIB) del país, que se incrementó en un 42%. Figura 2-1 Demanda de electricidad en la península [2] El conjunto de tecnologías destinadas a la generación eléctrica en España estaba bastante diversificado con el nacimiento del mercado eléctrico. En el año 1998 el principal recurso disponible para la generación era el hidroeléctrico, teniendo una potencia instalada de hasta el 40% de toda la capacidad de generación en España, teniendo en cuenta las diversas variantes: bombeo, embalses y fluyentes. Siguiéndole la generación del carbón, con un 23% de la capacidad total, y la generación nuclear, con un 16%. Sin embargo, la tecnología que más electricidad generaba era el carbón, seguido por la energía nuclear. Con muy poca participación, la energía eólica proporcionaba apenas el 1% de la capacidad total de generación. Sin embargo, durante el periodo 1998-2008 se instaló en España en torno a 1,5GW de potencia eólica cada año. Solo fue superado en crecimiento de instalación por las centrales de ciclos combinados de gas. Gracias a la eficiencia y al menor impacto medioambiental que la generación térmica tradicional tenía, los ciclos combinados de gas entraron en el mercado español en 2002, superando en potencia instalada a la generación con fuel y gas (en solo cuatro años). Desde 2002 a 2008 se acabaron construyendo más de 3GW cada año. Introducción 6 Figura 2-2 Potencia instalada en la península por tecnologías [3] A partir de 2002 se notó con gran diferencia el crecimiento de la potencia total de generación eléctrica en el sistema peninsular español, coincidiendo con la entrada de los ciclos combinados de gas. El sistema eléctrico, casi duplicó la potencia instalada de aproximadamente 47,54GW en 1998 a alrededor de 89,54 GW en 2008. Se pasó del dominio de la energía hidroeléctrica a tener una distribución equitatica entre las principales tecnologías en 2008: ciclos combinados de gas, hidroeléctrica y eólica. Figura 2-3 Potencia instalada para la generación de electricidad en la península [4] 7 7 Análisis de los factores más influyentes en el precio de la electricidad En el primer año de funcionamiento del mercado, 1998, el promedio del precio fue de 25,06 €/MWh, un precio que es prácticamente la mitad de los precios que se están registrando en los últimos años. Entre 1998 y 2001, el precio subió un 20% hasta superar los 30 €/MWh. En 2002, aumentaron los precios del mercado eléctrico, debido al aumento del 1,9% de la demanda eléctrica y la mayor caída de la producción hidroeléctrica, de un 48%, provocando un cierre de una media anual de 37,48€/MWh, 7,41€/MWh superior al del año anterior. El siguiente año, en 2003, la recuperación de la producción hidroeléctrica, en torno al 89%, provocó que el precio promedio de ese mismo año registrara la mayor caída en la primera mitad de la historia del mercado, de un 23% respecto al año anterior. En 2005, con la entrada del mercado de derechos de emisión de CO2, se dio el mayor incremento anual registrado en los precios del mercado. El precio promedio fue de 53,68 €/MWh, siendo un 92% mayor al del año anterior. Esta subida se vio favorecida por la caída de producción hidroeléctrica, de un 41%, además del incremento de un 6,2% de la demanda de electricidad, el aumento de los precios de los combustibles, fundamentalmente del gas, de un 55%, también del precio del petróleo Brent, que ese año registró una subida del 42%, y la fuerte influencia que comenzó a ejercer el mercado de derechos de emisión de CO2 sobre el mercado eléctrico español. En los siguientes años, el precio bajaría con respecto al 2005, con descensos del 5,9% y 22% para 2006 y 2007, al producirse una ligera recuperación en la producción hidroeléctrica y descensos en los precios del CO2 del 3,6% y 28% respectivamente. En 2007, los precios del gas bajaron un 27%, favoreciendo el descenso de los precios del mercado de electricidad. A las puertas del inicio de la crisis económica global en el año 2008, tras un aumento del 76% en los precios del mercado de derechos de emisión de CO2 y una caída de la producción hidroeléctrica de un 15%, los precios del mercado eléctrico español sufrieron un incremento del 64% con respecto al año anterior. Dicho incremento también estuvo favorecido por una importante subida de los precios de los combustibles para la generación eléctrica. En el año 2008 los precios del gas aumentaron un 64% y los del carbón un 61%. Además, el precio del barril de petróleo Brent aumentó también, en un 34%. El precio promedio en el mercado eléctrico de España en 2008 fue de 64,43 €/MWh, el mayor valor registrado desde que entrara en funcionamiento el mercado hasta el cierre del año 2018. Entre el año de entrada en funcionamiento, 1998, y diez años después cuando se registró el año más caro, 2008, el precio creció un 157%. Figura 2-4 Precio del mercado de la electricidad en España [5] Introducción 14 11 3 METODOLOGÍA ara poder evaluar la influencia que tiene las tecnologáis térmicas, renovables o la demanda en el precio de la energía eléctrica en el mercado diario se va a emplear una herramienta matemática denominada regresión lineal.Cuando detectamos una relación entre dos o más variables, se puede intentar matematizar a través de fórmulas que represente dicha relación, permitiendo calcular pronósticos de alguna de estas variables conociendo el valor de una o de varias de ellas, evaluadas en un individuo concreto. Cuando solo se dispone de una variable independiente, se conoce como regresión lineal simple. Si existen más se trataría de regresión lineal múltiple. Existiendo, además, una modalidad en la cual la ecuación estimada proviene de calcular otra que minimiza la suma de las distancias elevadas al cuadrado entre los puntos de datos de la muestra y los valores pronosticados por la ecuación, siendo esta la regresión de cuadrados mínimos ordinarios. Las principales aplicaciones de la regresión es la predicción o previsión de hechos a partir de unos datos determinados, teniendo en cuenta la correlación de las variables en estos hechos. Sin embargo, el uso de la regresión lineal múltiple se enfoca principalmente en tres aplicaciones: - Identificación de variables explicativas: Crear un modelo donde se seleccionen las variables que pueden influir en la respuesta, descartando las que no aporten información. - Detección de interacciones entre variables independientes que afectan a la variable respuesta. - Identificación de variables confusoras. 3.1 Regresión Lineal Múltiple En el modelo de regresión lineal múltiple se supone que la función de regresión que relaciona la variable dependiente con las variables independientes es lineal, es decir: Y = β0 + β1X1 + · · · + βpXp + ε • β0 es el término independiente. Es el valor esperado de Y cuando X1, . . . , Xp son cero. • β1, β2, . . . βp son los coeficientes parciales de la regresión: o β1 mide el cambio en Y por cada cambio unitario en X1, manteniendo X2, X3, . . . , Xp constantes. o β2 mide el cambio en Y por cada cambio unitario en X2, manteniendo X1, X3, . . . , Xp constantes. o ... o βp mide el cambio en Y por cada cambio unitario en Xp , manteniendo X1, . . . , Xp−1 constantes. P “Cada día sabemos más y entendemos menos” -Albert Einstein - Metodología 12 12 • ε es el error de observación debido a variables no controladas. Modelo de Regresión Y = β0 + β1 X1 + · · · + βp Xp + ε Información Muestral y1 x11 · · · · · · . . . · · · x1p y2 x21 x2p . . . . . . yn xn1 xnp En resumen: 𝛽 󰆹=(𝑋𝑡𝑋)−1𝑋𝑡𝑌 Como estimador de la varianza se puede emplear: 𝜎2=1 𝑛−(𝑝+1)∑𝜀𝑖2 =1 𝑛−(𝑝+1)∑(𝑦𝑖−𝑦𝑖 )2 𝑛 𝑖=1 𝑛 𝑖=1 yi = β0 + β1xi1 + · · · + βp xip + εi , i = 1, 2, . . . , n • rmal • 13 13 Análisis de los factores más influyentes en el precio de la electricidad • La variabilidad de toda la muestra se denomina variabilidad total (VT) 𝑉𝑇 =∑(𝑦𝑖−𝑦)2 𝑛 𝑖=1 Al igual que en el modelo de regresión lineal simple, podemos descomponer la variabilidad total de Y en dos sumandos: • La variabilidad explicada (VE) 𝑉𝐸 =∑ (𝑦𝑖−𝑦)2 𝑛 𝑖=1 • La variabilidad no explicada (VNE) por la regresión. 𝑉𝑁𝐸 =∑(𝑦𝑖−𝑦𝑖 )2 𝑛 𝑖=1 Descomposición de la variabilidad: 𝑉𝑇 =𝑉𝐸+𝑉𝑁𝐸 • El coeficiente de determinación (R2) se define como la proporción de variabilidad de la variable dependiente que es explicada por la regresión Obtener a partir de la muestra estimadores: • Metodología 14 14 • El coeficiente de determinación presenta el inconveniente de aumentar siempre que aumenta el número de variables regresoras (algunas veces de forma artificial) • Por ello y para penalizar el número de variables regresoras que se incluyen en el modelo de regresión, es conveniente utilizar el coeficiente de determinación corregido por el número de grados de libertad Inferencia sobre los parámetros del modelo • Los estimadores tienen el siguiente comportamiento probabilístico: y además son independientes. • En base a estas propiedades, se pueden efectuar las mismas tareas de inferencia que hemos realizado en el modelo lineal simple, salvo que en algunos casos aumenta la complejidad por el carácter multidimensional de los elementos del problema. Contrastes de la regresión • Suponiendo que se cumple el modelo de regresión lineal múltiple, estamos interesados en determinar si el modelo es o no explicativo. H0 : β1 = β2 = . . . = βp = 0 H1 : βj ≠0 para algún j = 1, . . . , p • Si se acepta la hipótesis nula (β1 = β2 = . . . = βp = 0), el modelo no es explicativo, es decir, ninguna de las variables explicativas influye en la variable respuesta Y . • Si se rechaza la hipótesis nula, el modelo es explicativo, es decir, al menos una de las variables explicativas influye en la respuesta Y. • Calculamos el estadístico 𝐹 = 𝑉𝐸 𝜌 𝑉𝑅 𝑛−(𝜌+1) 𝑅2= 𝑉𝐸 𝑉𝑇 =1− 𝑉𝑁𝐸 𝑉𝑇 𝑅2𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 =1−𝑉𝑁𝐸/(𝑛−(𝑝+1)) 𝑉𝑇/(𝑛−1) 15 15 Análisis de los factores más influyentes en el precio de la electricidad • Bajo la hipótesis nula (β1 = β2 = . . . = βp = 0) el estadístico F sigue una distribución Fp,n−(p+1). Contrastes de hipótesis individuales sobre los coeficientes (basados en la t de Student) • Suponiendo que se cumple el modelo de regresión lineal múltiple, estamos interesados en determinar qué variables Xj son significativas para explicar la variable respuesta Y . H0 : βj = 0 (Xj no influye sobre Y ) H1 : βj ≠ 0 (Xj influye sobre Y ) Para j = 1, . . . , p: Contrastes de hipótesis individuales sobre los coeficientes (basados en la F de Snedecor) • Suponiendo que se cumple el modelo de regresión lineal múltiple, estamos interesados en determinar que variables Xj son significativas para explicar la variable respuesta Y . H0 : βj = 0 (Xj no influye sobre Y ) H1 : βj ≠ 0 (Xj influye sobre Y ) • El contraste individual de la t de Student permite contrastar la influencia individual de la variable Xj • Esta influencia también puede estudiarse por medio de una tabla ANOVA, analizando el incremento que se produce en la suma de cuadrados explicada por el modelo al introducir la variable regresora Xj • Si queremos contrastar la influencia de la variable Xj podemos: 1. Ajustar el modelo de regresión completo, con X1 ,..., Xp como variables regresoras y calcular la variabilidad explicada por el modelo VE(p) 2. Ajusta el modelo de regresión con todas las variables excepto Xj y calcular la variabilidad explicada por este modelo VE(p-1) 3. Calcular la diferencia entre VE(p)-VE(p-1), que indica el aumento de la variabilidad explicada por el modelo al introducir la variable Xj 4. Utilizar como estadístico de contraste donde VR(p) representa la variabilidad residual del modelo que incluye todas las variables regresoras 𝐹 = 𝑉𝐸(𝜌)−𝑉𝐸(𝜌−1) 1 𝑉𝑅(𝜌) 𝑛−(𝜌+1) 5. Bajo la hipótesis nula (βj = 0) el estadístico F sigue una distribución F1,n−(p+1) Este contraste proporciona exactamente el mismo resultado que el contraste individual de la t de Student (igual p-valor) • Este método presenta la ventaja de poder utilizarse para contrastar la influencia de un subconjunto de k variables explicativas • Por ejemplo, si queremos contrastar Metodología 16 16 H0 : β1 = . . . = βk = 0 (X1, . . . Xk no influyen sobre Y ) H1 : Alguno de los βj ≠ 0, j = 1, . . . , k calculamos el estadístico • Bajo la hipótesis nula (β1 = . . . = βk = 0) el estadístico F sigue una distribución Fk,n−(p+1). 3.2 Metodología aplicada al estudio Para resumir la metodología específica seguida para este proyecto, se ha desarrollado un diagrama de flujo explicativo con el fin de mostrar gráficamente el proceso seguido: Figura 3-1 Diagrama de flujo explicativo metodología 17 17 Análisis de los factores más influyentes en el precio de la electricidad Donde el macroproceso “Sustitución datos año 2008 en 2016”: Figura 3-2 Diagrama de flujo explicativo metodología (macroproceso) Metodología 18 18 19 19 Análisis de los factores más influyentes en el precio de la electricidad 4 ANÁLISIS DE LA EVOLUCIÓN DE PRECIOS EN EL MERCADO ELÉCTRICO ESPAÑOL A través de un estudio realizado por el Instituto de Tecnología de Karlsruhe, Alemania, llamado An analysis of the decline of electricity spot prices in Europe: Who is to blame? Se expone el análisis de la contribución de los diferentes factores causantes de la disminución de los precios de la electricidad en los últimos años en Alemania, teniendo en cuenta que el estudio se realizó en el año 2017. Se aplica un modelo basado en agentes y un enfoque de regresión para investigar el efecto. Llegándose a la conclusión de que en contra de la percecpción pública, el impacto de los precios del carbón en los precios de la electricidad alemana ha sido el doble que la expansión renovable entre 2011 y 2015. Además, si los precios del carbón no se recuperan al menos a niveles de 2011, los precios de la electricidad se mantendrían en niveles tan bajos, lo que complica la operación económica de las centrales eléctricas de gas. Para nuestro análisis, vamos a emular este estudio, basándonos en el mercado eléctrico español, de tal forma que nos centraremos en una comparación entre el año 2008 y 2016. El hecho de tener en cuenta estos dos años se debe a que el 2008 fue el último año de la tendencia alcista del crecimiento de la demanda y crecimiento de precios de la electricidad. En 2009 los efectos de la crisis económica ya serían claramente visibles. El año 2016, en cambio, es ya un año fuera del contexto de la mencionada crisis económica, que constituye un escenario cercano para analizar. Cabe destacar que este año presenta un comportamiento muy estable y con unas condiciones muy equilibradas para poder sacar conclusiones representativas y universales para cualquier otro escenario. Además, el inicio de este proyecto se gestó con una serie de datos, cuyo año más apto y reciente era el 2016. La justificación de usar años diferentes se debe a que el modelo necesita de una comparación para poder valorar el peso o la influencia que tiene cada variable explicativa. No solo utilizando el año 2008 se podría sacar conclusiones extrapolables a cualquier año. Es por ello, que se ha decidido emplear dos años completamente diferentes, en cuanto al comportamiento del precio de la electricidad se refiere. Se podrían sacar conclusiones todavía más exhaustivas si se emplearan más años de comparación, pero se considera que dos años pueden dar un resultado muy representativo del comportamiento del modelo. 4.1 Análisis del del mercado en el año 2008 4.1.1 Precios del Mercado eléctrico Con los datos publicados por OMIE sobre el mercado diario de la electricidad en España, se ha representado en “En algún lugar, algo increíble está esperando ser conocido” . Carl Sagan. Análisis de la evolución de precios en el mercado eléctrico español 26 26 Figura 4-8 Ilustración del efecto de ordenación por mérito ante el incremento de renovables [11] 4.2 Análisis del del mercado en el año 2016 4.2.1 Precios Mercado Eléctrico El precio promedio del mercado diario de electricidad OMIE en España en 2016 ha sido de 39,67 €/MWh, lo que representa 10,66 €/MWh menos que en 2015. La caída más importante del precio fue durante la primera mitad del año con un precio promedio 17,01 €/MWh más bajo que en la primera mitad de 2015, una bajada de precio debido, fundamentalmente, al aumento de la producción de electricidad con tecnologías renovables hidroeléctrica y eólica, y también por la bajada de los precios de los combustibles fósiles utilizados en la generación eléctrica. Durante esta primera mitad del año se produjo el precio horario más bajo del año con 2,30 €/MWh. El año 2016 empezó prolongando la caída generalizada del precio de los principales combustibles para la generación de electricidad iniciada en la segunda mitad de 2015. A partir del segundo trimestre la tendencia bajista frenó y los precios empezaron a remontar. Aun así, tanto el petróleo Brent como el gas Zeebrugge no han conseguido recuperar los valores de principios de 2015. El precio del gas Zeebrugge tocó fondo en abril con un promedio mensual de 12,06 €/MWh. En noviembre, el precio se había recuperado hasta los 18,07 €/MWh, pero aun lejos de los 22,50 €/MWh de promedio en febrero de 2015.Durante todo el 2016, el precio del barril de petróleo Brent se ha ido recuperando después del desplome de finales de 2015, desde el mínimo mensual de $30,70 en enero, hasta los $53,35 en diciembre. El precio del carbón europeo CIF ARA que comenzó el año alrededor de los 45 $/t empezó a remontar en el mes de junio, y en el último trimestre, gracias entre otros al aumento de la demanda del mineral en Francia, repuntó y cerró el año con un promedio en diciembre de 87,23 $/t. 27 27 Análisis de los factores más influyentes en el precio de la electricidad Figura 4-9 Precio de combustibles para la generación de electricidad en 2016 [13] En el último trimestre del año 2016 se registró una subida clara del precio debido a la mayor exportación de electricidad hacia a Francia por las paradas de varias de sus centrales nucleares que proveen la mayor parte de la electricidad del país. El precio promedio durante este último trimestre alcanzó los 56,48 €/MWh, y superó el precio promedio del último trimestre de 2015 en 5,25 €/MWh. Fue durante este último trimestre, en el mes de diciembre, cuando se registró el precio horario más caro de todo el año, 75,50 €/MWh, que se registró el día 16 entre las 18:00 y las 19:00. Figura 4-10 Precio del mercado diario de electricidad de España en 2016 [14] Análisis de la evolución de precios en el mercado eléctrico español 28 28 4.2.2 Estructura de la energía eléctrica La demanda final de energía eléctrica en 2016 fue de 233.936 GWh, con aumento del 0,8% respecto a la del año anterior. Estas tasas de variación son debidas a la evolución de la actividad económica, en particular de la industria. La producción eléctrica bruta en el conjunto nacional ascendió en 2016 a 274.230GWh, un 2% inferior a la del año anterior. Como puede observarse en el cuadro 3.2, la estructura de generación muestra un aumento de la producción de energía hidroeléctrica significativo, no obstante, hay que tener en cuenta que en el año 2015 la hidroeléctrica disminuyó un 27% respecto al año anterior. La generación mediante energías renovables ha disminuido ligeramente y la producción térmica ha disminuido en un 10% aproximadamente. Tabla 4-2 Producción nacional de energía eléctrica (por combustible) en 2016 [15] La producción en centrales nucleares aumentó ligeramente respecto al año anterior (2,3%). La producción con carbón disminuyó sensiblemente en todos los tipos (antracita, lignito negro y hulla). La producción con productos petrolíferos ha disminuido. Ha disminuido también la generación en centrales de ciclo combinado con gas en un 4% aproximadamente, y ha aumentado la cogeneración con gas un 6,1%. Las renovables en España representaron en 2016 más del 45 % de la potencia instalada y casi el 39 % de la 29 29 Análisis de los factores más influyentes en el precio de la electricidad generación nacional. En el sistema peninsular, que supone cerca del 95% de la generación nacional, la cuota de renovables alcanzó casi un 41%. Figura 4-11 Estructura de potencia instalada en 2016 [15] Figura 4-12 Estructura de generación de energía eléctrica en 2016 [15] La evolución de la potencia renovable instalada en España a lo largo de los últimos diez años muestra que las tecnologías eólica y solar han sido las impulsoras del gran incremento producido en dicho período, casi el 70% de crecimiento respecto al año 2007. Las energías renovables han ido aumentando su relevancia en el conjunto de la generación eléctrica nacional con una participación en 2016 próxima al 39%, casi el doble que diez años atrás. En el sistema peninsular que representa alrededor del 95% de toda la producción nacional, la cuota de renovables en la generación alcanzó el 40,8%. Análisis de la evolución de precios en el mercado eléctrico español 30 30 Figura 4-13 Evolución de la potenca instalada renovable en 2016 [15] La eólica es la tecnología renovable más relevante y también ocupa un papel destacado en el mix eléctrico de generación, situándose en 2016 como segunda fuente con una cuota del 18,4% de la producción nacional. Respecto a las fuentes de origen renovable, la eólica supuso por si sola el 47,3% de toda la generación renovable en 2016. Desde el año 2007, la eólica ha sido la principal fuente de generación renovable motivado en buena medida por la mayor capacidad instalada año tras año, pero también por su regularidad. En efecto, a diferencia de la hidráulica, cuya dependencia de las condiciones meteorológicas es enorme, la eólica se muestra mucho más constante en su producción, si bien también tiene cierto grado de dependencia de dichas condiciones. Figura 4-14 Evolución de la generación de energía renovable en 2016 [15] 31 31 Análisis de los factores más influyentes en el precio de la electricidad En comparación con el resto de los países europeos, España se ha situado en cuarto lugar en volumen de generación renovable. En cuanto a la contribución de las energías renovables a la generación total, España presenta siempre cifras superiores a la media europea, en la que también se observa una evolución positiva durante los últimos años motivada por los objetivos establecidos por la Unión Europea en materia de renovables y emisiones. Figura 4-15 Generación renovable sobre la generación total en España en 2016 [15] Figura 4-16 Energía renovable sobre la producción total en 2016 [15] Análisis de la evolución de precios en el mercado eléctrico español 32 32 En resumen, el año 2016 a groso modo se puede describir cómo un año donde existen bajos precios de electriciad, es estable en renovables (en comparación con los años 2015 y 2017) y alto en hidráulica (ver figura siguiente). Figura 4-17 Energía anual por tecnologías año 2016 [6] 4.3 Año 2008 vs año 2016 Como ha sido explicado anteriormente, el año 2008 fue un año distinto, un tanto peculiar debido principalmente a la crisis sufrida, es por ello por lo que es nuestro principal argumento en nuestro estudio. Para conocer lo que hubiese sucedido en 2016 si se mantuviese el comportamiento acontecido en 2008, se eligen una gran cantidad de variables que afectan directamente al precio de la energía eléctrica. La intención de ello es obtener evidencias matemáticas de lo que hubiese ocurrido, no solo basarnos en cuestiones lógicas y sobre todo políticas, que pueden llevarnos a una conclusion errónea. Figura 4-18 Evolución de la demanda peninsular entree los años 2007-2016 [8] 33 33 Análisis de los factores más influyentes en el precio de la electricidad Figura 4-19 Evolución de la demanda peninsular entree los años 2007-2016 [8] Los años 2008 y 2016 fueron años muy distintos, donde hubo dos grandes diferencias. En 2008 la demanda era superior a 2016 debido a que este año comienza la crisis económica. La siguiente gran diferencia es que durante los 2008-2016 se ha mantenido el crecimiento en instalaciones renovables por lo que 2016 tiene a groso modo mayor contribución renovable y menor demanda. Además, se puede comprobar que el precio del mercado diario en 2016 es mucho menor que el precio en 2008 (decir cómo de menor). La idea de este trabajo es dilucidar qué facores han contribuido de manera más significativas a la reducción del precio de la energía entre 2008 y 2016. 4.3.1 Variables de estudio El primer punto de partida de este Proyecto consistió en hacer un primer estudio de las variables que implican un impacto directo en el precio de la electricidad. Para ello, se obtuvieron las tablas horarias correspondientes a los años comprendidos entre 2008 y 2016 con todas las variables consideradas desde el inicio, con el objetivo de excluir de nuestro modelo las que no implicaran gran cambio en el resultado, ya que lo único que podían provocar era un mayor ruido en las conclusiones. Se hizo una primera regresión múltiple de tal forma que se analizó el resultado del R2 y la Correlación Múltiple de dicha herramienta matemática. Se fue eliminando cada una de estas variables para comprobar con cuál de ellas el valor de dichos coeficientes aumentaba, ya que: - El R2 es una medida estadística de qué tan cerca están los datos de la linea de regression ajustada. Cuanto mayor es su valor, mejor se ajusta el modelo a los datos. - El coeficiente de correlación multiple es una medida de lo bien que una variable dada puede predecirse utilizando una función de un conjunto de otras variables. Finalmente, las variables que presentaban una mayor implicación en nuestro estudio fueron las siguientes: • Energía Casada (MWh) • Energía casada (MWh) ofertado a precios menor de 1€ Análisis de la evolución de precios en el mercado eléctrico español 34 34 • Producción Eólica (MWh) • Energía casada procedente de centrales térmicas de carbon (MWh) • Precio medio aritmético de la energía procedente de centrales térmicas de carbón (€/MWh) • Precio medio ponderado de la energía procedente de centrales térmicas de carbon (€/MWh) • Energía casada procedente de ciclos combinados (MWh) • Precio medio aritmético de la energía procedente de los ciclos combinados (€/MWh) • Precio medio ponderado de la energía procedente de los ciclos combinados (€/MWh) * Energía casada (MWh) ofertado a precios menor de 1€ hace referencia fundamentalmente a energía nuclear y renovable Con los siguientes resultados estadísticos: Estadísticas de la regresión Coeficiente de correlación múltiple 0,898431912 Coeficiente de determinación R^2 0,8071799 R^2 ajustado 0,807157906 Tabla 4-3 Valores de la estadística de la regresión 4.3.2 Análisis de los resultados Una vez obtenidas las variables de mayor impacto, se procede a estudiar la implicación de cada una de ellas en ambos años. Para ello, se separan las horas de cada día, de cada mes del año 2008 y el 2016. Para cada una de estas horas, se registran los valores correspondientes a cada una de las variables citadas anteriormente, así como el precio de la electricidad (€/MWh) para dicha hora. Estos valores, son un histórico obtenido directamente de la web del Operador del Mercado Eléctrico OMIE, accessible para cualquier usuario. Hay que mencionar que para cada hora hay que conocer la curva de generación del mercado diario, identificar las unidades térmicas y guardar el precio de sus ofertas. Las reglas de mercado permiten que una unidad de generación oferte diversos tramos de energía a distintos precios. En este trabajo se ha tomado para cada hora el valor del precio medio de todas las ofertas casadas de la tecnología térmica correspondiente. Para el año 2016, se procede de la misma forma que para el año 2008, pero, además, se realiza una regresión multivariante para cada una de las 24 horas del año, obteniendo de esta forma, de manera cuantitativa, el “peso” de cada una de las variables, ya que como se comentó anteriormente, la regresión no es más que una función tal como sigue: Y = β0 + β1X1 + · · · + βpXp + ε En resumen, para un año se va a disponer de 24 regresiones lineales. Para obtener el valor de cada uno de los datos necesarios para dicha fórmula, se ha empleado la herramienta Excel. Esta dispone de una funcionalidad estándar que nos permite hacer regresiones lineales simples y multivariantes, de tal forma que, se selecciona el Precio como variable Y y el resto de las anteriormente citadas como variables X. Como resultado se aprecia un análisis completo como el ejemplo siguiente, correspondiente a la hora 5 del año 2016: 35 35 Análisis de los factores más influyentes en el precio de la electricidad Estadísticas de la regresión Coeficiente de correlación múltiple 0,948605391 Coeficiente de determinación R^2 0,899852188 R^2 ajustado 0,899749191 Error típico 4,710667821 Observaciones 8761 ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 9 1744826,932 193869,6592 8736,64896 0 Residuos 8751 194188,1144 22,19039132 Total 8760 1939015,047 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0% Intercepción 24,20542391 0,38847096 62,30948123 0 23,4439295 24,96691833 23,4439295 24,96691833 Variable X 1 0,001302962 3,0183E-05 43,16845725 0 0,001243796 0,001362128 0,001243796 0,001362128 Variable X 2 -0,00202256 3,586E-05 -56,402131 0 -0,00209285 -0,00195227 -0,00209285 -0,00195227 Variable X 3 -0,00024401 2,1381E-05 -11,4125356 5,893E-30 -0,00028593 -0,0002021 -0,00028593 -0,0002021 Variable X 4 0,000262905 3,8436E-05 6,840036749 8,44861E-12 0,000187561 0,000338249 0,000187561 0,000338249 Variable X 5 0,500339429 0,0245958 20,342473 6,35913E-90 0,452125875 0,548552983 0,452125875 0,548552983 Variable X 6 0,227212254 0,02760302 8,231428681 2,11586E-16 0,173103854 0,281320654 0,173103854 0,281320654 Variable X 7 -0,00028993 5,2819E-05 -5,48904802 4,15402E-08 -0,00039347 -0,00018639 -0,00039347 -0,00018639 Variable X 8 0,173793515 0,01467781 11,84055941 4,23121E-32 0,145021551 0,202565479 0,145021551 0,202565479 Variable X 9 -0,0718778 0,01764558 -4,07341617 4,67373E-05 -0,10646728 -0,03728831 -0,10646728 -0,03728831 Tabla 4-4 Ejemplo regresion multiple hora 5 año 2016 (Excel) De especial relevancia para el análisis e interpretación de nuestra regresión lineal múltiple son los datos marcados en las Estadísticas de la regresión: Coeficiente de correlación múltiple: = 0,948605391 Coeficiente de determinación R2: = 0,899852188 R2 ajustado: = 0,899749191 Error típico: = 4,710667821 El cálculo mostrado para el coeficiente de correlación múltiple (R) será la raíz cuadrada del Coeficiente de determinación R2, y este último viene del cociente entre la 'suma de los cuadrados de la regresión' entre 'la suma de los cuadrados del total'. Análisis de la evolución de precios en el mercado eléctrico español 42 42 La variación de la producción eólica en el mercado entre 2008 y 2016 fue de 43487 MWh. Esta variación sería responsable de una variación en el precio del mercado de 0.54€ 4. Energía casada procedente de CT carbón (MWh) Hora Energía casada procedente de CT carbón (MWh) (2008) Energía casada procedente de CT carbón (MWh) (2016) Precio (2016) Precio estimado Incremento Precio 1 3568,25 4252,36 35,12 35,37 0,24 2 3491,03 4248,75 34,92 34,77 -0,15 3 3115,55 3920,58 32,58 32,94 0,36 4 2939,88 3659,35 31,28 31,86 0,58 5 2863,68 3607,11 30,76 31,37 0,61 6 2905,24 3759,59 33,14 32,48 -0,66 7 3344,40 4120,91 35,39 35,66 0,27 8 3790,88 4349,49 39,68 39,77 0,09 9 3959,87 4343,70 42,28 41,94 -0,34 10 4011,03 4572,88 43,34 42,64 -0,70 11 4180,74 4750,66 43,32 42,41 -0,92 12 4192,04 4764,60 42,52 41,55 -0,97 13 4156,94 4786,86 41,98 41,07 -0,91 14 4125,45 4782,49 41,91 40,74 -1,16 15 3879,37 4746,70 40,72 40,03 -0,68 16 3662,45 4680,72 39,28 39,26 -0,02 17 3689,61 4658,17 39,00 39,34 0,34 18 3914,80 4739,32 40,49 40,81 0,32 19 4382,97 4764,73 42,48 43,35 0,87 20 4568,71 4822,63 44,55 44,30 -0,25 21 4641,96 4812,04 45,70 45,16 -0,54 22 4640,21 4755,23 46,00 44,99 -1,01 23 4526,90 4736,45 43,54 43,70 0,16 24 4116,46 4635,60 39,91 40,90 0,99 Tabla 4-10 Sustitución Energía casada proceddente de CT de carbón 2008-2016 43 43 Análisis de los factores más influyentes en el precio de la electricidad Figura 4-22 Estimación del precio medio horario en el mercado diario (sustitución de Energía casada procedente de CT de carbón) La variación de la energía casada procedente de CT de carbón en el mercado entre 2008 y 2016 fue de 43487 MWh. Esta variación sería responsable de una variación en el precio del mercado de -0.14€ 0,00 5,00 10,00 15,00 20,00 25,00 30,00 35,00 40,00 45,00 50,00 12345678910 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Energía casada procedente de CT de carbón Precio (2016) Precio estimado Análisis de la evolución de precios en el mercado eléctrico español 44 44 5. Precio medio aritmético energía procendente de CT carbón €/Mwh Hora Precio medio aritmético energía procendente de CT carbón €/MWh (2008) Precio medio aritmético energía procendente de CT carbón €/MWh (2016) Precio (2016) Precio estimado Incremento Precio 1 19,22 18,03 35,15 35,82 0,68 2 19,44 17,93 34,92 35,72 0,80 3 15,09 16,79 32,58 32,31 -0,27 4 13,35 15,79 31,28 30,83 -0,45 5 12,06 15,34 30,76 29,92 -0,84 6 12,94 16,30 31,85 31,02 -0,82 7 19,48 18,65 35,39 36,28 0,89 8 26,21 20,48 39,68 42,80 3,11 9 30,11 21,05 42,28 46,59 4,31 10 33,51 22,20 43,34 48,47 5,13 11 36,81 22,77 43,32 49,61 6,28 12 37,48 22,86 42,52 49,05 6,53 13 37,90 22,81 41,98 48,81 6,84 14 37,07 22,66 41,91 48,16 6,26 15 32,87 22,28 40,72 45,58 4,87 16 30,66 21,86 39,28 43,95 4,67 17 31,12 21,77 39,00 44,30 5,30 18 33,04 22,22 40,49 46,47 5,98 19 35,69 22,70 42,48 45,61 3,12 20 36,87 23,03 44,55 51,34 6,79 21 35,77 23,44 45,70 52,42 6,72 22 38,98 23,48 46,00 52,83 6,83 23 36,77 23,38 43,54 50,50 6,96 24 30,88 22,39 39,91 45,28 5,37 Tabla 4-11 Sustitución Precio medio aritmético de la energía procedente de CT de carbón 2008-2016 Figura 4-23 Estimación del precio medio horario en el mercado diario (sustitución de Precio medio artimético de energía procedente de CT de carbón) 0,00 10,00 20,00 30,00 40,00 50,00 60,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Precio medio artimético energía procedente de CT carbón Precio (2016) Precio estimado 45 45 Análisis de los factores más influyentes en el precio de la electricidad La variación del precio medio aritmético de la energía procedente de CT de carbón en el mercado entre 2008 y 2016 fue de -8.05 €/MWh (de media). Esta variación sería responsable de una variación en el precio del mercado de 3.96€ 6. Precio medio ponderado energía procendente de CT carbón €/MWh Hora Precio medio ponderado energía procendente de CT carbón €/MWh (2008) Precio medio ponderado energía procendente de CT carbón €/MWh (2016) Precio (2016) Precio estimado Incremento Precio 1 17,62 12,87 35,66 36,79 1,13 2 17,41 12,61 34,92 36,06 1,14 3 13,82 11,45 32,58 33,69 1,11 4 12,52 10,86 31,28 32,43 1,15 5 11,58 10,48 30,76 31,81 1,06 6 12,21 11,23 31,85 32,93 1,08 7 17,58 13,08 35,39 36,88 1,49 8 21,69 14,64 39,68 41,51 1,83 9 23,66 15,32 42,28 43,93 1,65 10 25,73 16,47 43,34 44,88 1,54 11 27,79 17,11 43,32 44,97 1,64 12 28,30 17,10 42,52 44,23 1,71 13 28,61 17,03 41,98 43,84 1,87 14 28,13 16,88 41,91 43,45 1,55 15 25,92 16,52 40,72 42,38 1,66 16 24,35 16,15 39,28 41,37 2,09 17 24,66 16,09 39,00 41,53 2,53 18 26,11 16,59 40,49 43,17 2,68 19 28,34 17,05 42,48 49,21 6,73 20 29,13 17,42 44,55 47,00 2,45 21 29,96 17,73 45,70 47,95 2,25 22 30,57 17,66 46,00 47,92 1,92 23 30,44 17,50 43,54 46,67 3,13 24 26,52 16,69 39,91 43,26 3,35 Tabla 4-12 Sustitución de precio medio ponderado de la energía procedente de CT de carbón 2008-201 Análisis de la evolución de precios en el mercado eléctrico español 46 46 Figura 4-24 Estimación del precio medio horario en el mercado diario (sustitución de Precio medio ponderado de la energía procedente de CT de carbón) La variación del precio medio ponderado de la energía procedente de CT de carbón en el mercado entre 2008 y 2016 fue de -8.17 €/MWh (de media). Esta variación sería responsable de una variación en el precio del mercado de 2.03 € 0,00 10,00 20,00 30,00 40,00 50,00 60,00 12345678910 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Precio medio ponderado energía procedente de CT de carbón Precio (2016) Precio estimado 47 47 Análisis de los factores más influyentes en el precio de la electricidad 7. Energía casada procedente de CC (MWh) Hora Energía casada procedente de CC (MWh) (2008) Energía casada procedente de CC (MWh) (2016) Precio (2016) Precio estimado Incremento Precio 1 6856,25 1086,79 35,01 33,36 -1,66 2 6821,01 1040,68 34,92 33,29 -1,63 3 6194,03 926,85 32,58 31,62 -0,96 4 5701,14 867,04 31,28 30,64 -0,64 5 5642,35 871,75 30,76 30,18 -0,58 6 5795,42 936,38 31,85 31,30 -0,54 7 6534,22 1266,80 35,39 34,34 -1,05 8 7784,83 1781,95 39,68 38,18 -1,50 9 8952,65 2100,19 42,28 40,06 -2,22 10 9506,97 2430,99 43,34 40,74 -2,61 11 10015,72 2578,21 43,32 40,39 -2,93 12 10085,93 2608,62 42,52 39,51 -3,01 13 10050,46 2621,24 41,98 39,05 -2,93 14 9949,25 2622,46 41,91 38,77 -3,14 15 9319,44 2609,48 40,72 38,29 -2,43 16 8964,45 2601,24 39,28 37,65 -1,64 17 9087,26 2602,88 39,00 37,68 -1,32 18 9488,00 2632,99 40,49 38,99 -1,50 19 9971,90 2601,21 42,48 39,74 -2,74 20 10216,96 2617,32 44,55 42,08 -2,47 21 10347,57 2582,32 45,70 42,85 -2,86 22 10607,38 2509,24 46,00 42,55 -3,45 23 10250,02 2420,81 43,54 41,37 -2,17 24 9133,17 2022,00 39,91 38,95 -0,96 Tabla 4-13 Sustitución de Energía casada procedente de CC 2008-2016 Figura 4-25 Estimación del precio medio horario en el mercado diario (sustitución de Energía casada procedente de CC) 0,00 5,00 10,00 15,00 20,00 25,00 30,00 35,00 40,00 45,00 50,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Energía casada procedente de CC Precio (2016) Precio estimado Análisis de la evolución de precios en el mercado eléctrico español 48 48 La variación de energía casada procedente de CC entre 2008 y 2016 fue de -158336.955 MWh. Esta variación sería responsable de una variación en el precio del mercado de -1.96 € 8. Precio medio aritmético energía procendente de CC €/MWh Hora Precio medio aritmético energía procendente de CC €/MWh (2008) Precio medio aritmético energía procendente de CC €/MWh (2016) Precio (2016) Precio estimado Incremento Precio 1 37,25 14,25 35,22 39,01 3,80 2 36,33 13,88 34,92 38,88 3,96 3 31,92 11,70 32,58 36,68 4,10 4 31,76 10,69 31,28 35,72 4,44 5 30,26 10,27 30,76 35,04 4,28 6 31,97 10,76 31,85 36,38 4,54 7 37,42 12,53 35,39 40,17 4,78 8 40,79 16,01 39,68 44,21 4,53 9 43,40 18,04 42,28 43,43 1,15 10 45,44 19,71 43,34 47,24 3,90 11 47,04 20,71 43,32 47,12 3,80 12 47,39 20,64 42,52 46,34 3,82 13 47,40 20,67 41,98 45,87 3,89 14 47,04 20,66 41,91 45,50 3,59 15 45,43 20,27 40,72 44,63 3,92 16 44,27 19,73 39,28 43,79 4,51 17 44,47 19,46 39,00 43,94 4,94 18 45,49 20,10 40,49 45,43 4,94 19 46,75 20,77 42,48 30,75 -11,73 20 47,50 21,26 44,55 48,94 4,39 21 48,02 21,28 45,70 49,87 4,17 22 48,48 21,04 46,00 49,83 3,83 23 47,79 20,17 43,54 48,60 5,06 24 45,84 18,07 39,91 45,85 5,94 Tabla 4-14 Sustitución Precio medio aritmético de energía procedente de CC 2008-2016 49 49 Análisis de los factores más influyentes en el precio de la electricidad Figura 4-26 Estimación del precio medio horario en el mercado diario (sustitución dePrecio medio aritmético energía procedente de CC) La variación del precio medio aritmético de energía procedente de CC entre 2008 y 2016 fue de -24.87€/MWh (de media). Esta variación sería responsable de una variación en el precio del mercado de 3.52 € 0,00 10,00 20,00 30,00 40,00 50,00 60,00 12345678910 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Precio medio aritmético energía procedente de CC Precio (2016) Precio estimado Análisis de la evolución de precios en el mercado eléctrico español 50 50 9. Precio medio ponderado energía procendente de CC €/MWh Hora Precio medio ponderado energía procendente de CC €/MWh (2008) Precio medio ponderado energía procendente de CC €/MWh (2016) Precio (2016) Precio gorro Incremento Precio 1 16,94 13,43 34,96 35,00 0,05 2 16,62 13,33 34,92 34,73 -0,19 3 13,89 11,50 32,58 32,98 0,40 4 15,68 10,82 31,28 31,70 0,43 5 14,84 10,61 30,76 31,26 0,50 6 15,33 10,95 31,85 32,39 0,54 7 18,86 11,66 35,39 35,34 -0,05 8 22,98 12,98 39,68 39,20 -0,48 9 26,47 12,49 42,28 41,03 -1,24 10 28,91 13,72 43,34 41,69 -1,65 11 30,71 14,33 43,32 41,37 -1,95 12 30,96 14,19 42,52 40,49 -2,03 13 30,84 14,12 41,98 40,02 -1,96 14 30,18 14,06 41,91 39,74 -2,16 15 27,48 13,74 40,72 39,26 -1,46 16 26,04 13,37 39,28 38,61 -0,68 17 26,42 13,31 39,00 38,64 -0,35 18 28,01 13,80 40,49 39,99 -0,50 19 30,03 14,32 42,48 46,76 4,28 20 31,03 14,61 44,55 43,17 -1,38 21 31,70 14,62 45,70 43,95 -1,75 22 32,40 14,47 46,00 43,70 -2,30 23 30,76 13,83 43,54 42,51 -1,03 24 27,25 15,11 39,91 40,18 0,27 Tabla 4-15 Sustitución precio medio ponderado de energía procedente de CC 2008-2016 Figura 4-27 Estimación del precio medio horario en el mercado diario (Sustitución Precio medio ponderado energía procedente de CC) 0,00 10,00 20,00 30,00 40,00 50,00 12345678910 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Precio medio ponderado energía procedente de CC Precio (2016) Precio estimado 51 51 Análisis de los factores más influyentes en el precio de la electricidad La variación del precio medio ponderado de energía procendente de CC en el mercado entre 2008 y 2016 fue de -11.87€/MWh (de media). Esta variación sería responsable de una variación en el precio del mercado de - 0.61 € Por otro lado, como se ha utilizado una gran volumetría de datos, se quiere demostrar que las regresiones multivariantes realizadas (y por lo tanto las variables empleadas) reflejan la bondad del ajuste del modelo a la variable que se pretende explicar, en este caso, el precio de la electricidad. Hora R2 R2 ajustado 1 0,89975 0,89965 2 0,89987 0,89977 3 0,89990 0,89980 4 0,89988 0,89977 5 0,89985 0,89975 6 0,89983 0,89972 7 0,89983 0,89972 8 0,89981 0,89971 9 0,89980 0,89969 10 0,89979 0,89969 11 0,89980 0,89970 12 0,89983 0,89973 13 0,89984 0,89974 14 0,89986 0,89976 15 0,89987 0,89977 16 0,89992 0,89982 17 0,89992 0,89982 18 0,89993 0,89983 19 0,88251 0,88201 20 0,90001 0,89991 21 0,90005 0,89995 22 0,90008 0,89998 23 0,90011 0,90001 24 0,89983 0,89973 Tabla 4-16 Bondad de las regresiones multivariantes Para ello, se muestra en la Tabla 4-16 el valor tanto del R2 como el R2 ajustado de cada una de las regresiones realizadas para el año 2016. Teniendo en cuenta que en el caso implicado es una regresión multivariante, se tiene en cuenta el R2 ajustado, cuyo valor se utiliza para ver el grado de intensidad o efectividad que tienen las variables independientes en explicar la variable dependiente. Como se puede contemplar, todos los valores son muy próximos a 1, justificando así la bondad de las regresiones (y por lo tanto las variables) del estudio. Referencias 58 58 59 59 Análisis de los factores más influyentes en el precio de la electricidad