Análisis económico del sector eléctrico: impacto de los modelos de regulación de la distribución y del progreso tecnológico en el comportamiento de los usuarios

Programa de Doctorado en Ingeniería Mecánica y de Organización Industrial ESCUELA TÉCNICA SUPERIOR DE INGENIEROS Universidad de Sevilla Análisis económico del sector eléctrico: Impacto de los modelos de regulación de la distribución y del progreso tecnológico en el comportamiento de los usuarios. TESIS DOCTORAL. CURSO: 2021 - 2022. APELLIDOS Y NOMBRE: BALLESTEROS GALLARDO, JUAN ANTONIO DIRECTORES: Dr. FERNANDO NÚÑEZ HERNÁNDEZ Dpto. Organización Industrial y Gestión de Empresas I. Universidad de Sevilla. Dr. ÁNGEL ARCOS VARGAS Dpto. Organización Industrial y Gestión de Empresas I. Universidad de Sevilla. TUTOR: Dr. GABRIEL VILLA CARO Dpto. Organización Industrial y Gestión de Empresas I. Universidad de Sevilla. ii iii Tesis acogida a la modalidad de compendio de publicaciones. Según lo previsto en los Artículos. 62, 63 y 64 de la Resolución de la Secretaria General de la Universidad de Sevilla de 17 de febrero de 2020 por la que se procede a la elaboración de la versión consolidada del texto de la Normativa de Estudios de Doctorado de la Universidad de Sevilla. iv v DEDICATORIA. Este texto se escribió el día 2 de mayo de 2021, día de la Madre, por lo qué mejor día que dedicarle la presente tesis tanto a mi madre Gracia como a mi padre Joaquín. Son ellos dos los que desde pequeño me inculcaron el valor en el esfuerzo, formarme e intentar ‚hacer las cosas bien‛. Ni que decir por supuesto el trabajo y las incontables horas que me han dedicado a mí y mis hermanos en nuestra educación y en ser lo que hoy somos. Es por ello, que son los primeros a los que debo dedicarle esta tesis. A mis hermanos Joaquín y Gracia María, que han disfrutado también con cada artículo que publicaba. Dedicados ambos a la educación, espero que sigan formando buenos alumnos tal y como lo hacen. A mis dos sobrinas (por el momento), Sole e Irene que espero algún día todos ellos puedan leer este documento. También dedicárselo a Angie, mi compañera de viaje, que ha sido la que más de cerca ha tenido que soportar las horas que esta tesis ha requerido, el carácter cuando las cosas no iban bien y darme los ánimos suficientes para seguir adelante. Su forma de ser y su inquebrantable lucha en las adversidades han sido el motor y la motivación de este trabajo. vi vii AGRADECIMIENTOS. Cuando se termina un trabajo de varios años no es fácil explicar con palabras los agradecimientos a aquellas personas que lo han hecho posible y han hecho ese camino más fácil e incluso apasionante. En primer lugar a mis dos directores de tesis, los Doctores Ángel y Fernando, con los que he compartido muchas horas de trabajo durante estos años y siempre han mostrado una amabilidad intachable y han estado ahí pendientes para resolver cualquier duda que tuviese y apoyarme en todo momento. A Fernando lo conocí en mi primera clase de economía cuando cursaba mi primer año en Ingeniería. Difícil explicar en un párrafo todo lo que me ha aportado desde entonces. Fue mi director del proyecto Fin de Máster y cuando lo terminé, tuvo mucho que ver cuando me decidí a realizar la tesis. Me hizo ver que una tesis, que para mí era inalcanzable en aquel entonces, fuese más fácil. Más que un director ha sido un compañero del que he aprendido los valores, dedicación, forma de pensar y un largo etc., del que siempre estaré agradecido. Ángel ha sido clave en la elaboración de esta tesis. Sus conocimientos sobre los temas tratados y aportaciones han hecho posible la publicación de los artículos. Las conversaciones que he tenido la oportunidad de compartir con él son sin lugar a dudas, de un valor inestimable. También sus {nimos por avanzar y ‚no desesperar‛ son los que han conseguido que a día de hoy pueda terminarla. También agradecer al profesor Dr. Carlos Usabiaga su predisposición, amabilidad y el tiempo dedicado por sus aportaciones personales que sin duda han mejorado la calidad y redacción de esta tesis. Espero que sus futuros alumnos, los consideren también como una referencia y ejemplo a seguir, tanto por sus conocimientos como sus valores personales. viii ix Índice RESUMEN. .......................................................................................................................... 1 ABSTRACT ......................................................................................................................... 2 CAPÍTULO 1. INTRODUCCIÓN. ...................................................................................... 3 1.1. ANTECEDENTES. ................................................................................................................................ 3 1.1.1. Evolución y situación actual del mercado energético. ................................................................... 3 1.1.2. Suministro eléctrico y sistemas reguladores. ................................................................................ 10 1.1.3. Autoconsumo residencial. ............................................................................................................. 12 1.1.4. La descarbonización de la generación eléctrica. ......................................................................... 15 1.2. OBJETIVOS. ....................................................................................................................................... 18 1.2.1. Suministro eléctrico y sistemas reguladores. ................................................................................ 18 1.2.2. Autoconsumo residencial. ............................................................................................................. 19 1.2.3. La descarbonización de la generación eléctrica. ......................................................................... 21 1.3. DISCUSIÓN. ....................................................................................................................................... 22 1.5. ARTICULOS PUBLICADOS. ............................................................................................................. 24 1.6. APORTACIÓN AL CONOCIMIENTO TRANSVERSAL Y A LOS OBJETIVOS DE DESARROLLO SOSTENIBLE (ODS). ................................................................................................................................ 25 CAPÍTULO 2. ¿ES POSIBLE UNA MEJOR CALIDAD A UN COSTE MENOR PARA EL SISTEMA DE DISTRIBUCIÓN ELÉCTRICA? UNA APLICACIÓN AL CASO EN EUROPA. ............................................................................................................................ 27 2.1. INTRODUCCIÓN. .............................................................................................................................. 27 2.2. ANTECEDENTES DE INVESTIGACIONES ANTERIORES SOBRE MODELOS REGULADORES Y CALIDAD DEL SUMINISTRO ELÉCTRICO. ...................................................................................... 28 2.3. LOS DATOS. ....................................................................................................................................... 30 2.4. EL MODELO SOBRE LA CALIDAD DE SUMINISTRO. ESTIMACIÓN Y RESULTADOS. ........ 34 2.5. CONCLUSIONES Y RECOMENDACIONES.................................................................................... 42 CAPÍTULO 3. MODELO DE DISEÑO ÓPTIMO PARA UN SISTEMA DE ALMACENAMIENTO FOTOVOLTÁICO RESIDENCIAL. UNA APLICACIÓN AL CASO ESPAÑOL. .............................................................................................................. 45 3.1. INTRODUCCIÓN. .............................................................................................................................. 45 3.2. METODOLOGÍA Y DATOS. .............................................................................................................. 52 3.2.1. Modelo para el autoconsumo doméstico mediante paneles fotovoltaicos. ................................... 52 3.2.2 Información de entrada del modelo. .............................................................................................. 60 3.3 RESULTADOS TÉCNICOS Y FINANCIEROS DEL MODELO DE AUTOCONSUMO. ........................................... 69 3.3.1. Paneles fotovoltaicos domésticos sin almacenamiento. ................................................................ 70 3.3.2. Paneles fotovoltaicos domésticos con almacenamiento. .............................................................. 74 3.4 DISCUSIÓN. ........................................................................................................................................ 80 3.5 CONCLUSIONES. ............................................................................................................................... 81 Introducción. Juan Antonio Ballesteros Gallardo 4 Figura 1.1. IDH respecto a consumo energético. Fuente: Banco Mundial, 2020; Programa de Naciones Unidas, 2020. El aumento de la población a nivel mundial y de las capacidades industriales ha conllevado un fuerte aumento del consumo de energía en las últimas décadas. El consumo de recursos fósiles (carbón, gas natural y fuel) se ha duplicado prácticamente desde 1990 hasta la actualidad, teniendo actualmente un gran peso en la generación de energía a nivel mundial. Actualmente, cerca del 85% de la energía global generada proviene de fuentes no renovables, a pesar de que las energías procedentes de fuentes renovables (solar, hidráulica y viento) están experimentando un gran crecimiento en los últimos años, tal y como puede verse en la Figura 1.2. Figura 1.2. Porcentaje de producción energética mundial según tipo de combustible. Fuente: International Energy Agency (IEA). Introducción. Juan Antonio Ballesteros Gallardo 5 La Figura 1.3 muestra la evolución de la proporción de cada tecnología renovable sobre el total de las mismas. En 2018 el biofuel representan el 68% de la producción energética mundial, seguido de la energía hidráulica con un 20%. En cambio, la generación de energía eólica y solar ha pasado de ser prácticamente inexistente antes del año 2000, donde la suma de ambas representaba apenas el 2% de la energía renovable generada a nivel mundial, a representar hoy en día casi el 15% sobre el total de energía renovable y el 2.5% del total de energía producida a nivel mundial. Figura 1.3. Porcentaje de producción de energía renovable según origen. Fuente: IEA. No obstante, el modelo energético actual a nivel mundial basado en los recursos fósiles es insostenible, debido a que la cantidad de recursos disponibles y que su acceso son limitados, lo que puede provocar limitaciones al crecimiento económico y al bienestar social en el medio plazo. A este hecho, hay que unir la creciente preocupación de la sociedad por el impacto que tiene su consumo en el medio ambiente. Así, el consumo de este tipo de fuentes contaminantes ha conllevado el aumento de la polución y de los gases de efecto invernadero con notables consecuencias en el clima, la salud y el medioambiente (Crippa et al., 2019). En la Figura 1.4 se observa que las emisiones de CO2 han pasado de ser 20 000 Mt en el año 1990 a casi 34 000 en el año 2018, un 70% más. Introducción. Juan Antonio Ballesteros Gallardo 6 Figura 1.4. Emisiones mundiales de CO2. Fuente: IEA. Como se aprecia en la Figura 1.5, se calcula que la temperatura global del planeta ha aumentado 1 °C desde comienzos del siglo XX hasta la actualidad debido a las actividades antropogénicas, y se estima que si estas actividades siguiesen al ritmo actual el aumento podría llegar a ser de 1,5 °C para el año 2040 y de 4 a 6 °C para el año 2100 (Nullis, 2018). Figura 1.5. Variación de la temperatura global. Fuente: Nullis, 2018. Las crecientes investigaciones sobre la relación entre el consumo de recursos fósiles, el cambio climático y la calidad del aire han permitido mayor Introducción. Juan Antonio Ballesteros Gallardo 7 concienciación y rechazo sobre el modelo energético basado en este tipo de recursos. Por otro lado, desde la década de los años 90, han ido surgiendo diferentes leyes regulatorias y compromisos políticos a nivel global para limitar su uso y girar hacia un modelo energético más sostenible. En 1992, la Convención Marco de las Naciones Unidas para el Cambio Climático establecía una mayor concienciación sobre la emisión de gases de efecto invernadero, de forma que dichas emisiones no comprometieran el ecosistema global, el desarrollo económico y la producción de alimentos (Naciones Unidas, 1992). Este acuerdo fue ratificado por la mayoría de los países europeos, Estados Unidos, Canadá y Australia. Otros países como Rusia la aceptaron parcialmente, mientras que China no lo ratificó. En el año 1997, 84 países (entre ellos los más desarrollados) acuerdan mediante el Protocolo de Kioto (Naciones Unidas, 2012) las cantidades que cada país debe emitir en el periodo 2008-2012 para reducir las emisiones globales de efecto invernadero en un 5,2%. Posteriormente, en el Acuerdo de París celebrado en 2015, la mayoría de los países (con la notable excepción de Estados Unidos) se comprometen a adoptar las medidas necesarias para que el aumento de la temperatura global sea inferior a los 2 °C por encima de los niveles preindustriales (Naciones Unidas, 2015). Entre las diferentes medidas pactadas, los países firmantes acuerdan el desarrollo de políticas que fomenten las energías renovables, así como la transición hacia modelos energéticos más eficientes y sostenibles. Para conseguir estos objetivos, es de especial relevancia el sistema de distribución eléctrica en cada uno de los países. En la Figura 1.6 se observa que el 20% aproximadamente del consumo energético mundial se destina a consumo eléctrico, y se ha establecido que este ratio debe crecer hasta un 50% del consumo energético total para el año 2050, para alcanzar los objetivos medioambientales. Países como China, Estados Unidos o India tienen que triplicar prácticamente el ratio actual de energía eléctrica consumida para 2050, mientras que en el caso de la Unión Europea (UE) debe pasar de un 22% actual a un 41% en el año 2050. Introducción. Juan Antonio Ballesteros Gallardo 8 Figura 1.6. Porcentaje de energía para uso eléctrico. Fuente: International Renewable Energy Agency (IRENA), 2018. Aumentar la electrificación junto a la generación a partir de recursos renovables implica una mejora de la eficiencia energética, reducir el impacto medioambiental, tener una gestión energética menos dependiente del exterior y lograr una mayor disminución de costes. El modelo actual de producción eléctrica basado en un número relativamente pequeño de centrales térmicas alejadas de los centros consumidores debe cambiar a un modelo con un número mucho mayor de productores de energías renovables que operan de forma más cercana al usuario final. Las redes de distribución eléctricas tendrán un papel fundamental dentro de este contexto, puesto que deben garantizar la integración de las plantas de energía renovables en el sistema energético a la vez que se desconectan las plantas de producción térmica. Un sistema más interconectado obliga a desarrollar y flexibilizar las redes de distribución y suministro eléctrico, permitiendo la integración de las nuevas plantas de producción de energías renovables y operar en un mercado energético más complejo, donde las fuentes principales de energía dependerán de factores medioambientales (horas de sol, viento, etc). En lo referente a las energías renovables, se acuerda promover las medidas que fomenten su explotación y desarrollo tecnológico. En lo referente al consumo doméstico, las energías renovables representaban el 36% en el año 2015, Introducción. Juan Antonio Ballesteros Gallardo 9 marcándose como objetivo el 77% para el año 2050 –Figura 1.7–. Asimismo, el consumo doméstico de energía acaparaba el 31% de la energía eléctrica total producida a nivel mundial (IEA,2020a) y es responsable del 28% del total de emisiones de gases de efecto invernadero (IEA,2020b). Figura 1.7. Fuentes de energía para uso doméstico y objetivos para el año 2050. Fuente: IRENA, 2018. La Directiva UE 2018/20015 permite al consumidor final producir y gestionar, total o parcialmente, su demanda energética a partir de fuentes renovables, a la vez que le permite almacenar o vender el excedente de energía (Parlamento Europeo, 2018). Por tanto, el usuario final se convierte además de consumidor en productor (prosumer), ocupando un papel central en el modelo energético de cara a conseguir los objetivos marcados para el año 2050. El autoconsumo de energía renovable por parte del usuario final se presenta como una opción medioambientalmente sostenible y eficiente. Permite aumentar el ahorro del consumidor, a la vez que disminuye la energía eléctrica a producir en las centrales eléctricas (y, por tanto, los recursos necesarios) y las pérdidas energéticas durante las fases de transporte y distribución. Las redes eléctricas tendrán que soportar también flujos de energía bidireccionales de miles de usuarios conectados a la red, gestionando intermitencias en el suministro mayores que las actuales. La digitalización y monitorización del consumo y producción a nivel de usuario se plantea pues como un elemento Introducción. Juan Antonio Ballesteros Gallardo 10 imprescindible para automatizar y garantizar el suministro eléctrico, evitando vertidos a la red de los que el operador del sistema no tuviese constancia. 1.1.2. Suministro eléctrico y sistemas reguladores. En la actualidad un 20% de la energía consumida a nivel mundial es de origen eléctrico, siendo dicho porcentaje en la UE del 22% (IRENA, 2018), y se espera que el consumo eléctrico siga creciendo en los próximos años, como consecuencia del aumento de población mundial (un 25% más para el año 2050) y que gran parte de la misma vivirá en las ciudades (aproximadamente un 70%). En este contexto, se estima que el consumo eléctrico residencial aumente un 34% para el año 2040 desde los niveles actuales (IEA, 2020) y representará el 25% del consumo eléctrico total. La Figura 1.8 muestra una comparación de la previsión del consumo eléctrico hasta el año 2040 para el escenario en que no se incluyen las medidas de sostenibilidad (escenario actual) y el para escenario que incluye dichas medias (escenario sostenible). Puede verse que, en el escenario sostenible, el consumo eléctrico en el año 2040 llegará a ser de 3 800 TWh, observándose un aumento significativo en el sector del transporte y en el residencial. Figura 1.8. Estimación de consumo eléctrico. Fuente: IEA, 2020. La distribución de la energía eléctrica se realiza dentro de un marco regulador en cada país que establece las normativas técnicas, financieras y de mercado para la producción y distribución de energía eléctrica. Dentro de la UE, la Directiva 2019/944/UE, que modifica la directiva 2012/27/UE, dicta las normas comunes para Introducción. Juan Antonio Ballesteros Gallardo 11 la distribución de la electricidad, y en base a ella, los países miembros establecen sus propios marcos reguladores (Parlamento Europeo, 2019). Así, por ejemplo, en España, el Real Decreto 1/2019, de 11 de enero, establece la retribución de las actividades de la distribución de energía eléctrica y operación del sistema (Ministerio para la Transición Ecológica, 2019). Los marcos reguladores de cada país establecen un sistema de retribuciones, incentivos y penalizaciones a las empresas distribuidoras para garantizar la calidad del suministro eléctrico. De esta forma podemos encontrar sistemas regulatorios (Sappington, 2005) que garantizan una rentabilidad mínima sobre los costes propios en los que se incurren (modelos ‚cost plus‛ o ‚rate of return‛), o sistemas incentivados en base a la eficiencia del proceso de distribución (modelos ‚price cap‛, ‚revenue cap‛ o ‚yardstick‛). La Figura 1.9 muestra que las inversiones realizadas por los países de la Unión Europea durante el año 2019 en los sistemas de transmisión y distribución superaron los 55 200 millones de euros, una cifra importante que requiere ser optimizada. Figura 1.9. Inversión en redes y servicio eléctrico por la UE. Fuente: IEA, 2020. Por otro lado, se tienen los aspectos técnicos y las obligaciones sociales que deben prestar las empresas encargadas del suministro eléctrico. Para medir la bondad de Introducción. Juan Antonio Ballesteros Gallardo 12 la calidad del servicio que prestan, normalmente se emplean índices basados en el número total de interrupciones y la duración de las mismas. Uno de los objetivos de los marcos reguladores es mejorar los índices de calidad del sistema de distribución con un menor coste económico. El compromiso entre el gasto económico realizado por los gobiernos y la calidad del servicio conseguida se presenta como el principal desafío para las instituciones reguladoras. Así, es clave para las instituciones reguladoras cuantificar el efecto que tienen las inversiones y retribuciones en la calidad del suministro eléctrico. 1.1.3. Autoconsumo residencial. El consumo eléctrico residencial se refiere a la energía eléctrica consumida por la sociedad para uso doméstico. La Figura 1.10 muestra la evolución del consumo mundial de energía eléctrica desde el año 1990 al 2018 en diferentes sectores de la sociedad. El incremento de la población global, el desarrollo tecnológico y un mayor acceso a la electricidad por parte de la población mundial está provocando que la cantidad de energía global para uso doméstico esté aumentando durante los últimos años. De esta forma, ha pasado a duplicarse su valor en los últimos 20 años, siendo su consumo actual de 6 000 TWh aproximadamente, representando un 25% del consumo mundial total. Figura 1.10. Consumo mundial de energía eléctrica. Fuente: IEA, 2020. Introducción. Juan Antonio Ballesteros Gallardo 13 El consumo residencial juega también un papel importante en el cambio climático, emitiendo a la atmósfera 10 000 Mt de CO2 durante el año 2018, aproximadamente el 6% del total de las emisiones de CO2 a nivel mundial, siendo por tanto un consumo clave para la reducción de gases de efecto invernadero de aquí al año 2050, donde deberá ser de 2 400 Mt de CO2 (IRENA, 2018). En esta situación, el autoconsumo a partir de instalaciones de energía solar se presenta como una solución viable para satisfacer la demanda doméstica por varios motivos. Primero, porque la energía solar total recibida en la superficie terrestre puede satisfacer total o parcialmente la demanda anual de una vivienda con un consumo medio anual de 3 500 kWh, sin considerar limitaciones de espacio ni de almacenamiento –véase el mapa de irradiación solar recibida en superficie de la Figura 1.11–. En segundo lugar, por el desarrollo alcanzado por la tecnología de producción de energía fotovoltaica, cuyo coste y eficiencia han mejorado considerablemente en los últimos años, lo que la hace una fuente muy rentable para la generación de energía. La evolución del coste nivelado de la energía fotovoltaica (LCOE) ha ido disminuyendo considerablemente en los últimos años, pasando de los 0,25 €/kWh en 2010 a los 0,07 €/kWh actuales, como se observa en la Figura 1.12. Estos dos factores han provocado que la energía solar fotovoltaica producida a nivel mundial sea actualmente veinte veces mayor que hace una década, situándose en más de 500 TWh en el año 2018 –Figura 1.13–. Introducción. Juan Antonio Ballesteros Gallardo 20 al mercado eléctrico. A esta situación legislativa se une el desarrollo tecnológico que han experimentado los sistemas de producción de energía fotovoltaica y de almacenamiento de energía eléctrica en los últimos años, tanto en su coste de adquisición como en su eficiencia. En este contexto, las instalaciones fotovoltaicas con sistemas de almacenamiento de energía para uso doméstico se presentan al usuario como una alternativa al consumo eléctrico tradicional cubierto por las compañías distribuidoras. La segunda parte de esta disertación tiene por objetivo realizar un modelo económico de una instalación fotovoltaica de uso doméstico con y sin almacenamiento de energía. El modelo pretende ayudar al usuario final a decidir los parámetros técnicos de la instalación en función de su consumo anual. De esta forma, los objetivos de la investigación serían: 1) Establecer un modelo económico general para una instalación fotovoltaica doméstica, cuyos datos de entrada sean la localización, los costes del equipamiento técnico y los datos del mercado eléctrico (precio de la energía en cada tramo horario). 2) Indicar la mejor configuración de potencia del panel y la capacidad de la batería para maximizar los parámetros económicos del proyecto de instalación (Valor Actual Neto, Tasa Interna de Retorno y Retorno de la Inversión). 3) Realizar un análisis del efecto del precio del panel, del precio de la batería y de la demanda del usuario en la configuración óptima proporcionada por el modelo. Entendemos que un modelo que proporcione esta información puede ser de gran utilidad para los consumidores, los reguladores y las compañías dedicadas a la fabricación de instalaciones, ya que es posible cuantificar el efecto de cada una de las variables técnicas y económicas consideradas en la rentabilidad del proyecto de instalación. Introducción. Juan Antonio Ballesteros Gallardo 21 1.2.3. La descarbonización de la generación eléctrica. La actual legislación promueve la generación eléctrica a partir de fuentes renovables (PNIEC, 2019), viéndose afectadas principalmente las centrales térmicas de carbón, que verán reducida la cantidad de energía eléctrica producida durante los próximos años, hasta ser nula en el año 2030. Esto supone el cierre paulatino de las centrales térmicas de carbón y, de la misma forma, éstas dejarán de ofertar energía en el mercado eléctrico diario. Por tanto, y desde un punto de vista de la generación eléctrica, eliminar las centrales de carbón del mercado eléctrico supone modificar las curvas horarias de oferta de energía, implicando una variación en el punto de equilibrio con la demanda horaria, modificándose pues, tanto el precio como la cantidad de energía comercializada en cada tramo horario. La tercera y última parte de esta tesis desarrolla un modelo de estática comparativa (bajo el supuesto ceteris paribus) que parte del actual escenario energético y que trata de cuantificar la variación en el precio horario y cantidad de energía horaria del mercado diario si las centrales térmicas de carbón quedasen inactivas. Una vez determinada estas variaciones, se aborda también el cambio que se produce en los excedentes económicos tanto de los productores de energía como de los demandantes, con la finalidad de obtener conclusiones de utilidad para los agentes reguladores del mercado eléctrico y para la sociedad en su conjunto. El análisis de estática comparativa propuesto se basa en los datos horarios de las ofertas y de las demandas de energía publicados por el OMIE (Operador del Mercado Ibérico de la Energía) y realizados por cada uno de los participantes en el mercado eléctrico diario a lo largo de todo el año 2018. Realizamos una cuantificación de efecto máximo o de corto plazo, ya que no estamos teniendo en cuenta que, a medida que las centrales térmicas de carbón queden inactivas, se produciría en el mercado un aumento de la generación procedente de energías Introducción. Juan Antonio Ballesteros Gallardo 22 renovables, lo cual contrarrestaría en mayor o menor medida la subida del precio de equilibrio originada por el cierre de las centrales de carbón. Destacar que una de las principales ventajas del estudio realizado es la utilización de datos reales del mercado mayorista para obtener las curvas de oferta y demanda horarias de energía eléctrica. 1.3. DISCUSIÓN. La presente tesis resulta de especial interés para los usuarios de energía eléctrica, los reguladores, los gobiernos y la industria en general, ya que aborda temas de actualidad en el campo de la generación, la trasmisión y el consumo de energía eléctrica. Los temas que se han tratado en la presente tesis (calidad del suministro eléctrico, autoconsumo residencial e impacto en el mercado de la energía del cierre de las centrales térmicas de carbón) han sido evaluados desde un punto de vista económico, desarrollando modelos que permiten cuantificar u optimizar el sistema analizado. En el primer capítulo, que trata sobre la relación existente entre los sistemas reguladores y la calidad en la distribución de la energía eléctrica, se explora si existen marcos reguladores de la distribución eléctrica que sean más eficientes que otros desde el punto de vista económico y de la calidad del servicio ofrecido a los clientes. En este capítulo se aconseja aumentar los incentivos a las compañías de distribución en lugar de aumentar su retribución base. Por tanto, a nivel europeo, se debería intentar la transición de los modelos reguladores basados en la retribución base a los modelos basados en incentivos, ya que estos últimos presentan mejores ratios de eficiencia entre la calidad del servicio eléctrico y el gasto económico realizado. También debemos apuntar que, para aquellos sistemas con calidades de los servicios media o baja, el efecto del incremento en los incentivos en la calidad es mayor que para aquellos sistemas regulados con índices de calidad más elevados. Introducción. Juan Antonio Ballesteros Gallardo 23 El segundo capítulo, que trata sobre el autoconsumo fotovoltaico residencial, es de especial interés para los usuarios residenciales. El modelo para la optimización del sistema de autoconsumo permitirá al usuario decidir qué instalación se adapta mejor a sus necesidades económicas y energéticas, permitiéndole disminuir el gasto anual en consumo eléctrico y dándole mayor independencia frente a las compañías de distribución eléctrica. Fomentar este tipo de consumo no solo implica una mejora económica en el usuario, sino también concienciar a la población del uso de energías renovables y hacerle partícipe directamente de las mismas. En cuanto a las instalaciones de auto-consumo eléctrico, se debería fomentar su desarrollo e instalación debido a la viabilidad económica de las mismas, facilitando el desarrollo de las infraestructuras necesarias que permitan la conexión de consumo y vertido a los usuarios y generando un marco regulador estable que permita al consumidor optimizar su proyecto de instalación. Se produce también una externalidad positiva para el resto de usuarios finales, ya que la optimización del gasto del regulador en la distribución eléctrica redundará en una mejor calidad del servicio a un coste menor. En cuanto a la producción de energía eléctrica, se aborda el efecto a corto plazo que tiene en el mercado eléctrico el cierre de las centrales de carbón que actualmente quedan operativas. Este tema resulta también de gran actualidad, ya que las diferentes leyes regulativas están encaminadas a prescindir de la energía procedente de las centrales térmicas de carbón y a sustituirla por las fuentes renovables para cumplir con los pactos a nivel europeo de reducción de los gases de efecto invernadero para el año 2030. Así, el cierre de las centrales térmicas de carbón es pieza clave para la descarbonización de la generación eléctrica. Además, desde un punto de vista económico, los costes variables de las centrales de carbón se han visto incrementados debido al aumento del precio de la emisión de gases de efecto invernadero, a lo que se une el hecho de que los precios más asequibles del gas natural restan competitividad a la generación con carbón en el actual mercado energético. Introducción. Juan Antonio Ballesteros Gallardo 24 El cierre de las centrales térmicas de carbón implica que las curvas horarias de oferta del mercado diario se vean contraídas produciéndose una variación positiva en el precio de la energía y una variación negativas en la cantidad de energía comercializados; la medición de dichas variaciones son el objetivo del segundo capítulo de esta Tesis doctoral. Aunque nuestro estudio no considera la existencia de un efecto sustitución, parece razonable que el cierre de las centrales de térmicas de carbón deba hacerse de forma coordinada con el aumento de la potencia instalada en energías renovables. Puesto que el precio de la oferta proveniente de energías renovables es menor que el de las centrales térmicas, se evitaría el aumento del precio de la energía al tiempo que se conseguiría reducir el nivel de emisiones de CO2. Finalmente, para el medioambiente, y en base al marco legislativo actual, es de especial importancia la optimización económica y la mejora de la eficiencia de los sistemas de distribución eléctrica, del autoconsumo residencial y de la generación eléctrica para, de esta forma, conseguir los objetivos marcados para el futuro. Un sistema de generación eléctrica alineado con un marco regulador que lo haga más eficiente permitirá un menor consumo de recursos, a la vez que requerirá menor inversión en mantenimiento y desarrollo de infraestructuras. Asimismo, la generación eléctrica y el autoconsumo a partir de energías renovables permite disminuir los gases de efecto invernadero y los efectos del consumo energético en el medio ambiente, a la vez que disminuyen los gastos de producción, transporte y distribución eléctrica. 1.5. ARTICULOS PUBLICADOS. Para la presentación de la presente tesis se han publicado los siguientes artículos: Artículo 1.- Arcos-Vargas, Ángel; Ballesteros-Gallardo, Juan Antonio; Núñez- Hernández, Fernando. ‚¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso de Europa‚. DYNA Introducción. Juan Antonio Ballesteros Gallardo 25 Ingeniería e Industria, 2016, vol. 91, no 6, p. 619-624. DOI: http://dx.doi.org/10.6036/7956. Artículo 2.- Ballesteros-Gallardo, Juan Antonio; Arcos-Vargas, Ángel; Núñez, Fernando. "Optimal Design Model for a Residential PV Storage System an Application to the Spanish Case". Sustainability, 2021, vol. 13, no. 2, p. 575-600. DOI: https://doi.org/10.3390/su13020575. Artículo 3.- Arcos-Vargas, Ángel, Núñez, Fernando, Ballesteros-Gallardo, Juan Antonio. Economic impact of the closure of the Spanish coal plants. DYNA Ingeniería e Industria, 2021, vol. 96, no.6, p. 564-567. https://doi.org/10.6036/10228. 1.6. APORTACIÓN AL CONOCIMIENTO TRANSVERSAL Y A LOS OBJETIVOS DE DESARROLLO SOSTENIBLE (ODS). La Agenda de 2030 para el desarrollo sostenible (Naciones Unidas, 2015) establece un plan para poner fin a la pobreza, preservar el planeta y mejorar el desarrollo y la prosperidad de las personas en todo el mundo. Dicho plan se basa en 17 Objetivos de Desarrollo Sostenible (ODS) que permiten armonizar el crecimiento económico, la inclusión social y la protección del medio ambiente. Asimismo, los líderes mundiales se comprometieron a movilizar las financiaciones necesarias y a reforzar las instituciones con el fin de lograr los ODS para en el año 2030. En España, el Real Decreto 822/2021 de 19 de Octubre (BOE, 2021), establece que la formación académica debe estar fundamentada en valores que permitan construir una sociedad más equitativa, social y económicamente alineada con los ODS. Los artículos que componen la presente tesis aportan al conocimiento de la sociedad una serie de valores que están alineados con dicho Real Decreto. En este sentido, la Tabla 1.3 muestra los 17 ODS y la contribución de cada artículo a los mismos. El valor 1 indica una contribución leve, el 2 moderado, y el 3 una contribución directa Introducción. Juan Antonio Ballesteros Gallardo 26 Tabla 1.3. Contribución de los artículos a los ODS. Objetivo de Desarrollo Sostenible (ODS) Artículo 1 Artículo 2 Artículo 3 TOTAL 1. Fin de la pobreza. 1 1 1 3 2. Hambre cero. 3. Salud y bienestar. 1 1 1 3 4. Educación de calidad. 5. Igualdad de género. 6. Agua limpia y saneamiento. 7. Energía asequible y no contaminante. 1 3 3 7 8. Trabajo decente y crecimiento económico. 2 2 2 6 9. Industria, innovación e infraestructura. 1 2 1 4 10. Reducción de la desigualdad 1 2 1 4 11. Ciudades y comunidades sostenibles. 2 3 2 7 12. Producción y consumo responsable. 2 3 2 7 13. Acción por el clima. 2 3 3 8 14. Vida submarina. 15. Vida de ecosistemas terrestres. 16. Paz, justicia e instituciones solidarias 17. Alianzas para lograr los objetivos. TOTAL 13 20 16 49 ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 27 CAPÍTULO 2. ¿ES POSIBLE UNA MEJOR CALIDAD A UN COSTE MENOR PARA EL SISTEMA DE DISTRIBUCIÓN ELÉCTRICA? UNA APLICACIÓN AL CASO EN EUROPA. 2.1. INTRODUCCIÓN. El efecto que tiene el precio y la calidad de servicio eléctrica en la competitividad y el crecimiento de una economía, es un tema clásico de análisis y discusión. El sector eléctrico, dadas sus características, siempre ha estado fuertemente regulado en general, y la distribución, al tratarse de un monopolio natural, en particular. La regulación de la distribución eléctrica afecta tanto a la construcción, explotación, retribución y niveles de calidad de servicio, que las empresas distribuidoras le deben suministrar a cada tipo de clientes. El efecto de una disminución de los precios, tiene un impacto en los costes de producción siendo especialmente relevantes en aquellos sectores intensivos en electricidad, mientras que el efecto de una mejora de la calidad, requiere de análisis más sofisticados, basados en el valor, y no tanto en los costes del servicio. Varias investigaciones han evaluado, para el caso español, el valor de esta no ‚calidad‛, entre 1 y 2 €/kWh, lo que podría servir como valor de contraste para determinar el valor de calidad del servicio eléctrico, que maximiza el bienestar global. En este artículo no se va a determinar este valor, ya que el alcance del mismo es la distribución europea, con países de realidades y estructuras industriales distintas. El objeto de este artículo es analizar el efecto que tiene el modelo de regulación de la distribución en la calidad de servicio, es decir, responder a la pregunta de si es posible, dada una retribución a la distribución eléctrica, mejorar la calidad de servicio, mediante un cambio en el sistema de regulación, o la pregunta dual, de si es posible reducir la retribución de la distribución, sin que esto suponga una disminución de la calidad de servicio. También se analiza la efectividad de los incentivos frente a la retribución base. ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 28 Para el desarrollo del modelo, se han utilizado datos de la distribución eléctrica de países europeos en el período 2004-2008. Aunque la información tratada, procede de fuentes públicas de cada país, la captura, elaboración, homogeneización y tratamiento de los datos, resulta una tarea tediosa, que no siempre es posible de finalizar debido a la heterogeneidad en la forma de presentarlos; por esta razón, no se han podido tomar en la muestra todos los países europeos y, al haber cambiado en algunos la forma de presentar los resultados, la actualización del período supondría la definición de las variables ‚ex novo‛. El artículo, que trata de ser divulgativo, no desarrollando en exceso los razonamientos econométricos, que pudieran aburrir al lector, se estructura en cinco secciones. Tras esta introducción, se revisan las principales referencia que se han encontrado en la literatura sobre el impacto que los sistemas reguladores tienen en la calidad del suministro. En la sección 3, se exponen los datos utilizados para, a continuación en la sección 4, presentar los modelos econométricos utilizados, así como los resultados obtenidos. Para terminar, en la sección 5 se exponen las principales conclusiones obtenidas y se plantear algunas recomendaciones a las distintas Agencias Reguladoras. 2.2. ANTECEDENTES DE INVESTIGACIONES ANTERIORES SOBRE MODELOS REGULADORES Y CALIDAD DEL SUMINISTRO ELÉCTRICO. En este apartado se presenta una breve revisión de trabajos que analizan la calidad del suministro eléctrico y los sistemas reguladores. En el caso Español, el trabajo (Rivier, 2003) plantea que la regulación eléctrica debe diseñarse de forma que las compañías presten un servicio de suministro eléctrico con una calidad mínima acorde con sus niveles de remuneración. En Italia, existen también estudios referidos a la calidad del suministro eléctrico; (Fumagalli y Lo Schiavo, 2009) indica que existen cuatro objetivos principales para los marcos reguladores: informar y mostrar al consumidor una comparativa entre las diferentes compañías del sector, establecer y garantizar unos niveles mínimos de suministro eléctrico a los clientes, fomentar y favorecer iniciativas y proyectos para mejorar la calidad ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 29 del suministro y, por último, determinar un sistema donde la calidad y los precios sean determinados por la relación directa entre los clientes y las empresas reguladas. El estudio de los efectos de la regulación por incentivos en la calidad del suministro y la introducción de la calidad como mecanismo de benchmarking han sido aspectos muy estudiados en este campo. Desde que la regulación incentivada fuese introducida por primera vez en la restructuración de la industria de telecomunicaciones británica, se ha ido incorporando paulatinamente al campo de la regulación eléctrica, existiendo numerosos estudios que analizan sus relaciones y efectos. En Estados Unidos, por ejemplo, (Ter-Martirosyean, 2003) observa que la duración media de las interrupciones eléctricas debe estar acompañadas de medidas de benchmarking para obtener una mejora en la calidad desde el punto de vista del número y del tiempo de las interrupciones. En este sentido, el sistema Yardstick (Tangeras, 2009) consigue unos buenos resultados referidos a la eficiencia del sistema y a la calidad del servicio eléctrico, motivado principalmente por la elaboración detallada de los indicadores de calidad y del reembolso de parte los gastos realizados por las compañías. Por otro lado, el modelo Price Cap y los incentivos también ha sido motivo de estudio (Weisman, 2005), mostrándose que este modelo no sería totalmente efectivo junto con un sistema de incentivos para la mejora de la calidad del sistema eléctrico, consecuencia extensible también a un marco regulador basado en penalizaciones En principio parecen que las soluciones a adoptar para la regulación de la calidad de una forma efectiva no son simples (Sappington, 2005), ya que éstas dependen de diferentes factores, como las relaciones internacionales entre países, las preferencias de los clientes y la información que se tiene de los propios reguladores eléctricos. Analizando un sistema regulador incentivado como el de Reino Unido, (Jamasb y Pollit, 2003) concluye que las leyes reguladoras incentivadas promueven reducir los costes de las empresas, adecuar los precios y mantener la calidad del servicio. ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 36 corresponde con la ecuación (2.3), e incorpora al modelo anterior, mediante la introducción de una variable dummy, la distinción entre países con niveles altos de calidad del servicio y países con niveles bajos. Por su parte, los modelos 2.3 y 2.4, representados por las ecuaciones (2.4) y (2.5) respectivamente, tratan de obtener información acerca del nivel de eficiencia de cada sistema regulador. En concreto, el modelo 2.3 (modelo retribución-sistema) relaciona la retribución base con el sistema regulador haciendo interactuar a ambas variables, mientras que el modelo 2.4 (modelo incentivo-sistema) hace lo propio con los incentivos y el sistema regulador. La Tabla 2.2 muestra los valores de las estimaciones para cada modelo. Los coeficientes de bondad del ajuste R2 ajustado y R2 intra-grupos toman valores comprendidos entre 0,74 y 0,91, mientras que el R2 entre-grupos alcanza su valor mayor, 0,46, en el segundo modelo. Estos resultados sugieren que el modelo explica mejor las variaciones dentro de cada país que las diferencias promedio entre países. ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 37 Tabla 2.2. Modelos explicativos de las interrupciones no planificadas (minutos perdidos por año y cliente). 2004-2008. Estimación por efectos fijos. Respecto a las variables del modelo se obtienen los siguientes resultados. En primer lugar, se observa una relación negativa y significativa entre la retribución Regressors (1) (2) (3) (4) -0.88* -1.44*** -1.38* -0.99* 0.1 0.01 0.07 0.1 0.93 0.39 1.54 0.22 4.82 0.16 1.64 0.19 -3.02 0.57 0.03 0.0 0.5 1.00 -0.003 -0.004** 0.12 0.02 -0.08*** -0.08*** 0.00 0.00 0.09 0.25 0.60*** 0.00 0.11 0.18 0.12 0.24 -1.4*** -6.12 -1.42*** -1.42*** 0.00 0.26 0.00 0.00 -1.12*** -0.97*** -1.15*** -1.18*** 0.00 0.00 0.00 0.00 -1.19*** -6.16 -9.98 -1.13*** 0.00 0.3 0.14 0.00 -1.22*** -5.98 -9.58 -1.26*** 0.00 0.27 0.14 0.00 -0.71* -5.74 -9.34 -0.63* 0.1 0.35 0.18 0.1 0.26 0.87 -29.01 0.15 0.68 0.15 0.17 0.83 0.10 0.84 19.93 0.29 0.89 0.21 0.56 0.72 0.384 2.13*** 1.864 -0.185 0.74 0.00 0.28 0.92 Constante 10.09*** 12.96*** 12.63*** 10.66*** 0.00 0.00 0.00 0.00 Dummy para Suecia 2.44*** 2.56*** 2.44*** 2.63*** 0.00 0.00 0.00 0.00 Número de observaciones 45 45 45 45 Número de grupos 9 9 9 9 R2 ajustado 0.88 0.87 0.91 0.89 R2 modelo intra-grupos 0.74 0.74 0.82 0.78 R2 modelo entre-grupos 0.008 0.46 0.09 0.004 R2 modelo conjunto 0.1 0.24 0.05 0.12 Prob > F (significatividad conjunta) 0.00 0.00 0.00 0.00 Prob > F (F para ui=0) 0.00 0.00 0.00 0.00 Prob>chi2 (Hausman: fe vs. re) 0.04 0.01 0.9 corr(ui, X) -0.58 -0.98 -0.99 -0.49 sigma_u 0.72 3.56 13 0.67 sigma_e 0.21 0.22 0.19 0.2 rho 0.92 0.99 0.99 0.91 Coeficiente y p-valor; * p<.1; ** p<.05; *** p<.01 Francia Finlandia Suecia Noruega abs(inc / cli)*Price cap abs(inc / cli)*Revenue cap Reino Unido España Austria Italia Ln(rb / cli)*Yardstick Inc / cli (Inc / cli)2 abs(inc / cli) abs(inc / cli)*HQ abs(inc / cli)*Rate of return Ln(rb / cli) Ln(rb / cli)*HQ Ln(rb / cli)*Cost plus Ln(rb / cli)*Rate of return Ln(rb / cli)*Price cap Regresores 2.1 2.2 2.3 2.4 ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 38 base por cliente y la duración de las interrupciones en todos los modelos. En promedio, el coeficiente estimado es cercano a 1, lo cual indicaría que incrementos porcentuales en la retribución por cliente producirían disminuciones porcentuales del mismo orden en la duración de las interrupciones, aumentando por tanto la calidad del servicio. En cuanto a la variable de incentivos, los modelos (2.1) y (2.3) introducen dicha variable en forma cuadrática para permitir una relación no lineal con la calidad del suministro. La variable resulta significativa y con signo negativo en el término cuadrático, lo que indica que las interrupciones tienden a disminuir tanto si las empresas reciben incentivos positivos como negativos (penalizaciones). Partiendo de estos modelos, para calcular el impacto que tendría un incremento de la dotación de incentivos en la calidad de servicio, hay que derivar la función estimada de duración respecto a la variable de incentivos. Para analizar el efecto que tendría un incremento de los incentivos en la calidad de servicio, si se considera en el modelo 1, que el incentivo por cliente fuera de 3 euros, un incremento de 1 euro en la variable (+33,3 %), produciría una disminución en la duración de las interrupciones de un –1,8 %. Este dato permite comparar el efecto de la retribución base con el de los incentivos. Supongamos el ejemplo de un país que tiene 30 millones de clientes y una retribución base anual de 3.000 millones de euros. Una elasticidad entre la duración y la retribución de –1 indicaría, en términos agregados, que un incremento de la retribución de un 1 % (es decir, 30 millones de euros) provocaría una disminución de las interrupciones de un 1 %, o lo que es lo mismo, cada millón utilizado provocaría una mejora de 0,033 puntos porcentuales en la duración. Por otro lado, una semi-elasticidad de – 1,8 % entre la duración y los incentivos, implicaría que un incremento en los incentivos de un euro por cliente (30 millones de euros en nuestro caso) provocaría una mejora de un 1,8 % en la calidad (es decir, por cada millón utilizado en incentivos mejoraría la calidad del servicio en 0,06 puntos porcentuales). Por tanto, se puede deducir que los incentivos son más eficaces que ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 39 la retribución base para mejorar la calidad del servicio, lo que parece tener sentido si se considera que la mejora de la calidad es una de los principales objetivos de las políticas de incentivos. Se puede profundizar más en el análisis si se permite que las variables cuantitativas (retribución e incentivos) interactúen con dos tipos de variables dummies, las que permiten diferenciar entre países con un nivel alto o bajo de la calidad del servicio eléctrico (modelo 2.2), y las que controlan por el marco regulador de cada país (modelos 2.3 y 2.4). En cada modelo, el coeficiente de la variable analizada (‘retribución’ o ‘incentivo’) sin interactuar es el que corresponde a la interacción entre dicha variable y la categoría de referencia (no incluida en la ecuación estimada). Para el resto de categorías (sí incluidas en la ecuación estimada), el coeficiente de la variable analizada interactuando con una categoría en particular viene dado por la suma del coeficiente de referencia anterior y el coeficiente estimado de la interacción de la variable y dicha categoría. En el modelo 2.2, las covariables ‘retribución’ e ‘incentivos’ se relacionan con la variable dummy que controla a los países dependiendo de su nivel de calidad del servicio eléctrico. El primer grupo de países está compuesto por aquellos que tienen una duración media de las interrupciones inferior a 75 minutos por cliente y año (Austria, Reino Unido, Francia e Italia), mientras que el segundo lo componen aquellos países con peores niveles de calidad, donde la duración media es cercana o superior a 100 minutos por cliente y año (España, Noruega, Finlandia, Suecia y República Checa). Tomando como referencia a aquellos países con baja calidad en el suministro eléctrico, se puede afirmar que mayores ingresos e incentivos pueden ser medidas más eficaces en los países que tienen baja calidad que en los que presentan un mejor servicio. De esta forma, en los países con baja calidad se obtienen coeficientes de –1,4 y –0,08 para la retribución e incentivos respectivamente, mientras que para los países de mejor calidad los coeficientes resultan ser no significativos, lo cual puede ser indicativo de que en estos países ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 40 de elevada calidad resulta más complicado obtener mejoras adicionales –existen rendimientos decrecientes en la calidad–. En el modelo 2.3, la retribución se relaciona con la variable dummy que controla los sistemas reguladores, permitiendo observar si existe algún cambio significativo en el coeficiente de la retribución al considerar un sistema u otro. En el sistema de referencia, Revenue Cap, este coeficiente tiene un valor de –1,38, mientras que en el resto de casos, los coeficientes estimados no son significativos de forma individual, aunque la prueba de significativa conjunta indica rechazar la hipótesis nula de que los coeficientes sean todos nulos. Así pues, se puede concluir que una remuneración mayor parece ser más efectiva en el modelo Revenue Cap que en otros marcos reguladores. Por último, en el modelo 2.4, la variable incentivos interactúa con la dummy de sistema regulador. El sistema Yardstick, utilizado como categoría de referencia en la estimación, tiene un coeficiente significativo de –0,08, que indica efectividad de los incentivos bajo dicho marco regulador. Para los demás sistemas con incentivos, este coeficiente no parece alterarse significativamente, a excepción del sistema de Rate of Return en el que mayores incentivos no parecen producir los efectos esperados en la calidad del servicio – este último sistema es utilizado exclusivamente por Finlandia, cuyo sistema de incentivos ha generado sanciones monetarias a lo largo del período analizado–. El Reino Unido, Italia, Austria y España son los países con un menor efecto fijo estimado, lo cual quiere decir que características no observables de estos países hacen que en promedio muestren mayores niveles de calidad que los predichos por el modelo general. En estos países relativamente más eficientes, los modelos de regulación que existen son el Revenue Cap y el Price Cap. Para finalizar el análisis, se ha estimado un panel de datos dinámico que pretende identificar la existencia de dependencia temporal en la variable dependiente ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 41 (duración de la interrupción) y, al mismo tiempo, analizar el efecto de la inversión por cliente –Tabla 2.3– 3 . Tabla 2.3. Panel de datos dinámico de las interrupciones imprevistas (minutos perdidos por año y cliente). 2004-2008. Tras realizar varias pruebas, se ha optado por incluir en la estimación un retardo de la variable dependiente y dos retardos de la variable inversión por cliente. El panel se ha estimado con un total de 18 observaciones, por lo que los resultados obtenidos deben ser considerados como una primera aproximación. El coeficiente de la variable dependiente retardada un año tiene un valor negativo de –0,21, lo cual indica que el sector tiende a mejorar la calidad año tras año. La elasticidad entre la duración de las interrupciones y la retribución presenta un valor nuevamente cercano a –1, con un nivel de confianza del 90 %. En cuanto a la inversión, se observa que tiene una influencia negativa en la duración del servicio con un desfase temporal de dos años; en este caso la elasticidad es de –0,5. Por último, cabe destacar que los coeficientes de las variables de incentivos no son significativos en las estimaciones dinámicas realizadas. 3 El panel de datos utilizado no es excesivamente extenso, pero con los 5 años disponibles es posible instrumentalizar el modelo para estimar su consistencia dinámica. -0.218** 0.05 -1.059* 0.07 -0.528*** 0.004 0.00 0.99 -0.002 0.28 Número de observaciones 18 Número de grupos 9 Número de instrumentos 9 Prob > Chi2 (significatividad conjunta) 0 Prob > Chi2 (test de Sargan de sobreidentificación de restricciones) 0.65 Prob > Chi2 (test de Hansen de sobreidentificación de restricciones) 0.71 Prob > z (test Arellano-Bond de autocorrelación en los errores) 0.64 Coeficiente y p-valor; * p<.1; ** p<.05; *** p<.01 Instrumentos estándar para la ecuación diferenciada: primeras diferencias de las covariables. Instrumentos tipo GMM para la ecuación diferenciada: retardos de ln(duración de la interrupción), orden> 1. Ln (duración de la interrupción)(-1) Ln (retribución / cliente) Ln (inversión / cliente)(-2) Incentivos por cliente Incentivos por cliente^2 ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 42 2.5. CONCLUSIONES Y RECOMENDACIONES. A la vista de los resultados anteriores, se pueden obtener las siguientes conclusiones: 1. La retribución y la calidad de servicio, como cabría esperar, son variables fuertemente relacionadas de forma inversa, presentando una elasticidad ‚tiempo de interrupción – retribución‛, observ{ndose valores cercanos a -1 en todos los modelos propuestos y muy significativos. Es decir, un aumento del 1 % en los valores de la retribución, provocan un disminución de un 1 % en el tiempo de interrupción de suministro a los clientes. 2. Si se segmenta la muestra en dos grupos, atendiendo a su nivel de calidad, se observa que el efecto del aumento de la retribución no es significativo para los países que disfrutan de un mayor nivel de calidad. Esta evidencia, resulta razonable, ya que para estos países, el esfuerzo asociado al aumento de calidad es más que proporcional. 3. La forma más eficiente de mejorar la calidad son los incentivos. El efecto sobre los niveles de calidad, asociado a un incremento de una unidad monetaria de los incentivos, es del doble que aplicando la misma cantidad de recursos sobre la retribución base. 4. Reino Unido, Italia, Austria y España, presentan de forma significativa, un nivel de calidad superior, al que podría esperarse de sus niveles de retribución. 5. Si bien, a partir de los resultados econométricos no se pueden afirmar nada sobre la eficiencia de los sistemas de retribución, se observa que los países más eficientes presentan modelos basados en incentivos (Price Cap y Revenue Cap). 6. Por último, se puede afirmar que la calidad de servicio, viene determinada por la inversión realizada dos periodos antes. Este período de dos años, es el plazo de ejecución de las obras en la red. ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa. Juan Antonio Ballesteros Gallardo 43 A la vista de los resultados, y con asumiendo que los resultados obtenidos son estructurales del sector, se pueden proponer las siguientes recomendaciones a las Agencias Reguladoras: • El efecto positivo de la retribución sobre la calidad de servicio, sólo tiene un efecto positivo en los países con calidad de servicio baja y media. • El efecto de los incentivos sobre la calidad de servicio es muy superior al de la retribución base. Sustituir recursos de la retribución base a favor de los incentivos, representaría una mejora de la calidad de servicio, sin necesidad de aumentar los recursos destinados a la actividad. • Los modelos basados en incentivos, resultan m{s eficientes que los asados en costes. La regulación de la distribución de los países, deberían migrar a este tipo de modelos. Juan Antonio Ballesteros Gallardo 44 Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 45 CAPÍTULO 3. MODELO DE DISEÑO ÓPTIMO PARA UN SISTEMA DE ALMACENAMIENTO FOTOVOLTÁICO RESIDENCIAL. UNA APLICACIÓN AL CASO ESPAÑOL. 3.1. INTRODUCCIÓN. Muchos países de la Unión Europea (UE) han implementado diferentes políticas para mejorar y desarrollar sistemas de energía solar (en lugar de fósiles) después de la entrada en vigor de la Directiva Europea 944/2019 (Parlamento Europeo, 2019). El objetivo de este marco legislativo es lograr una generación de energía más limpia y disminuir el impacto de las emisiones en el medio ambiente. En España, el Real Decreto 244/2019 (Ministerio de Transición Ecológica, 2019) estableció la reestructuración técnica y los requisitos administrativos para la autogeneración y consumo de energía. En particular, este decreto permite a los hogares inyectar el excedente de energía en el mercado eléctrico, siendo la empresa con la que el usuario ha contratado el suministro eléctrico, la responsable de compensar en la factura de la luz los ingresos generados por la venta de energía. Al mismo tiempo, se ha simplificado todo el proceso administrativo; así, en la actualidad, un vendedor solo tiene que presentar ante la Administración Pública española una declaración formal (avalada por un ingeniero) que indique que se cumplen los requisitos técnicos y administrativos para la venta de energía. El desarrollo de estas políticas crea, por tanto, un marco adecuado para apoyar la inversión en instalaciones fotovoltaicas domésticas. El objetivo de esta investigación es proporcionar un modelo económico y operativo para una instalación fotovoltaica doméstica, con o sin sistema de almacenamiento de energía por batería (BESS), con el objetivo de optimizar la potencia de los paneles fotovoltaicos y la capacidad de la batería. Con los únicos datos de entrada de la demanda de los hogares y su propia ubicación, el modelo propuesto proporciona la mejor configuración de los mismos (paneles y batería) de acuerdo con ciertos indicadores financieros; este resultado es especialmente útil para instaladores, usuarios y reguladores de sistemas. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 52 promueve el uso de energía renovable, con el consiguiente beneficio para el medio ambiente. El resto de este documento está organizado de la siguiente manera. La Sección 3.2 describe el modelo, los conceptos básicos de una instalación fotovoltaica con la batería y la descripción de los datos. La sección 3.3 presenta los resultados y la evaluación financiera. La sección 3.4 contiene la discusión y, finalmente la sección 3.5, la conclusión. 3.2. METODOLOGÍA Y DATOS. 3.2.1. Modelo para el autoconsumo doméstico mediante paneles fotovoltaicos. El modelo propuesto en este estudio está diseñado para el consumo eléctrico de un hogar que cuenta con una instalación de paneles fotovoltaicos conectados a la red eléctrica y que puede tener o no un sistema de almacenamiento de energía (BESS) –se analizan ambos escenarios. No se considera la desconexión de la red, ya que el impacto económico de una avería en la instalación del usuario residencial sería mucho mayor que los posibles beneficios que puedan generarse. Además, estar conectado a la red permite obtener ingresos adicionales al inyectar el excedente de producción eléctrica en la misma [25]. Considerando una instalación con un sistema de almacenamiento de energía, la Figura 3.1 muestra esquemáticamente las partes principales de la instalación doméstica analizada y los flujos de energía entre las diferentes partes. Figura 3.1. Esquema de la instalación y flujos de energía. Fuente elaboración propia. BESS INVERSOR PANEL FOTOVOLTAICO HOGAR RED Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 53 La primera configuración analizada consiste en una instalación compuesta por paneles fotovoltaicos conectados a la red y sin sistema de almacenamiento de energía; hay que considerar que, en este escenario, la batería debe ser eliminada de la Figura 3.1. En esta configuración, los ahorros provienen de la energía consumida de los paneles fotovoltaicos (evitando, por tanto, el consumo de la red) más los ingresos obtenidos por el excedente de energía vendido al mercado. Cuando la demanda residencial es mayor que la producción energética de los paneles fotovoltaicos, el déficit de energía se debe consumir de la red para cubrir por completo la demanda interna. La rentabilidad de esta instalación depende principalmente de la energía producida por los paneles fotovoltaicos (generando ahorros o ingresos para el usuario) y el coste de la instalación, factores dependientes de la potencia pico de los paneles. Este modelo es similar al propuesto por (Arcos et al., 2018a), aunque este último estudio no considera la posibilidad de vender el excedente de energía al mercado. La segunda configuración es un poco más sofisticada que la primera y, hasta hace poco, no estaba permitida en algunos países europeos, incluido en España. La diferencia con el primer escenario es la existencia de una batería que está conectado a la instalación fotovoltaica. En esta situación, la energía fotovoltaica producida tiene tres destinos posibles, que son en este orden: la demanda doméstica, la batería (si la generación fotovoltaica supera la demanda residencial durante las horas de menor demanda, caso II en la Tabla 3.1) y la red (si la generación supera la demanda y la batería está completamente cargada o parcialmente cargada y es una hora pico, caso I en la Tabla 3.1). La demanda doméstica se satisface en primer lugar con la producción de los paneles fotovoltaicos, en segundo lugar con la energía de la batería y finalmente, si es necesario, con la red (como en el caso III, Tabla 3.1). La batería es un elemento clave en el modelo porque permite almacenar el excedente de energía para su posterior consumo (por ejemplo, en horas nocturnas). La batería se carga con el exceso de energía producida por los paneles fotovoltaicos durante las horas de Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 54 menor actividad, y se descarga cuando la producción fotovoltaica no puede cubrir la demanda residencial, hecho que ocurre principalmente durante la noche. Tabla 3.1. Modelo operativo de la instalación. Escenarios Operaciones Generación fotovoltaica > Consumo doméstico. Batería totalmente cargada. (I) Consumo fotovoltaico + Venta al mercado. Batería parcialmente cargada. Hora pico. Hora valle. (II) Consumo fotovoltaico + carga de la batería* * Moverse al caso (I) cuando está completamente cargada. Generación fotovoltaica < Consumo doméstico. (III) Consumo fotovoltaico + consume de la batería (cargada o parcialmente cargada) + Consumo de red (si es necesario). Generación fotovoltaica = Consumo doméstico. (IV) Consumo fotovoltaico. El modelo operativo ofrece dos beneficios principales: el ahorro por la energía consumida del panel fotovoltaico y de la batería (evitando así el consumo de energía de la red) y los ingresos por la energía vendida al mercado de acuerdo con las regulaciones del mercado eléctrico. Dado el modelo operativo descrito en la Tabla 3.1, la principal pregunta económica que aborda este documento es: "Dada la demanda anual de un usuario, ¿cuál es la configuración entre la potencia de los paneles y la capacidad de la batería que optimiza la inversión?". Para ello, se calculan tres indicadores financieros para diferentes configuraciones de paneles y baterías: el valor actual neto (VPN), el retorno de la inversión (IR) y la tasa interna de retorno (TIR). El funcionamiento del sistema fotovoltaico con almacenamiento se describe en las ecuaciones (3.1) - (3.5). La ecuación (3.1) establece que el nivel de carga (EBL) de la batería en cada hora, es el nivel de carga de la batería al comienzo de la hora anterior ( ), más un porcentaje de la energía fotovoltaica entregada por los paneles a la batería ( ), Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 55 menos la salida de energía de la batería utilizada para consumo ( ). El parámetro η representa la eficiencia de la batería en el proceso de carga y descarga, según el cual no toda la energía recibida desde el panel ( ) se puede almacenar en la batería y no toda la energía que entrega es consumida por el hogar. La energía almacenada no puede exceder la capacidad límite de la batería ( ). √ √ (3.1) Las ecuaciones (3.2.1) y (3.2.2) modelan la generación de energía horaria de los paneles fotovoltaicos, así como su destino. La generación de energía fotovoltaica ( ) se puede modelar como la generación de energía fotovoltaica esperada cada hora ( ) —datos del PVGIS (Sistema de Información Geográfica Fotovoltaica)—, más una perturbación aleatoria ( ) que sigue una distribución normal N(0,σu2), y permite controlar ciertos eventos inesperados como nubosidad, una falla inesperada de la instalación fotovoltaica, errores de medición, etc. Esta energía fotovoltaica puede ser utilizada directamente para autoconsumo ( ) o para ser vendida al mercado ( ) cuando es hora pico o la batería está totalmente cargada (Ecuación (3.2.1)). Cuando la batería está parcialmente cargada y es hora valle, parte de la energía fotovoltaica ( ) también se utiliza para cargar la batería ( ) —Ecuación (3.2.2). ( ) (3.2.1) ( ) (3.2.2) Las ecuaciones (3.3.1) y (3.3.2) muestran que la energía consumida por hora de la instalación ( ) es la suma de la energía suministrada directamente desde los paneles fotovoltaicos ( ) y la energía suministrada por la batería ( ), cuando la producción de energía fotovoltaica ( ) es menor que la energía demandada por el hogar ( ) –Ecuación (3.3.1). Si la producción de energía fotovoltaica ( ) es mayor que la energía demandada ( ), los energía de los paneles fotovoltaicos pueden soportar totalmente la demanda (Ecuación (3.3.2)). Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 56 ( ) ( ) ( ) (3.3.1) ( ) ( ) (3.3.2) La energía excedente por hora producida por los paneles fotovoltaicos ( , Ecuación (3.4)) se define como la diferencia entre la generación de energía fotovoltaica ( ) y la energía utilizada directamente por el hogar desde los paneles ( ). Este excedente de energía ( ) está destinado a venderse en el mercado ( ) o para cargar la batería ( ). ( ) (3.4) Las ecuaciones (3.5.1) y (3.5.2) describen la energía horaria consumida por el hogar ( ). La energía real demandada por el hogar ( ) es la suma de la demanda esperada ( ) más una perturbación aleatoria ( N(0,σ2u) de media cero. Cuando la energía suministrada directamente por los paneles fotovoltaicos ( ) y la energía suministrada por la batería ( ) es igual a la energía demandada (Ecuación 3.5.1), no es necesario comprar energía en el mercado, y por tanto, el hogar solo se alimenta de la instalación. En el caso de la energía suministrada por la instalación, ( ) no sea capaz de cubrir completamente la demanda de los hogares (Ecuación (3.5.2)), es necesario comprar energía en el mercado ( ). ( ) ( ) (3.5.1) ( ) ( ) ( ) (3.5.2) El modelo financiero se formula en las ecuaciones (3.6) - (3.12). La ecuación (3.6) calcula los ingresos anuales recibidos (IC) en el año t por la venta de energía ( ) a precio de mercado (PE). La ecuación (3.7) define el ahorro anual ( ) proveniente de la energía consumida pero no comprada en el mercado; es decir, la energía consumida de la instalación ( ), valorada a precio de mercado (PE) más la tarifa de acceso (AT). ( ) (3.6) Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 57 ( ) ( ) (3.7) Finalmente, el flujo de efectivo en el año t ( ) se define en la Ecuación (3.8) como los ingresos por ventas ( ) más los ahorros por autoconsumo ( ) menos el costo de adquisición de nuevos dispositivos en el año t ( ), si lo hubiera. (3.8) Observar que las ventas ( ) y el autoconsumo de la instalación ( ) se incrementan con la instalación de paneles fotovoltaicos más potentes ( ) y baterías de mayor capacidad ( ), cayendo a la vez el consumo desde la red ( ). Cuanto mayores sean estos dos variables ( and ), mayores serán los ahorros, los ingresos y, en consecuencia, los flujos de caja de la instalación. El modelo para la instalación sin batería se puede adaptar fácilmente a partir del modelo expuesto eliminando de las ecuaciones su efecto; es decir, la capacidad de la batería ( ), su nivel de carga ( ), la energía utilizada para cargarla ( ) y el consumo realizado desde esta ( ), se vuelven nulos. Además, se elimina la ecuación (3.1) y se unifican también las ecuaciones (3.2.1) y (3.2.2) eliminando la energía de carga ( ) y sus respectivas condiciones. Una vez que generamos los flujos de caja para cada configuración posible (instalación con o sin batería), el VAN del proyecto y el retorno de la inversión (RI) se definen matemáticamente mediante las siguientes ecuaciones: ( ) ( ) ( ) ∑ ( ) (3.9) (3.10) donde n es el número de años del proyecto, es el flujo de efectivo del año t, k es la tasa de descuento e I0 representa el coste de la instalación al comienzo del proyecto (inversión inicial), es decir, los paneles y los costes de adquisición de la batería. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 58 Por su parte, el índice TIR viene dado por la tasa de descuento k en la que el VAN es igual a 0, teniendo la siguiente ecuación: ∑ ( ) (3.11) Finalmente, la inversión requerida se define como sigue: (3.12) donde y son el coste de los paneles y la batería respectivamente. Se obtienen multiplicando la potencia del panel fotovoltaico ( ) y la capacidad de la batería ( ) por sus respectivos costos unitarios ( and ) –el coste de la batería sería cero para la instalación sin almacenamiento. Con el anterior análisis, definimos el problema de optimización como sigue: Dadas las siguientes condiciones: 1) Una generación horaria de energía fotovoltaica . 2) Un perfil de consumo horario, . 3) El precio de la energía (PE) y una tarifa de acceso (AT). 4) La eficiencia total de la batería(η). 5) El intervalo de horas pico y valle en el precio de la energía. Encontrar: La potencia del panel fotovoltaico ( ) y la capacidad de la batería ( ) para diferentes escenarios de inversiones ( ) y demanda doméstica anual (D). Maximizar: Los indicadores financieros (optimizados de forma separada): ∑ ( ) (3.9) (3.10) ( ) ∑ ( ) (3.11) donde: Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 59 (3.8) (3.6) ( ) (3.7) (3.12) Sujeto a: 1) Restricción del nivel de carga de la batería: √ √ (3.1) 2) Restricción en el flujo de energía fotovoltaica generada: (3.2.1) (3.2.2) 3) Restricción en el autoconsumo: (3.3.1) (3.3.2) 4) Restricción sobre el excedente de energía: ( ) (3.4) 5) Restricción sobre el consume horario: (3.5.1) (3.5.2) Obsérvese que el modelo y la metodología presentados en este documento se pueden implementar fácilmente en otros mercados, ya que los costes, ingresos y ahorros del proyecto se basan en variables horarias reales del mercado eléctrico. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 60 3.2.2 Información de entrada del modelo. Esta sección describe los datos utilizados en el modelo. Analizamos cuatro fuentes de datos diferentes: perfiles de demanda, precios y tarifas de la energía, tecnología de las instalaciones y ubicación y producción de energía. 3.2.2.1. Perfil de demanda. El consumo horario del hogar ( ) es una de las principales variables consideradas en el análisis ya que es el elemento clave para la optimización de la potencia fotovoltaica y la capacidad de la batería. El consumo estándar de un hogar residencial durante un día depende del mes del año considerado, que a su vez está influenciado por variables externas como las condiciones climáticas o las temporadas de vacaciones. Como ejemplo representativo, la Figura 3.2 muestra el consumo horario de los hogares desde la red ( ) obtenido del OMIE (Operador del Mercado Ibérico de la Electricidad) el día 15 de cuatro meses diferentes: marzo, junio, septiembre y diciembre. Esta variable se obtiene de los contadores inteligentes instalados en los hogares domésticos (Zhu et al. (a), Arcos et al.(b). Figura 3.2. Consumo horario desde la red ( ) a lo largo de un día. Fuente: OMIE. El consumo de la red ( ) cae durante las horas nocturnas desde 0,4 kWh a 0,2 kWh, con patrones similares para cada mes. Esto se debe a que pocos dispositivos están conectados a la red durante la noche, aparte de los que deben estar siempre Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 61 conectados (como refrigeradores). Posteriormente, la demanda aumenta desde las 7:00 horas alcanzando un máximo local a las 14:00 horas, variando el consumo en esta última hora desde 0,45 (en septiembre) a 0,55 kWh (en diciembre). Este crecimiento se debe a que las personas conectan dispositivos a la red (por ejemplo, aire acondicionado, horno eléctrico, vitrocerámica, etc.). A partir de las 14:00 horas, las curvas muestran diferentes patrones, ya que las condiciones laborales y climáticas son diferentes de un mes a otro. Tras un ligero descenso entre las 14:00 y las 18:00 horas, el consumo vuelve a aumentar hasta las 22:00 horas alcanzando, a esa hora, el pico de consumo diario, situándose en el rango de 0,45 (septiembre) y 0,6 kWh (diciembre). La estacionalidad del consumo de energía de la red ( ) se representa en la Figura 3.3, que muestra la cantidad total de energía demandada en cada mes. Como se puede observar, los meses de verano e invierno presentan las tasas más altas debido a los dispositivos utilizados para mitigar los efectos de las condiciones climáticas. El rango del consumo mensual total se sitúa entre 253 kWh en mayo y 339 kWh en enero. Figura 3.3. Energía mensual consumida. Fuente: OMIE. 3.2.2.2. Precio y tarifas de la energía. El precio de mercado de la energía (PE) es una variable horaria que puede obtenerse de la base de datos OMIE. OMIE es el operador eléctrico designado para Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 68 producen energía es mayor en los meses de verano (aproximadamente dos horas antes por la mañana y dos horas más tarde por la noche) como consecuencia de la mayor cantidad de horas de sol. La superposición del perfil de demanda ( ) y la curva de producción ( ) durante el día mostrará los intervalos en los que la instalación es capaz de cubrir por completo la demanda eléctrica de los hogares. La Figura 3.8 representa ambas curvas para el 24 de junio de 2018. Figura 3.8. Demanda eléctrica del hogar ( ) and producción fotovoltaica ( ) para un panel de 1,0 kWp de potencia localizado en la ciudad de Sevilla el día 24 June 2018. Fuente: Comisión Europea, PVGIS. Para la franja horaria desde las 7:00 a 14:00 horas, la instalación es capaz de cubrir completamente la demanda ( ) directamente con la producción de los paneles fotovoltaicos ( ) y, al mismo tiempo, producir energía excedente ( ), que se puede utilizar para verterla a la red ( ) o almacenar en la batería ( ), Ecuación (3.4). A partir de las 14:00 horas, la producción de energía es menor que la demanda y el hogar necesita ser sustentado en primer lugar por la batería ( ) y en segundo lugar, si es necesario, por la red ( ), Ecuación (3.5). La Figura 3.9 muestra la energía mensual total consumida y producida para un hogar representativo. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 69 Figura 3.9. Demanda de energía y producción fotovoltaica en Sevilla. Fuente: Comisión Europea, PVGIS. La energía generada ( ) cubre alrededor del 30% de la demanda energética anual ( ) durante los meses de invierno (enero y diciembre), mientras que en los meses de verano puede cubrir por encima del 50%, permitiendo una mayor cantidad para consumo ( ) y ventas ( ), y generar mayores ventas (IC) y ahorros (S) —Ecuaciones (3.6) y (3.7). 3.3 RESULTADOS TÉCNICOS Y FINANCIEROS DEL MODELO DE AUTOCONSUMO. En esta sección, se presentan los resultados técnicos y económicos de la instalación residencial con o sin batería. La duración del proyecto se ha fijado en 25 años, con una tasa de descuento del 6,5% (CNMC, 2018). La vida útil de la batería corresponde a 5 000 ciclos de carga. Si asumimos un ciclo de carga por día, sería necesario reemplazar la batería después del decimotercer año. Sin embargo, hemos decidido reemplazarlo en el año doce para evitar problemas de mal funcionamiento. Considerar también que la inversión producida en ese año afectará negativamente a su correspondiente flujo de efectivo (Ecuación (3.8)). Nuestro análisis nos permite medir el efecto económico de cambios en el consumo interno, en los precios de los paneles y de la batería. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 70 3.3.1. Paneles fotovoltaicos domésticos sin almacenamiento. La producción de energía de la instalación ( ) aumenta con la potencia pico del panel fotovoltaico instalado ( ), haciendo que el hogar sea más autónomo (menos dependiente de la red) y los ahorros (S) e ingresos (IC) más altos. La proporción anual de producción de energía de la instalación (D / ) destinada al autoconsumo ( ) depende de la potencia pico de los paneles, como se muestra en la Figura 3.10 para la demanda doméstica (D) de 3 500 kWh. Figura 3.10. Proporción de energía generada frente a la demanda (D/ ) usada para el autoconsumo ( ). Fuente: Elaboración propia. La curva revela que esta proporción cae con forme aumenta la potencia pico del panel, pasando del 100% para un panel de 0,5 kWp al 30% para un panel de 3,5 kWp. Cuando aumenta la potencia pico ( ), el flujo de efectivo (CF) provenientes de las ventas (IC) y los ahorros (S) también aumenta, pero la pregunta clave es si este aumento del flujo de efectivo compensa el coste de adquisición de unos paneles más caros ( ) y , por lo tanto, una mayor inversión necesaria ( , Ecuación (3.11)). Los resultados técnicos y económicos se muestran en la Tabla 3.5 para una demanda residencial (D) de 3 500 kWh sin batería; además, los indicadores financieros se pueden observar gráficamente en las Figuras 3.11 (VAN y TIR) y 3.12 (RI). Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 71 Tabla 3.5. Parámetros para la instalación fotovoltaica sin batería. (Demanda doméstica anual de 3500 KWh). (kWp) (€) (kWh) / (%) (€) (€) (€) VAN (€) TIR (%) RI 0.5 450 798 100 65 0 65 358 14.4 0.80 1.0 900 1600 88 122 10 132 676 14.0 0.75 1.5 1350 2390 65 138 42 180 808 12.6 0.60 2.0 1800 3180 51 144 80 224 893 11.6 0.50 2.5 2250 3980 42 148 119 267 956 10.9 0.42 3.0 2700 4770 35 151 160 311 1 019 10.4 0.38 3.5 3150 5570 31 153 200 353 1 077 10.1 0.34 Figura 3.11. Evolución del VAN y del TIR para diferentes potencias pico de paneles ( ), sin batería. Fuente: Elaboración propia. Figura 3.12. Evolución del retorno de la inversión (IR) con la potencia pico de los paneles ( ), sin batería. Fuente: Elaboración propia. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 72 La instalación con paneles fotovoltaicos de 0,5 kWp (la potencia pico más baja considerada) muestra las mejores relaciones de TIR e IR, alcanzando los valores de 14,4% y 0,8 respectivamente; se observa que para este tamaño de panel, toda la energía fotovoltaica se utiliza para autoconsumo (no existe excedente), generando así los correspondientes ahorros (S). El IR disminuye con la potencia pico ( ) porque el incremento del VAN es menor que el incremento en la inversión ( ) asumido para la adquisición de paneles fotovoltaicos con potencias pico superiores, Figura 3.12. De esta manera, observe que la inversión requerida para una instalación de 3,5 kWp es siete veces el coste de una instalación de 0,5 kWp, mientras que el VAN es casi tres veces mayor. Por tanto, el IR disminuye gradualmente de 0,8 a 0,34; Obsérvese también que el VAN crece con la potencia pico ( ) porque los flujos de efectivo (ahorros más ingresos) crecen más que la inversión inicial cuando aumenta la potencia máxima del panel. La inversión realizada ( ) es uno de los elementos clave de la optimización financiera; Por este motivo, se ha realizado un análisis basado en diferentes precios unitarios de paneles fotovoltaicos ( ) para conocer el efecto de dicho precio en la valoración económica. La Figura 3.13 muestra los resultados del indicador IR con diferentes precios unitarios del panel fotovoltaico ( ) y para cada potencia pico fotovoltaica considerada. Figura 3.13. Retorno de la inversión para diferentes costes unitarios del panel ( ), instalación sin batería. Fuente: elaboración propia. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 73 La Figura 3.13 muestra que, para cualquier coste del panel considerado, el tamaño óptimo de la instalación es para la potencia pico más pequeña (0,5 kWp). Además, como era de esperar, dado un pico de potencia del panel, se puede observar que el indicador financiero mejora al asumir que el coste unitario del panel es menor, estaríamos obteniendo los mismos flujos de caja con una menor inversión. Por ejemplo, existe una relación casi lineal entre el IR y el costo unitario del panel independientemente de la potencia máxima del mismo. Una caída de 100 €/kWp en el precio unitario del panel fotovoltaico ( ) provocaría un aumento del índice IR de aproximadamente 0,2. Finalmente, nos preguntamos si una mayor demanda (D) puede rentabilizar la instalación de una instalación de mayor potencia, ya que esta puede cubrir más energía demandada por el hogar doméstico y por tanto incrementar el ahorro en la factura (S). La Figura 3.14 representa el indicador IR para diferentes potencias pico y niveles de demanda residencial. Figura 3.14. Retorno de la inversión (IR) respecto a la demanda doméstica (D). Fuente: elaboración propia. En esta simulación, la instalación de 0,5 kWp muestra nuevamente la mejor relación IR; sin embargo, se observa que para esta potencia pico, esta relación no cambia con la demanda doméstica, ya que la energía fotovoltaica producida se utiliza para el autoconsumo en todos los niveles de demanda residencial. Para valores de 2,5 kWp o más, las relaciones de IR son líneas casi rectas con una Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 74 pendiente de 0,1 por 1 500 kWh de demanda residencial. Teniendo en cuenta que mayores niveles de demanda (D) implican mayor autoconsumo y por tanto mayores ahorros (y menores posibilidades de vender energía al mercado), estas pendientes positivas indicarían que en un escenario de alta demanda, donde la principal fuente de efectivo viene dado por el ahorro, es más rentable que un escenario de baja demanda, donde los ingresos por vender el excedente de energía tienen un mayor peso. 3.3.2. Paneles fotovoltaicos domésticos con almacenamiento. En este escenario, los paneles fotovoltaicos están conectados a una batería donde parte de la energía producida (y no consumida) es almacenada ( ) durante las horas de menor actividad si la batería está parcialmente cargada, (Ecuación (3.1)). La ventaja del uso de la batería es que la energía excedente ( ) no se vierte inmediatamente a la red como en la primera configuración. En este caso, la energía se puede almacenar para aumentar el autoconsumo posterior, haciendo que los ahorros sean mayores que en un escenario sin almacenamiento, o se puede vender al mercado cuando el precio de la energía se encuentra en hora pico. Como vimos en la Sección 3.2, cuando la batería está completamente cargada ( ), el excedente de energía se vende al mercado independientemente de la hora del día (hora pico o no pico). En este apartado se simulan instalaciones con baterías de diferentes capacidades (de 0,5 kWh a 3,0 kWh) para un consumo residencial de D = 3 500 kWh y un coste unitario para el panel de 900 €/kWp. Las ventas (IC) y los ahorros (S) son calculados para determinar los indicadores del VAN, TIR e RI para cada configuración. La Figura 3.15 representa los valores del VAN. Se puede observar una relación positiva casi lineal entre el VAN y la capacidad de la batería ( ) para cualquier valor dado de potencia pico del panel ( ). Además, el VAN crece con la potencia de los paneles fotovoltaicos. Ambos parámetros técnicos y , permiten incrementar el ahorro (mayor cantidad de la demanda se cubre con la Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 75 proveniente de instalación, ) y ventas (mayor cantidad de energía es vendida al mercado, ). Sin embargo, se asume que el usuario dispone de recursos económicos limitados para invertir en la instalación por lo que es necesario encontrar la configuración óptima en cuanto a los indicadores de TIR y RI. Figura 3.15. VAN para una demanda doméstica (D) de 3500 kWh. Fuente: elaboración propia. La Figura 3.16 muestra los valores de la TIR con respecto a la potencia pico del panel fotovoltaico ( ) y la capacidad de la batería ( ). La TIR tiende a disminuir con la potencia pico del panel fotovoltaico y a aumentar con la capacidad de la batería, aunque esto último ocurre solo hasta cierto nivel de capacidad de la batería que oscila entre 2,0 y 2,5 kWh. La excepción a este comportamiento se observa en el panel de menor potencia pico (0,5 kWp), cuya tasa de TIR tiende a caer con el tamaño de la batería. Cuando el panel es demasiado pequeño no tiene sentido invertir en una batería demasiado grande, dada la capacidad limitada que tiene el panel para generar ahorros y ventas a partir de la energía generada. Podemos concluir que, en términos óptimos, ambos tamaños (panel y batería) tienen que ser consistentes. En este sentido, no se debe combinar un panel muy pequeño con una batería muy grande, ni un panel muy grande con una batería muy pequeña. Por ejemplo, en nuestro caso, la configuración óptima se alcanza para un panel fotovoltaico de 1,0 kWp y un batería de 2,0 kWh, generando una TIR del 14,4%. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 76 Figura 3.16. RI para una demanda doméstica (D) de 3500 kWh. Fuente: elaboración propia. El coste unitario de paneles ( ) y de la batería ( ) ha caído durante los últimos años provocando una reducción de la inversión considerada en nuestro estudio ( ) y, por tanto, un aumento de los indicadores financieros. Por otro lado, una mayor demanda residencial (D) podría requerir mayor capacidad de baterías o de la potencia pico del panel fotovoltaico en la configuración óptima, por lo que la energía consumida directamente desde la instalación ( ) aumentaría, incrementándose tanto los ahorros como los flujos de caja. Por ello, se realiza un análisis variando los costes unitarios del panel fotovoltaico ( ), de la batería ( ), y la demanda residencial (D) con el fin de encontrar la configuración más adecuada en cada uno de los casos. Para este análisis, tomamos un panel de un 1,0 kWp u un coste unitario para la batería de 100 €/kWh (Esta cantidad proviene de ofertas reales realizadas por contratistas locales, e incluye tanto la batería, como las estructuras, cableado, control y medición sistemas, ...), y una demanda (D) de 3 500 kWh. La Tabla 3.6 muestra los indicadores financieros para la capacidad óptima de batería ( ) que se utilizará para diferentes precios unitarios de panel ( ) desde 700 €/kWp hasta 1 200 € kWp. Modelo de diseño óptimo para un sistema de almacenamiento fotovoltaico residencial. Una aplicación al caso español. Juan Antonio Ballesteros Gallardo 77 Tabla 3.6. Capacidad optima de la bateria e indicadores financieros para diferentes costes unitarios de panel ( = 1,0 kWp, D = 3 500 kWh). Fuente: elaboración propia. Criterio del VAN Criterio de la TIR y RI Coste unitario del panel (€/kWp) Capacidad de la batería (kWh) VAN (€) Capacidad de la batería (kWh) TIR (%) RI 700 2,0 1 012,54 0,5 17,86 1,17 800 2,0 912,53 1,5 15,68 0,92 900 2,0 812,56 2,0 14,03 0,74 1000 2,0 712,63 2,0 12,64 0,59 1100 2,0 612,54 2,0 11,43 0,47 1200 2,0 512,54 2,0 10,38 0,37 Dependiendo del indicador financiero considerado, encontramos que un aumento en el coste unitario del panel ( ) afecta la capacidad óptima de la batería ( ). Según el criterio del VAN, la capacidad óptima de la batería es de 2,0 kWh independientemente del coste unitario del panel ( ), mientras que si se utilizan los criterios de TIR o RI la capacidad óptima debe ser menor para un coste unitario del panel más barato. También observamos que a medida que aumenta el coste unitario de los paneles todos los indicadores tienden a disminuir debido a la mayor inversión realizada; hay que tener en cuenta que los flujos de efectivo generados por la instalación no dependen del costo del panel sino de su potencia pico (Ecuaciones (3.6) - (3.8)), que permanece fija en 1,0 kWp para los resultados mostrados en la Tabla 3.6. Cuando el coste unitario del panel cae por debajo del valor de referencia (900 €/kWh), la capacidad óptima de la batería depende del indicador financiero utilizado. Si seguimos el criterio del VAN, la capacidad óptima de la batería es de 2,0 kWh, pero si se utilizan los indicadores del TIR o RI, la capacidad óptima de la batería ( ) se reduce progresivamente hasta el valor de 0,5 kWh para un coste de panel unitario de 700 €/kWp. En este caso, la reducción de la inversión (debido a un panel más barato y menor capacidad de almacenamiento) es mayor (en valor absoluto) que los flujos de caja. De la misma forma, el coste unitario de la batería ( ) afecta a los indicadores financieros ya que la inversión en la instalación varía tanto en el año inicial como en el año de sustitución de la batería (año 12). Es importante señalar que, en la práctica, el coste de la batería se ha reducido durante los últimos años debido a los Impacto del cierre de las centrales de carbón en la península ibérica. Juan Antonio Ballesteros Gallardo 84 obtenido de no haber contado con dichas ofertas procedentes de centrales de carbón (curva verde). (a) Curvas de oferta y de demanda agregadas (b) Ampliación de la zona de equilibrio. Figura 4.1. Curva de oferta y demanda agregada del mercado diario del día 25 de diciembre a las 21 horas. Fuente: Ballesteros-Gallardo et al. (2021). Repitiendo este análisis para todas las horas el año se observa un incremento del precio medio de la electricidad de 6,8 €/ MWh (12%), acompañado de una gran dispersión del diferencia de precios horarios (0-119 €), Ballesteros-Gallardo (2021). En la Figura 2 se muestra la evolución del promedio mensual de los precios horarios del mercado comparando la situación real con la calculada suponiendo la no participación de las centrales de carbón; también se representa la variación de los precios en el eje secunda-rio de la figura. Se observa que el cierre de estas centrales, además del incremento de precios antes mencionado, generaría un aumento de la disparidad de precios entre los periodos de invierno y primavera. El incremento de precios de la electricidad, de haberse producido, hubiera tenido un efecto negativo en la economía provocando la contracción de la demanda de energía, así como la reducción de la eficiencia global del sistema y de la competitividad del sector industrial. Para cuantificar este efecto se ha simulado las variaciones de los excedentes de los consumidores y de los productores, obteniéndose valores anuales de 1,550 y 314 miles de millones de euros anuales, respectivamente. Punto de equilibrio original Punto de equilibrio sin centrales térmicas de carbón Diferencia en precio Diferencia en energía Curva de oferta Curva de oferta sin centrales térmicas de carbón Curva de demanda Impacto del cierre de las centrales de carbón en la península ibérica. Juan Antonio Ballesteros Gallardo 85 Figura 4.2. Comparativa del precio promedio mensual de la energía. Fuente: Ballesteros- Gallardo et al. (2021). Como se ha mencionado al principio, esta medida contribuiría a los compromisos españoles al Acuerdo de París (NDC) con una reducción 36 millones de tCO2, lo que equivale a un coste medio de 34 €/tCO2. Este valor casi duplica al precio de los derechos de emisiones registrados en el Comercio de derechos de emisión (ETS, por sus siglas en inglés) en el año de estudio (15,88 €/ tCO2). Con objeto de evitar los efectos perversos derivados del cierre de estas centrales, el PNIEC prevé una sustitución de esta tecnología por un incremento de la capacidad renovable (eólicos y fotovoltaicos), lo cual provocaría un efecto igual al cierre de las centrales de carbón, pero en sentido contrario (Arcos et al., 2020b). El programa de subastas de capacidad renovable publicado por el Ministerio por valor de 3 000 MW, se encuentra alineado con este objetivo. Quedaría pendiente de estudiar los efectos perversos que a nivel local tendría el cierre de las centrales y minas de carbón asociadas, para lo que se deberían plantear acciones dirigidas a su compensación, del mismo modo que se han planteado acciones para compensar el incremento de los precios. Juan Antonio Ballesteros Gallardo 86 Conclusiones y posibles líneas de investigación. Juan Antonio Ballesteros Gallardo 87 CAPÍTULO 5. CONCLUSIONES GENERALES Y POSIBLES LÍNEAS DE INVESTIGACIÓN. La presente tesis doctoral persigue realizar una serie de aportaciones que contribuyan al aumento de la eficiencia global del sector eléctrico. Dicha eficiencia hay que entenderla en términos de calidad del servicio, de mejora económica (logrando la reducción de costes para el usuario final), y de respeto medioambiental, asegurando que el nivel de emisiones del sistema sea adecuado para el nivel de costes que está dispuesta a asumir la sociedad. De esta forma se han identificado tres situaciones –sistema de distribución, autoconsumo eléctrico y generación eléctrica– en las que determinados cambios económicos o normativos podrían ayudar a optimizar los recursos disponibles, mejorando la calidad de servicio y promoviendo la sostenibilidad del sistema. En el capítulo 2 se analiza la relación en la calidad de la distribución eléctrica y el marco regulador del país, explorando qué sistema regulativo proporciona una mejor calidad de servicio a un coste menor, lo que sin duda impacta en la eficiencia global del sistema. Las principales conclusiones obtenidas son las siguientes: 1. Un aumento del 1% en los valores de la retribución de la distribución eléctrica, provoca una disminución de un 1% en el tiempo de interrupción de suministro a los clientes. 2. La forma más eficiente de mejorar la calidad del servicio de distribución eléctrica son los incentivos. Su efecto es el doble que aplicando la misma cantidad de recursos sobre la retribución base de los distribuidores. 3. Reino Unido, Italia, Austria y España presentan valores de calidad mayores de los que cabría esperar según su nivel de retribución. 4. La calidad de servicio viene determinada por la inversión realizada por las compañías distribuidoras dos periodos antes. Este período de dos años se relaciona con el plazo de ejecución de las obras en la red de distribución. Conclusiones y posibles líneas de investigación. Juan Antonio Ballesteros Gallardo 88 5. Si bien a partir de los resultados econométricos no se puede afirmar nada sobre la eficiencia de los sistemas de retribución, se observa que los países más eficientes presentan modelos reguladores basados en incentivos (Price Cap y Revenue Cap). En el capítulo 3 se presenta un modelo que identifica la configuración óptima de un sistema doméstico de autoconsumo (potencia de los paneles y capacidad de la batería); el óptimo se basa en indicadores económico-financieros. Entre las conclusiones alcanzadas, se pueden destacar: 1. Para una determinada potencia pico de panel, existe una relación lineal positiva entre los parámetros financieros y la capacidad de la batería que se instale, al menos en un rango amplio de la misma. 2. Se observan elasticidades negativas de los diferentes parámetros financieros respecto al precio del panel y de la batería. Para el caso de una instalación en Sevilla, la elasticidad para el precio del panel se ha estimado en –1,59 respecto a la Tasa Interna de Retorno y de –2,18 respecto al Retorno de la Inversión. En el caso del precio de la batería, estas elasticidades son –0,28 y –0,54 respectivamente. 3. Con los actuales precios de las instalaciones fotovoltaicas y de almacenamiento, la configuración óptima para una vivienda residencial con un consumo eléctrico anual de 3.500 kWh se compone de una potencia de los paneles de 3,5 kWh y de un almacenamiento en baterías de 2,5 kWh. Por otra parte, se observa que, para suministros de mayor demanda, la configuración óptima se incrementa en 0,66 kWh de almacenamiento y 0,33 kWp de potencia fotovoltaica por cada 1.000 kWh que el usuario aumente su demanda de electricidad. Para terminar, en el capítulo 4 se analiza el impacto de corto plazo que tendría en los precios del mercado mayorista de electricidad el cierre de las centrales Conclusiones y posibles líneas de investigación. Juan Antonio Ballesteros Gallardo 89 térmicas de carbón. Para estimar dicho impacto, se eliminan las posiciones de venta de las centrales de carbón en las curvas de oferta horarias de un año completo, curvas proporcionadas por el OMIE. Las conclusiones más relevantes alcanzadas en este análisis son las siguientes: 1. El modelo propuesto muestra que el precio horario medio anual de la energía aumentaría un 12,06%, de 57,3 €/MWh a 64,2 €/MWh. 2. La energía horaria distribuida se reduciría un 2,57%, pasando en promedio de 26.840 MWh a los 26.174 MWh. 3. Los meses de marzo a junio son los que presentan menores diferencias del precio de la energía entre los dos escenarios considerados (con y sin centrales de carbón), oscilando éste entre los 1,5 €/MWh y 4,2 €/MWh. En cambio, los meses de enero y febrero y de agosto a noviembre son los que presentan mayores diferencias en el precio entre los dos escenarios, superando en todos ellos la variación del precio los 8 €/MWh, con la m{xima variación en febrero: 11,2 €/MWh. 4. Para la energía mensual total comercializada, la mayor caída se produce igualmente en los meses enero y febrero y entre los meses de agosto a noviembre, superando en todos ellos la variación entre los dos escenarios los –700 MWh, siendo la mayor variación de –1.321 MWh en el mes de septiembre. 5. El promedio anual del diferencial del precio de la energía en ambos escenarios es de 6,8 €/MWh. 6. En cuanto a los excedentes, se concluye que el excedente medio anual de la demanda descendería un 6,61% (178.795 €), mientras que el excedente de los oferentes aumentaría un 2,89% (36.245 €). El excedente económico total, considerando a compradores y vendedores de energía, se reduciría en un 4,5% anual, pasando de 34.710 M€ a 33.165 M€. Conclusiones y posibles líneas de investigación. Juan Antonio Ballesteros Gallardo 90 Tras la realización de la presente tesis y a la vista de las conclusiones obtenidas, estimamos que sería relevante continuar el trabajo investigador siguiendo las líneas de investigación que se exponen a continuación: 1. Puesto que en el capítulo 1 se ha analizado la calidad del sistema de distribución eléctrica, sería interesante analizar el efecto de la calidad del servicio del transporte eléctrico en relación a las remuneraciones recibidas. 2. Referente al autoconsumo residencial mediante instalaciones fotovoltaicas, se podría analizar el caso donde la batería permita almacenar energía de la red en las horas valle, caso de que se encuentre descargada, para en horas posteriores poder ser utilizada (trading residencial). 3. También se podría analizar el caso donde, dependiendo del precio horario de la energía eléctrica consumida o vertida a red, se pueda decidir si verter la energía que se encuentra almacenada en la batería. 4. Para el caso del cierre de centrales que usan recursos no renovables, se podría aplicar el modelo propuesto en el capítulo 4 para cuantificar el efecto del cierre de las centrales de ciclos combinados y nucleares en el mercado eléctrico español. 5. Conocido el punto de equilibrio actual del sistema, se podría cuantificar cuál debería ser la oferta de las tecnologías renovables para compensar el efecto del cierre de las centrales térmicas, de forma que el punto de equilibrio no variase. Bibliografía. Juan Antonio Ballesteros Gallardo 91 BIBLIOGRAFÍA. Agosti, Luis; Padilla, A. Jorge; Requejo, Alejandro. El mercado de generación eléctrica en España: estructura, funcionamiento y resultados. Economía industrial. 2007. vol. 364, p. 21-37. Disponible en: https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIn dustrial/RevistaEconomiaIndustrial/364/21.pdf. Acceso: 29 de marzo de 2020. Arcos, A. Un nuevo modelo de mercado eléctrico europeo: The citizen is king. DYNA Ingeniería e Industria, 2019. Vol. 94, p. 590–591. DOI: http://dx.doi.org/10.6036/9367. Arcos, A.; Canca, D.; Núñez, F. Impact of battery technological progress on electricity arbitrage: An application to the Iberian market. Applied Energy. 2020, 260, 114273. DOI: https://doi.org/10.1016/j.apenergy.2019.114273. Arcos, Á.; Cansino, J.; Román, R. Economic and environmental analysis of a residential PV system: A profitable contribution to the Paris agreement. Renew. Sustain. Energy Rev. 2018. Vol. 94, p. 1024–1035. DOI: https://doi.org/10.1016/j.rser.2018.06.023. Arcos, A.; Lugo, D.; Núñez, F. Residential peak management: A storage and control system application taking advantages of smart meters. Energy Syst. 2018. 102, 110–121. DOI: https://doi.org/10.1016/j.ijepes.2018.04.016. Arcos-Vargas Ángel, Núñez Fernando, Román-Collado Rocio. Short-term effects of PV integration on global welfare and CO2 emissions. An application to the Iberian electricity market. Energy. 2020. Vol. 200, p. 117504. DOI: https://doi.org/10.1016/j.energy.2020.117504. Arcos-Vargas, A. After the Paris agreement. Dyna. 2017. Vol. 92, no. 1, p. 2-14. DOI: http://dx.doi.org/10.6036/8229. Arcos-Vargas, Angel; Ballesteros-Gallardo, Juan Antonio; Núñez, Fernando. ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? DYNA Ingenieria e Industria. 2016. Vol. 91, no 6, p. 619-624. DOI: http://dx.doi.org/10.6036/7956. Ballesteros-Gallardo, J.A.; Arcos-Vargas, A.; Núñez, F. Optimal Design Model for a Residential PV Storage System an Application to the Spanish Case. Sustainability. 2021. Vol. 13, p. 575-600. DOI: https://doi.org/10.3390/su13020575. Bibliografía. Juan Antonio Ballesteros Gallardo 92 Ballesteros-Gallardo, J.A.; Núñez, Fernando. Efectos a corto plazo del cierre de las centrales térmicas de carbón en el mercado eléctrico español. Dyna Energia y Sostenibilidad. 2021. Vol. 10, no. 1, p. 11-22. DOI: https://doi.org/10.6036/ES10113. BANCO MUNDIAL. https://datos.bancomundial.org/. Acceso: 29 de diciembre de 2020. Bardo, S. Almacenamiento distribuido en viviendas para alisar la curva de demanda de energía eléctrica. In Trabajo final de Carrera; Universitat Politècnica de Catalunya (UPC): Barcelona, España, 2010. Battery University. Learn about Batteries. Disponible en: https://batteryuniversity.com/learn/ .Acceso 19 de julio de 2020. Bayod, A.; Burgio, A.; Leonowicz, Z.; Mennit, D.; Pinnarelli, A.; Sorrentino, N. Recent developments of photovoltaics integrated with battery storage systems and related feed-in tariff policies: A review. Int. J. Photoenergy. 2017. DOI: http://dx.doi.org/10.1155/2017/8256139. Bernal, J.; Dufo, R. Economical and environmental analysis of grid connected photovoltaic systems in Spain. Renew. Energy. 2006. Vol. 31, p. 1107–1128. DOI: https://doi.org/10.1016/j.renene.2005.06.004. Bianco, Vincenzo; Driha, Oana; Sevilla-Jimenez, Martin. Effects of renewables deployment in the Spanish electricity generation sector. Utility Policy. 2019. Vol. 6, p. 72-81. Brecha, Robert J. Threshold electricity consumption enables multiple sustainable development goals. Sustainabilit.2019. 11, no 18, p. 5047. Campoccia, A.; Dusonchet, L.; Telaretti, E.; Zizzo, G. An analysis of feed-in tariffs for solar PV in six representative countries of the European Union. Sol. Energy. 2014. Vol. 107, p. 530–542. DOI: http://dx.doi.org/10.1016/j.solener.2014.05.047. Carbonero, A. Efecto sobre el bienestar económico de un aumento en la potencia instalada fotovoltaica. Una aplicación al sistema eléctrico español. In Trabajo final de Carrera; Universidad de Sevilla (US): Sevilla, España, 2018. Chen, K. Technology improves solar PV competitiveness. Electrical Light Power. 2011. Vol. 89, p. 48. Bibliografía. Juan Antonio Ballesteros Gallardo 93 Chiacchio, F.; D’urso, D.; Aizpurua, J.; Campagno, L. Performance assessment of domestic photovoltaic power plant with a storage system. IFAC PapersOnLine. 2018. Vol. 51, pp. 746–751. DOI: http://dx.doi.org/10.1016/j.ifacol.2018.08.408. Chiacchio, F.; Famoso, F.; D’urso, D.; Cdola, L. Performance and economic assessment of a grid-connected photovoltaic power plant with a storage system: A comparison between the North and the South of Italy. Energies 2019. Vol. 12, p. 2356. DOI: http://dx.doi.org/10.3390/en12122356. Clean Technica. Batteries Keep on Getting Cheaper. Disponible en: https://cleantechnica.com/2017/12/11/batteries-keep-getting-cheaper/ . Acceso 19 de julio de 2020. Colmenar, A.; Campíñez, S.; Pérez, C.; Castro, M. Profitability analysis of gridconnected photovoltaic facilities for household electricity self-sufficiency. Energy Policy. 2012. Vol. 51, p. 749–764. DOI: https://doi.org/10.1016/j.enpol.2012.09.023. COMISIÓN EUROPEA. Photovoltaic Geographical Information System— Interactive Maps. PVGIS. Disponible en : https://re.jrc.ec.europa.eu/pvg_tools/es/#PVP. Acceso 19 de Julio de 2020). COMISIÓN NACIONAL DE LOS MERCADOS Y LA COMPETENCIA. Disponible en: https://www.cnmc.es/2018-11-02-la-cnmc-publica-la-metodologia-de- calculo-de-la-tasa-de-retribucion-financiera-de-las. Acceso 19 de julio de 2020. COMISIÓN NACIONAL DE LOS MERCADOS Y LA COMPETENCIA. Estudio sobre el mercado de los derechos de las emisiones de CO2, resumen ejecutivo. 2020. Disponible en: https://www.cnmc.es/sites/default/files/editor_contenidos/Energia/Mibel/2020_S E_Estudio_MIBEL_Mercado_CO2_ES.pdf. Acceso 21 de marzo 2021. Communication from the commission to the European Parliament, the European Council, the Council, the European economic and social committee and the committee of the regions, the European green deals. Comisión Europea. Bruselas, 2019. COM/2019/640 final. Disponible en: <https://eur-lex.europa.eu/legalcontent/EN/TXT/?qid=1588580774040&uri=CELEX:52019DC0640. Acceso 14 de marzo de 2021. COUNCIL OF EUROPEAN ENERGY REGULATOR (CEER). 5th Benchmarking report on the quality of electricity supply 2011. Bruselas. 2012. Bibliografía. Juan Antonio Ballesteros Gallardo 100 Yokohama, Japón, 22–25 enero 2013; p. 638–643, DOI: http://dx.doi.org/10.1109/ASPDAC.2013.6509670. Juan Antonio Ballesteros Gallardo 101 ANEXO: COMPENDIO DE PUBLICACIONES. Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 103 ANEXO 1 ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso de Europa. Arcos-Vargas, Ángel; Ballesteros-Gallardo, Juan Antonio; Núñez-Hernández, Fernando. DYNA, vol. 91, no.6, p. 619-624, 2016. DOI: http://dx.doi.org/10.6036/7956. Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 104 Indicadores de calidad. ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica?: Una aplicación al caso en Europa. Arcos-Vargas, Ángel; Ballesteros-Gallardo, Juan Antonio; Núñez-Hernández, Fernando. Tipo: Artículo Revista: DYNA (0012-7361 / 1989-1490) Año de Publicación: 2016 Volumen: 91 Número: 6 Páginas: 619 - 624 SCIE Año (SCIE): 2016 Factor de Impacto (SCIE): 0.541 Categoría Edición Posición Cuartil Tercil Decil Ingeniería SCIE 70/85 Q4 T3 D9 SJR Año: 2016 Factor de Impacto: 0.170 Categoría Edición Posición Cuartil Tercil Decil Ingeniería SCIE 239/340 Q3 T3 D8 colaboraciónnnnn Cod. | 7956 Noviembre - Diciembre 2016 | Vol. 91 nº6 | Dyna | 619 1. INTRODUCCIÓN El efecto que tiene el precio y la calidad de servicio eléctrica en la competitividad y el crecimiento de una economía, es un tema clásico de análisis y discusión. El sector eléctrico, dadas sus características, siempre ha estado fuertemente regulado en general, y la distribución, al tratarse de un monopolio natural, en particular. La regulación de la distribución eléctrica afecta tanto a la construcción, explotación, retribución y niveles de calidad de servicio, que las empresas distribuidoras le deben suministrar a cada tipo de clientes. El efecto de una disminución de los precios, tiene un impacto en los costes de producción siendo especialmente relevantes en aquellos sectores intensivos en electricidad, mientras que el efecto de una mejora de la calidad, requiere de análisis más sofisticados, basados en el valor, y no tanto en los costes del servicio. Varias investigaciones han evaluado, para el caso español, el valor de esta no “calidad”, entre 1 y 2 €/kWh, lo que podría servir como valor de contraste para determinar el valor de calidad del servicio eléctrico, que maximiza el bienestar global. En este artículo no se va a determinar este valor, ya que el alcance del mismo es la distribución europea, con países de realidades y estructuras industriales distintas. El objeto de este artículo es analizar el efecto que tiene el modelo de regulación de la distribución en la calidad de servicio, es decir, responder a la pregunta de si es posible, dada una retribución a la distribución eléctrica, mejorar la calidad de servicio, mediante un cambio en el sistema de regulación, o la pregunta dual, de si es posible reducir la retribución de la distribución, sin que esto suponga una disminución de la calidad de servicio. También se analiza la efectividad de los incentivos frente a la retribución base. Para el desarrollo del modelo, se han utilizado datos de la distribución eléctrica de países europeos en el período 2004- 2008. Aunque la información tratada, procede de fuentes públicas de cada país, la captura, elaboración, homogeneización y tratamiento de los datos, resulta una tarea tediosa, que no siempre es posible de finalizar debido a la hetereogenidad en la forma de presentarlos; por esta razón, no se han podido tomar en la muestra todos los países europeos y, al haber cambiado en algunos la forma de presentar los resultados, la actualización del período supondría la definición de las variables “ex novo”. El artículo, que trata de ser divulgativo, no desarrollando en exceso los razonamientos econométricos, que pudieran aburrir al lector, se estructura en cinco secciones. Tras esta introducción, se revisan las principales referencia que se han encontrado en la literatura sobre el impacto que los sistemas reguladores tienen en la calidad del suministro. En la sección 3, se exponen los datos utilizados para, a continuación en la sección 4, presentar los modelos econométricos utilizados, así como los resultados obtenidos. Para terminar, en la sección 5 se exponen las principales conclusiones obtenidas y se plantear algunas recomendaciones a las distintas Agencias Reguladoras. 2. ANTECEDENTES DE INVESTIGACIONES ANTERIORES SOBRE MODELOS REGULADORES Y CALIDAD DEL SUMINISTRO ELÉCTRICO En este apartado se presenta una breve revisión de trabajos que analizan la calidad del suministro eléctrico y los sistemas reguladores. En el caso Español, el trabajo [8] plantea que la regulación eléctrica debe diseñarse de forma que las compañías presten un servicio de suministro eléctrico con una calidad mínima acorde con sus niveles de remuneración. En Italia, existen también estudios referidos a la calidad del suministro eléctrico; en [2] se indica que existen cuatro objetivos principales para los marcos reguladores: informar y mostrar al consumidor una comparativa entre las diferentes compañías del sector, establecer y garantizar unos niveles mínimos de suministro eléctrico a los clientes, fomentar y favorecer iniciativas y proyectos para mejorar la calidad del suministro y, por último, determinar un sistema donde la calidad y los precios sean determinados por la relación directa entre los clientes y las empresas reguladas. El estudio de los efectos de la regulación por incentivos en la calidad del suministro y la introducción de la calidad como mecanismo de benchmarking han sido aspectos muy estudiados en este campo. Desde que la regulación incentivada fuese introducida por primera vez en la restructuración de la industria de telecomunicaciones británica, se ha ido incorporando paulatinamente al campo de la regulación eléctrica, existiendo numerosos estudios que analizan sus relaciones y efectos. En Estados Unidos, por ejemplo, [11] observa que la duración media de las interrupciones eléctricas deben estar acompañadas de medidas de benchmarking para obtener una mejora en la calidad desde el punto de vista del número y del tiempo de las interrupciones. En este sentido, el sistema Yardstick [10] consigue unos buenos resultados referidos a la eficiencia del sistema y a la calidad del servicio eléctrico, motivado principalmente por la elaboración detallada de los indicadores de calidad y del reembolso de parte los gastos realizados por las compañías. Por otro lado, el modelo Price Cap y los incentivos también ha sido motivo de estudio [12], mostrándose que este modelo no sería totalmente efectivo junto con un sistema de incentivos para la mejora de la calidad del sistema eléctrico, consecuencia extensible también a un marco regulador basado en penalizaciones En principio parecen que las soluciones a adoptar para la regulación de la calidad de una forma efectiva no son simples [9], ya que éstas dependen de diferentes factores, como las relaciones internacionales ¿Es posible una mejor calidad a un coste menor para el sistema de distribución eléctrica? Una aplicación al caso en Europa nnnn Angel Arcos-Vargas, Juan-Antonio Ballesteros- Gallardo y Fernando Núñez-Hernández Universidad de Sevilla (España) DOI: http://dx.doi.org/10.6036/7956 Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 111 ANEXO 2 Optimal design model for a residential PV storage system. An application to the Spanish case. Ballesteros-Gallardo, Juan Antonio; Arcos-Vargas, Ángel; Núñez-Hernández, Fernando. SUSTAINABILITY, vol. 13, no.2, p. 575-600, 2021. DOI: https://doi.org/10.3390/su13020575. Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 112 Indicadores de calidad. Optimal design model for a residential PV storage system an application to the Spanish case. Ballesteros-Gallardo, Juan Antonio; Arcos-Vargas, Ángel; Núñez-Hernández, Fernando. Tipo: Artículo Revista: SUSTAINABILITY (2071-1050) Año de Publicación: 2021 Volumen: 13 Número: 2 Páginas: 575 Año (SCIE): 2019 JCR. Año (SSCI): 2020 Factor de Impacto (SSCI): 2.576 Categoría Edición Posición Cuartil Tercil Decil Ciencias Ambientales SCIE 120/265 Q2 T2 D5 Tecnologías renovables y sostenibles SCIE 26/41 Q3 T2 D7 Ciencias Ambientales SSCI 53/123 Q2 T2 D5 Tecnologías renovables y sostenibles SSCI 6/8 Q3 T3 D8 Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 113 SJR Año: 2020 Factor de Impacto: 0.581 Categoría Posición Cuartil Tercil Decil Geografía, planificación y desarrollo 182/682 Q2 T1 D3 Ciencias medioambientales 100/319 Q2 T1 D4 Ingeniería y tecnología de la producción energética 78/220 Q2 T2 D4 Gestión, control, y regulación 139/327 Q2 T2 D5 Energía Renovable, sostenibilidad y medioambiente 84/174 Q2 T2 D5 Sustainability 2021, 13, 575 7 of 25 (𝐸) is not able to fully cover the household demand (Equation (5.2)), it is necessary to purchase energy in the market (𝐸). 𝐸(𝑃 ,𝑃 )=𝑒 + 𝑣≡𝐸 (𝑃 ,𝑃 ) 𝐸  +𝐸 ≥𝐸  (5.1) 𝐸(𝑃,𝑃)=𝑒 + 𝑣≡𝐸 (𝑃 ,𝑃 )+ 𝐸(𝑃 ,𝑃  ) 𝐸  +𝐸 <𝐸  (5.2) The financial model is formulated in Equations (6)–(12). Equation (6) computes the annual income received (IC) in the year t from the energy sale (𝐸) at market price (PE). Equation (7) defines the annual savings (S) coming from the energy consumed but not purchased in the market; that is, the energy consumed from the facility (𝐸), valued at market price (PE) plus the access tariff (AT). 𝐼𝐶= 𝐸(𝑃 ) × 𝑃𝐸 (6) 𝑆= 𝐸(𝑃 ,𝑃 )×(𝑃𝐸+ 𝐴 𝑇) (7) Finally, the cash flow in the year t (𝐶𝐹) is defined in Equation (8) as the incomes from sales (𝐼𝐶) plus the savings from self-consumption (𝑆) minus the acquisition cost of new devices in the year t (𝐼), if any. 𝐶𝐹= 𝐼𝐶+ 𝑆−𝐼 (8) Observe that sales (𝐸) and self-consumption from the facility (𝐸) are increased by more powerful PV panels (𝑃) and higher BESS capacity (𝑃), also the falling network consumption (𝐸). The greater these two determinants (𝑃 and 𝑃), the greater the savings, the incomes and, consequently, the cash flows from the facility. The model for the facility without BESS can be easily adapted from this one by removing its influence; that is, the capacity of the BESS (𝑃), its charge level (𝐸), the energy used to charge it (𝐸), and the consumption from it (𝐸 ) become null. Additionally, we drop Equation (1) and unify Equations (2.1) and (2.2) by removing 𝐸 and their respective conditions. Once we generate the cash flows for each possible configuration (facility with or without BESS), the project NPV and the IR indicator are mathematically defined by the following equations: 𝑁𝑃𝑉 = −𝐼+ 𝐶𝐹 (1+𝑘)+ 𝐶𝐹 (1+𝑘)+⋯+ 𝐶𝐹 (1+𝑘)=−𝐼 +  𝐶𝐹 (1+𝑘)   (9) 𝐼𝑅 = 𝑁𝑃𝑉 𝐼 (10) where n is the number of years of the project, 𝐶𝐹 is the cash-flow of the year t, k is the discount rate, and I0 represents the cost of the facility at the beginning of the project (initial investment), i.e., the panels and BESS acquisition costs. For its part, the IRR index is given by the discount rate k at which the NPV equals 0, having the following equation: −𝐼+  𝐶𝐹 (1+𝐼𝑅𝑅)=0   (11) Finally, the investment required is defined as follows: 𝐼= 𝐶 + 𝐶=𝑃  ×𝐶 + 𝑃×𝐶 (12) where 𝐶 and 𝐶 are the cost of the panels and BESS respectively. They are obtained by multiplying the power of the PV panel (𝑃) and the capacity of the BESS (𝑃) by their respective unitary costs (𝐶 and 𝐶) –the BESS cost would be zero for the facility without storage. With the analysis above, we define the optimisation problem as follows: Sustainability 2021, 13, 575 8 of 25 Mathematical model Given: 1) An hourly PV energy generation 𝐸. 2) The hourly demand profile, 𝐸. 3) The energy price (PE) and access tariff (AT). 4) The round trip efficiency of the BESS (η). 5) The daily peak hours and off-peak hours. Find: PV panel peak power (𝑃) and battery capacity (𝑃) for different scenarios of investment costs (𝐼) and annual residential demand (D). Maximize: The financial indicators (optimised separately): 𝑁𝑃𝑉 = −𝐼+ ∑ (  )    (9) 𝐼𝑅 =   (10) 𝑁𝑃𝑉(𝑘=𝐼𝑅𝑅)=0⇒ −𝐼 + ∑ ()=0   (11) where: 𝐶𝐹= 𝐼𝐶+ 𝑆−𝐼 (8) 𝐼𝐶= 𝐸 × 𝑃𝐸 (6) 𝑆= 𝐸×(𝑃𝐸+ 𝐴 𝑇) (7) 𝐼= 𝐶 + 𝐶=𝑃  ×𝐶 + 𝑃×𝐶 (12) Subject to: 1) BESS level constraint: 𝐸 =𝐸   +  𝜂×𝐸 −𝐸 /  𝜂 𝐸 ≤𝑃  ; 𝜂 ≤1 (1) 2) PV outflow constraints: 𝐸 =𝑒 + 𝑢≡𝐸   +𝐸  𝐸 =𝑃  𝑜𝑟 𝐸 <𝑃  & 𝑝𝑒𝑎𝑘 ℎ𝑜𝑢𝑟 (2.1) 𝐸 =𝑒 + 𝑢≡𝐸   +𝐸 +𝐸  𝐸 <𝑃  & 𝑜𝑓𝑓− 𝑝𝑒𝑎𝑘 ℎ𝑜𝑢𝑟 (2.2) 3) Self-consumption constraints: 𝐸=𝐸   +𝐸  𝐸 < 𝐸 & 𝐸 > 0 (3.1) 𝐸=𝐸   𝐸 > 𝐸 (3.2) 4) Surplus energy constraint: 𝐸 =𝐸  −𝐸  = 𝐸+𝐸 𝐸 >𝐸   (=𝐸) (4) 5) Hourly demand constraints: 𝐸=𝐸  𝐸  +𝐸 ≥𝐸  (5.1) 𝐸=𝐸 + 𝐸 𝐸  +𝐸 <𝐸  (5.2) Observe that the model and methodology presented in this paper can be easily implemented in other market frameworks since costs, incomes and savings of the project are based on real market variables (on an hourly basis). 2.2. Model Input Information This section describes the data used in the model. We analyse four different data sources: demand profiles, energy price and tariffs, facility technology, and location and energy production. 2.2.1. Demand Profile The hourly consumption of the domestic household (𝐸) is one of the main variables considered in the analysis as it is the key element for PV power and BESS capacity optimisation. The standard consumption of a residential household during a day depends on the month of the year considered, which in turn is influenced by external variables such as weather conditions or holiday seasons. As a representative example, Figure 2 shows the hourly household consumption from the grid (𝐸) obtained from the OMIE (Iberian Sustainability 2021, 13, 575 9 of 25 Electricity Market Operator) on the 15th day of four different months: March, June, September and December. This variable is obtained from the smart meters installed in domestic households [27,28]. Figure 2. Hourly consumption from the grid (𝐸  ) along a day. Source: OMIE [29]. Consumption from the grid (𝐸) falls during the night hours from 0.4 kWh to 0.2 kWh, with similar patterns for each month. This is because few devices are connected to the network during the night, apart from the ones which need to be always connected (such as refrigerators). After that, demand increases from 7:00 a.m. reaching a local maximum at 14:00, ranging the consumption in this last hour from 0.45 (September) to 0.55 kWh (December). This growth is observed because people connect devices to the network (for instance, air conditioning, electric oven, hob, etc.). From 14:00, the curves show different patterns, as the work and weather conditions are different from one month to another. After a slight decrease between 14:00 and 18:00, consumption increases again until 22:00 reaching, at that hour, the peak of daily consumption, being in the range of 0.45 (September) and 0.6 kWh (December). The seasonality of energy consumption from the grid (𝐸) is represented in Figure 3, depicting the total amount of energy demanded in every month. As can be observed, summer and winter months present the higher rates due to the devices used in order to mitigate the effects of the weather conditions. The range of the total monthly consumption is between 253 kWh in May and 339 kWh in January. Figure 3. Total monthly energy consumption. Source: OMIE [29]. Sustainability 2021, 13, 575 10 of 25 2.2.2. Energy Price and Tariffs The market price of the energy (PE) is an hourly variable which can be obtained from the OMIE database [29]. OMIE is the nominated electricity operator for managing the Iberian Peninsula’s electricity markets. It operates 24/7 and manages the transactions for the sellers and buyers who trade on the electrical market. There are more than 1000 agents in total and involving over 15 million transactions per year. Through all the bids for selling and acquiring energy, OMIE builds the aggregate supply and demand curves and implements the matching process, starting with the cheapest offers until demand is satisfied in each programming period, and resulting in the end with the price and the amount of energy in the period [30]. Figure 4 shows that the crossing point of both aggregate curves determines the market price (PE) and the quantity of energy for the scheduling period. Note that the day-ahead prices are important in our model because they allow for the determining of the cost of the bill paid to the market. Figure 4. Demand and bid curves on 28 February 2019. Source: OMIE [29]. The day-ahead market price is fixed every hour, depending on the total energy demanded by consumers and the type and quantity of energy bids offered by the suppliers (green or non-renewable energies). As an example, Figure 5 contains the average hourly prices (PE) for March, June, September and December. Note that the shape of the curves is similar to that of the daily household consumption (𝐸) of the previous section (Figure 2), with similar peak and off-peak hours during the day. Winter and summer months have the most expensive prices, caused by the peak in energy demand, their market prices being nearly one and a half times the prices of the cheapest months (March and September). The effect of the energy demanded on the market price is also observed during the entire day. In this sense, those hours with higher demand also have higher prices. Sustainability 2021, 13, 575 11 of 25 Figure 5. Average hourly market price during a month. Source: OMIE [29]. Additionally, when energy from the grid is consumed (𝐸), it is necessary to pay an hourly access tariff (AT). There is also a yearly price (PP), related to electrical power contracted by the user (CoP). This model assumes the 2.0 HDT hourly discrimination Spanish tariff for the domestic household, with a contracted power of 4.4 kW (CoP). This tariff is regulated by the Spanish Government; its value depends on both the peak and off-peak hours and the season of the year. Table 2 summarizes the values of the tariffs used in this research. Table 2. Fixed and variable tariffs for grid access. Source: own elaboration. Item Value Annual demand of the household (D)(kWh) 3500 Contracted Power (CoP) (kW) 4.4 Yearly price of the contracted power (PP) (€/kW) 38.04 Access tariff (AT) (€/kWh) Winter Peak (12:00–22:00) 0.062012 Winter Off-peak (22:00–12:00) 0.002215 Summer Peak (13:00–23:00) 0.062012 Summer Off-peak (23:00–13:00) 0.002215 The Value Added Tax (VAT) for energy consumption in Spain is 21.0% and it is applicable to the complete energy bill. Moreover, there is a specific electricity tax of 5.11% on the net consumption bill and contracted power [30]. 2.2.3. Technology of the Facility The facilities assessed in this research are composed of several PV panels (made from crystalline silicone) [9], an inverter and a BESS to store the surplus energy. The slope and azimuth angle can be adjusted to the location where they are installed, in order to maximize energy production. Additionally, the energy generation of these panels (𝐸) depends on their own peak power (𝑃). Then, higher peak power derives in higher energy generation, as is exemplified in Figure 6 for PV panels located in Seville City on 21 June. Higher peak powers provide also greater amounts of energy that can be used for selfconsumption (𝐸 ), BESS storage (𝐸), or electricity sale (𝐸)—Equations (2.1) and (2.2)— , thus generating greater cash flows (𝐶𝐹, Equation (8)). The panel acquisition costs (𝐶) are also more expensive, so the facility needs to be adjusted to the hourly user demand (𝐸) in order to make it profitable. In this research, the unitary cost for the PV panels (𝐶) is 900 €/kWp (In addition to these references, the unitary cost of the PV system has been Sustainability 2021, 13, 575 12 of 25 contrasted with a real offer made by a local contractor in Spain; the offer includes EPC, BoS, inverter, PV modules and others) [31–33]. An important aspect to take into account is that this cost refers to the total price of an installed roof PV system, including Engineering Procurement and Construction (EPC), Balance of Systems (BoS), inverter, PV modules and others. The only cost that has not been considered in this total is the fixed installation cost (permitting and other legal issues) since in many Spanish municipalities there are equivalent subsidies that offset these costs—note also that this assumption simplifies the programming of the model. Figure 6. Energy generation (𝐸  ) for different photovoltaic (PV) peak powers (𝑃  ) at Seville City on 21 June. Source: Photovoltaic Geographical Information System (PVGIS) [34]. The BESS uses a Li-Ion battery—a detailed study of the different categories of energy storage technologies, as well as their technical performance and future perspectives, can be found in Arcos et al. [35]. Following these authors, Table 3 presents the main characteristics of the Li-Ion batteries, which are obtained by combining information from various sources: Gomez et al. [36], Segui [37], Bardo [38], Hernández [39], Battery University [40], Jofemar Energy [41], Vélez [42], Clean Technica [43] and IRENA (International Renewable Energy Agency) [44]. Table 3. Main features of Li-Ion batteries. Source: [35–44]. Item Value Specific energy (Wh/kg) 130–147 Energy density (Wh/L) 250–730 Specific power (W/kg) 250–340 Nominal voltage (V) 3.6 Charge/discharge (cycles) 5000 Monthly self-discharge (%) 3.0% Round-trip efficiency, η (%) 92.0% Unitary Cost, 𝑪𝒖𝑩 (€/kWh) 100 Shelf life (years) 12 The current performance of this type of storage technology has been significantly improved in recent years. In particular, the unitary cost (𝐶) has been reduced by an average of 20% per year during the period 2010–2019 and, given the intensity of research focused on this field, it is foreseeable that the downward trend will continue. If the cost reduction continues at this rate, costs would be halved in 3.5 years (Equation (12)). Sustainability 2021, 13, 575 13 of 25 2.2.4. Location and Energy Production The energy generated (𝐸) depends on the solar irradiation received by the PV panels during the day and on their own peak power. The Photovoltaic Geographical Information System (PVGIS) of the European Commission provides information about the irradiation received on a PV panel, depending on its own position (latitude and inclination) and considering also the sunlight reflection, the changes in the solar spectrum, and the module temperature. The facility is located in Seville City, but the model can also be implemented in another location, knowing the hourly demand (see Figure 3). The parameters of the PV panel configuration (obtained from PVGIS) are shown in Table 4. Table 4. Location and parameters for the PV panels. Source: PVGIS [34]. Item Value Location (Seville) (º): 37.389–5.995 (Seville) Database used: PVGIS-SARAH PV technology: Crystalline silicon PV installed (kWp): 1.0 Surface (m 2 ) 5.0 Number of panels 2 System efficiency (%): 18 Slope angle (°): 34 Azimuth angle (°): 2 Yearly PV energy production (kWh): 1599.92 Yearly in-plane irradiation (kWh/m2): 2187.31 The curve of the hourly energy generated (𝐸) by a 1.0 kWp PV panel located at Seville City is shown in Figure 7, taking the first day of March, June, September and December as references. Figure 7. Hourly energy generation (𝐸  ) for a 1.0 kWp PV panel located at Seville City on 1 March, June, September and December. Source: PVGIS [34]. Note that the maximum energy production for a PV panel (𝐸) happens around 12:00 regardless of the month considered. Moreover, as the production depends on the solar irradiation received, the summer months present the higher production rates, while the winter months present the lower rates. An important thing to note is that the time slot in which the panels produce energy is longer in summer months (approximately two Sustainability 2021, 13, 575 14 of 25 hours earlier in the morning and two hours later in the evening) as a consequence of the greater amount of sun hours. The superposition of the demand profile (𝐸) and the production curve (𝐸) during the day will show the intervals where the facility is able to fully cover household demand. Figure 8 represents both curves for 24 June 2018. Figure 8. Hourly residential demand (𝐸  ) and production (𝐸  ) for a 1.0 kWp PV panel located at Seville City on 24 June 2018. Source: PVGIS [34]. For the hourly slot from 7:00 to 14:00, the facility is able to fully cover the demand ( 𝐸 ) directly with the production of the PV panels (𝐸) and, at the same time, produces surplus energy (𝐸), which can be used to feed into the network (𝐸) or stored in the battery (𝐸), Equation (4)). From 14:00, the energy production is lower than the demand and the household needs to be supported firstly from the battery (𝐸 ) and secondly, if necessary, from the network (𝐸), Equation (5)). Figure 9 shows the total monthly energy consumed and produced for our representative household. Figure 9. Monthly energy demand and PV production at Seville City. Source: PVGIS [34]. The energy generated (𝐸) covers around 30% of the annual energy demand (𝐸) during the winter months (January and December), while in the summer months it can cover above 50%, allowing a greater amount for consumption (𝐸) and sales (𝐸), and generating greater sales (IC) and savings (S)—Equations (6) and (7). 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 123456789101112131415161718192021222324 Energy (kWh) Hour Energy Demand Energy Production Sustainability 2021, 13, 575 15 of 25 3. Technical and Financial Results of the Self-consumption Model In this section, technical and financial results are presented for the residential facility with or without BESS. The life of the project has been fixed at 25 years, with a discount rate of 6.5% [45]. The shelf life of the BESS corresponds to 5000 charge cycles. If we assume one charge cycle per day, it would be necessary to replace the BESS after the thirteenth year. However, we have decided to replace it in year twelve in order to avoid battery malfunction problems. Note that the investment produced in that year will negatively affect its corresponding cash flow (Equation (8)). Our analysis allows us to measure the economic effect of changes in domestic consumption and in the prices of the panels and the BES System. 3.1. Household PV Panels Without Storage The energy production of the facility (𝐸) increases with the peak power of the PV panel installed (𝑃), making the household more autonomous (less dependent on the network) and the savings (S) and incomes (IC) higher. The annual proportion of facility energy production (D/ 𝐸) which is intended for self-consumption (𝐸) depends on the peak power of the panels, as is shown in Figure 10 for domestic demand (D) of 3500 kWh. Figure 10. Annual proportion of energy produced (D/ 𝐸  ) used for self-consumption (𝐸  ). Source: own elaboration. The curve reveals that this proportion falls with higher panel peak power, going from 100% for a 0.5 kWp panel to 30% for a 3.5 kWp panel. When the peak power (𝑃) increases, the cash flow (CF) from sales (IC) and savings (S) increases as well, but the key question is whether this cash flow increase offsets the cost of more expensive panels (𝐶) and, therefore, the greater investment needed (𝐼, Equation (11)). Technical and economic outcomes are shown in Table 5 for a residential demand (D) of 3500 kWh without BESS; also, the financial indicators can be graphically inspected in Figure 11 (NPV and IRR) and Figure 12 (IR). Table 5. Parameters for PV installation without battery energy storage systems (BESS) (Domestic demand 3 00 kWh). 𝑷𝐏𝐕 (kWp) 𝑰𝟎 (€) 𝑬𝑷𝑽 (kWh) 𝑬𝑪 𝑷𝑽 / 𝑬𝑷𝑽 (%) 𝑰𝑪 (€) 𝑺 (€) 𝑪𝑭 (€) NPV (€) IRR (%) IR 0.5 450 798 100 65 0 65 358 14.4 0.80 1.0 900 1600 88 122 10 132 676 14.0 0.75 1.5 1350 2390 65 138 42 180 808 12.6 0.60 Sustainability 2021, 13, 575 16 of 25 2.0 1800 3180 51 144 80 224 893 11.6 0.50 2.5 2250 3980 42 148 119 267 956 10.9 0.42 3.0 2700 4770 35 151 160 311 1 019 10.4 0.38 3.5 3150 5570 31 153 200 353 1 077 10.1 0.34 Source: own elaboration. Figure 11. Evolution of Net Present Value (NPV) and Internal Rate of Return (IRR) with the PV panel peak power (𝑃  ), without BESS. Source: own elaboration. Figure 12. Evolution of Return of Investment (IR) with the PV panel peak power (𝑃  ), without BESS. Source: own elaboration. The facility with 0.5 kWp PV panels (the lowest peak power considered) shows the best IRR and IR ratios, reaching the values 14.4% and 0.8 respectively—observe that for this panel size, all the PV energy is used for self-consumption (no PV energy is wasted), thus generating the corresponding savings (S). The IR decreases with the peak power (𝑃) because the NPV increase is lower than the increase in the investment (𝐼,𝐼) assumed for the acquisition of PV panels with higher peak powers. In this way, notice that the investment required for a 3.5 kWp facility is seven times the cost of a 0.5 kWp one, while the NPV is nearly three times higher. Therefore, the IR decreases gradually from 0.8 to 0.34; note also that the NPV grows with 𝑃 because the discounted cash-flows (savings plus incomes) grow more than the initial investment when the peak power of the panel increases. The investment performed (𝐼,𝐼) is one of the key elements of the financial optimisation; for this reason, an analysis based on different PV panel unitary prices (𝐶) has Sustainability 2021, 13, 575 23 of 25 (Southern Spain) needs to install a 0.5 kWp PV panel to obtain the best IRR index (14.0%) and return of investments (IR = 0.8), having also an NPV of 358 €. On the other hand, the facility with BESS (the second scenario analysed) needs to install a 1.0 kWp PV panel with a 2.0 kWh BESS to reach the optimal configuration, obtaining an IRR of 14.43%, an IR of 0.78, and an NPV of 812.54 €. The technology improvements in BESS and PV panels during the last few years makes them less and less expensive. For an optimal facility with BESS, the conclusion is that the elasticity of the IRR index to the current PV price is –1.59; that elasticity being – 2.18 for the IR indicator. In the case of the current BESS price, the battery cost elasticity of the financial indicators has been determined in –0.28 and –0.54 for the IRR and IR indicators respectively. In both cases, as long as the unitary prices fall, the facility allows the installation of higher power PV panels and BESS. Finally, we should highlight that this model is useful for users (prosumers), electrical installers, engineering consultants and also Governments, since it provides the formula (to be used at any facility location) to determine the optimal configuration (in financial terms) of PV panels and BESS capacity and, at the same time, measure the effect of changes in PV panels and BESS prices on the profitability of the facility. This tool contributes also to the sustainability of the electrical market and the stability of the grid, as less energy is produced and transported through the network. Author Contributions: J.A.B.-G. was responsible for the introduction (literature review) and the data collection; F.N. was responsible for the method and modeling; A.A.-V. was responsible for the research design, economic discussion and conclusions. All authors have read and agreed to the published version of the manuscript. Funding: This research received no external funding. Institutional Review Board Statement: Not applicable. Informed Consent Statement: Not applicable. Data Availability Statement: Data sharing is not applicable to this article. Acknowledgments: The authors would like to thank the former master’s degree student Juan Felipe Hinestroza. Conflicts of Interest: The authors declare no conflict of intersts. Nomenclature BESS Battery Energy Storage Systems 𝐸 Energy from PV panels used to charge the battery (kWh) BoS Balance of Systems 𝑒 Energy demand mean (kWh) EPC Engineering Procurement and Construction 𝐸 Energy demanded by the household (kWh) EU European Union 𝐸Surplus energy generated by the PV panels over the household demand (kWh) HDT Hourly Discrimination Tariff 𝐸 Total energy consumed from facility (kWh) IRENA International Renewable Energy Agency 𝑒 Energy generation mean (kWh) LCOE Levelized Cost Energy 𝐸 Energy purchased in the market (kWh) Li-ion Lithium-Ion 𝐸 Total energy generated by the PV panels (kWh) OMIE Iberian Electricity Market Operator 𝐸 Energy sold and injected into the market (kWh) PV Photovoltaic I Investment (€) PVGIS Photovoltaic Geographical Information System IC Incomes from the energy sale (€) ROI Return On Investment IR Investment return (%) VAT Value Added Tax IR R Internal rate of return Sustainability 2021, 13, 575 24 of 25 k Interest rate (%) Variables N Normal Distribution AT Access tariffs (€/kWh) NP V Net present value (€) 𝐶 Cost of the battery (€) 𝑃 Capacity of the battery (kWh) CF Cash Flow (€) PE Price of energy (€/kWh) CoP Contrated power (kW) PP Price of the contrated power (€/kWh x year) 𝐶 Cost of the PV panels (€) 𝑃 Power of PV panel (kWp) 𝐶 Unitary cost of the battery (€/kWh) S Saving in the energy consumption (€) 𝐶 Unitary cost of the PV panels (€/kWh) t Year of the project (year) D Annual demand of the household (kWh) 𝑢 Error term of the energy generation (kWh) 𝐸 Energy level of the battery (kWh) 𝑣 Error term of the energy demand (kWh) 𝐸  Energy supplied by the battery (kWh) η Round trip efficiency of the battery (%) 𝐸  Energy supplied by the PV panels and directly consumed by the household(kWh) σu Standard deviation of normal distribution References 1. European Parliament. Council of the EU Directive (EU) 2019/944 on Common Rules for the Internal Market for Electricity and Amending Directive 2012/27/EU; European Parliament: Brussels, Belgium, 2019; Volume 944. 2. Ministerio de Transición Ecológica. Royal Decree 244/2019; Ministerio de Transición Ecológica: Madrid, Spain, 2019. 3. Arcos, A. Un nuevo modelo de mercado eléctrico europeo: The citizen is king. DYNA Ingenieria e Industria 2019, 94, 590–591, doi:10.6036/9367. 4. Dusonchet, L.; Telaretti, E. Economic analysis of different supporting policies for the production of electrical energy by solar photovoltaics in Western European Union countries. Energy Policy 2010, 38, 3297–3308, doi:10.1016/j.enpol.2010.01.053. 5. Campoccia, A.; Dusonchet, L.; Telaretti, E.; Zizzo, G. An analysis of feed-in tariffs for solar PV in six representative countries of the European Union. Sol. Energy 2014, 107, 530–542, doi:10.1016/j.solener.2014.05.047. 6. Del Rio, P.; Mir, P. Support for solar PV deployment in Spain: Some policy lessons. Renew. Sustain. Energy Rev. 2012, 16, 5557– 5566, doi:10.1016/j.rser.2012.05.011. 7. Bayod, A.; Burgio, A.; Leonowicz, Z.; Mennit, D.; Pinnarelli, A.; Sorrentino, N. Recent developments of photovoltaics integrated with battery storage systems and related feed-in tariff policies: A review. Int. J. Photoenergy 2017, 2017, doi:10.1155/2017/8256139. 8. Del Coso, G.; Del Canizo, C.; Sinke, W.C. The impact of silicon feedstock on the PV module cost. Sol. Energy Mater. Sol. Cells 2010, 94, 345–349, doi:10.1016/j.solmat.2009.10.011. 9. Chen, K. Technology improves solar PV competitiveness. Electr. Light Power 2011, 89, 48. 10. Zhu, D.; Wang, Y.; Yue, S.; Xie, Q.; Pedram, M.; Chang, N. Maximizing return on investment of a grid-connected hybrid electrical energy storage system. In Proceedings of the 18th Asia and South Pacific Design Automation Conference (IEEE), Yokohama, Japan, 22–25 January 2013; pp. 638–643, doi:10.1109/ASPDAC.2013.6509670. 11. Zhang, H.; Van Gerven, T.; Baeyens, J.; Degrève, J. Photovoltaics: Reviewing the European feed-in-tariffs and changing PV efficiencies and costs. Sci. World J. 2014, 2014, doi:10.1155/2014/404913. 12. Ghiassi-Farrokhfal, Y.; Kazhamiaka, F.; Rosenberg, C.; Keshav, S. Optimal design of solar PV farms with storage. IEEE Trans. Sustain. Energy 2015, 6, 1586–1593, doi:10.1109/TSTE.2015.2456752. 13. Lorenzi, G.; Santos, C. Comparing demand response and battery storage to optimize self-consumption in PV systems. Appl. Energy 2016, 180, 524–535, doi:10.1016/j.apenergy.2016.07.103. 14. Mondol, J.; Hillebrand, S. Grid parity analysis of solar photovoltaic systems in Europe. Int. J. Ambient Energy 2014, 35, 4, 200- 210, doi:10.1080/01430750.2013.820141. 15. Chiacchio, F.; D’urso, D.; Aizpurua, J.; Campagno, L. Performance assessment of domestic photovoltaic power plant with a storage system. IFAC PapersOnLine 2018, 51, 746–751, doi:10.1016/j.ifacol.2018.08.408. 16. Chiacchio, F.; Famoso, F.; D’urso, D.; Cdola, L. Performance and economic assessment of a grid-connected photovoltaic power plant with a storage system: A comparison between the North and the South of Italy. Energies 2019, 12, 2356, doi:10.3390/en12122356. 17. Shin, H.; Geem, Z.W. Optimal design of a residential photovoltaic renewable system in South Korea. Appl. Sci. 2019, 9, 1138, doi:10.3390/app9061138. 18. Zhu, D.; Wang, Y.; Chang, N.; Pedram, M. Optimal design and management of a smart residential PV and energy storage system. In Proceedings of the Design, Automation, Test in Europe Conference and Exhibition (IEEE), Dresden, Germany, 24– 28 March 2014; pp. 1–6, doi:10.7873/DATE.2014.154. 19. Talavera, D.; Muñoz, E.; Ferrer, J.; Nofuentes, G. Evolution of the cost and economic profitability of grid-connected PV investments in Spain: Long-term review according to the different regulatory frameworks approved. Renew. Sustain. Energy Rev. 2016, 66, 233–247, doi:10.1016/j.rser.2016.08.012. Sustainability 2021, 13, 575 25 of 25 20. Colmenar, A.; Campíñez, S.; Pérez, C.; Castro, M. Profitability analysis of grid-connected photovoltaic facilities for household electricity self-sufficiency. Energy Policy 2012, 51, 749–764, doi:10.1016/j.enpol.2012.09.023. 21. Bernal, J.; Dufo, R. Economical and environmental analysis of grid connected photovoltaic systems in Spain. Renew. Energy 2006, 31, 1107–1128, doi:10.1016/j.renene.2005.06.004. 22. Lopez, J.; Steinenger, K. Photovoltaic self-consumption regulation in Spain: Profitability analysis and alternative regulation schemes. Energy Policy 2017, 108, 742–754, doi:10.1016/j.enpol.2017.06.019. 23. Rosales, E.; Simon, M.; Borge, B.; Perez, A.; Colmenar, A. An expert judgement approach to determine measures to remove institutional barriers and economic non-market failures that restrict photovoltaic self-consumption deployment in Spain. Sol. Energy 2019, 180, 307–323. 24. Sarasa, C.; Dufo, R.; Bernal, J. Evaluating the effect of financing costs on PV grid parity by applying a probabilistic methodology. Appl. Sci. 2019, 9, 425, doi:10.3390/app9030425. 25. Hinestroza, J. Autoconsumo residencial: Análisis de rentabilidad y tamaño óptimo. In Trabajo final de Carrera; Universidad de Sevilla (US): Seville, Spain, 2019. 26. Arcos, Á.; Cansino, J.; Román, R. Economic and environmental analysis of a residential PV system: A profitable contribution to the Paris agreement. Renew. Sustain. Energy Rev. 2018, 94, 1024–1035, doi:10.1016/j.rser.2018.06.023. 27. Zhang, Z. Smart grid in America and Europe. Public Util. Fortn. 2011, 149, 32–40. 28. Arcos, A.; Lugo, D.; Núñez, F. Residential peak management: A storage and control system application taking advantages of smart meters. Energy Syst. 2018, 102, 110–121, doi:10.1016/j.ijepes.2018.04.016. 29. OMIE, Iberian Electricity Market Operator. Available online: https://www.omie.es/es/market-results/daily/daily-market/dailyhourly-price (accessed on 23 July 2020). 30. Carbonero, A. Efecto sobre el bienestar económico de un aumento en la potencia instalada fotovoltaica. Una aplicación al sistema eléctrico español. In Trabajo final de Carrera; Universidad de Sevilla (US): Seville, Spain, 2018. 31. Jäger-Waldau, A. PV Status Report 2019, EUR 29938 EN; Publications Office of the European Union: Luxembourg, 2019, doi:10.2760/326629. 32. Keiner, D.; Manish, R.; Barbosa, L.; Bogdanov, D.; Breyer, C. Cost optimal self-consumption of PV prosumers with stationary batteries, heat pumps, thermal energy storage and electric vehicles across the world up to 2050. Sol. Energy 2019, 185, 406–423, doi.org/10.1016/j.solener.2019.04.081. 33. Ram, M.; Bogdanov, D.; Aghahosseini, A.; Oyewo, S.; Gulagi, A.; Child, M.; Breyer, C.; Caldera, U.; Sadovskaia, K.; Farfan, J.; et al. Global Energy System Based on 100% Renewable Energy—Power, Heat, Transport and Desalination Sectors; Study by Lappeenranta University of Technology and Energy Watch Group: Lappeenranta, Finland; Berlin, Germany, 2019. 34. European Commission, Joint Research Centre. Photovoltaic Geographical Information System—Interactive Maps. PVGIS. Available online: https://re.jrc.ec.europa.eu/pvg_tools/es/#PVP (accessed on 19 July 2020). 35. Arcos, A.; Canca, D.; Núñez, F. Impact of battery technological progress on electricity arbitrage: An application to the Iberian market. Appl. Energy 2020, 260, 114273, doi:10.1016/j.apenergy.2019.114273. 36. Gómez, A.; Sudria, A.; Alvarez, E.; Díaz, J.; Pérez, J.; Arcos, A.; Pérez de Vargas, J. El almacenamiento de energía en la distribución eléctrica del future; Real Academia de la Ingeniería: Madrid, Spain, 2017. 37. Segui, P. Todo sobre baterías y almacenamiento de energía. Available online: https://www.barriolapinada.es/baterias-alma- cenamiento-energia/ (accessed on 19 July 2020). 38. Bardo, S. Almacenamiento distribuido en viviendas para alisar la curva de demanda de energía eléctrica. In Trabajo final de Carrera; Universitat Politècnica de Catalunya (UPC): Barcelona, Spain, 2010. 39. Hernández, A. Análisis económico de un sistema de almacenamiento para la disminución de desvíos de producción en un parque eólico. In Trabajo final de master; Escuela Técnica Superior de Ingeniería: Seville, Spain, 2016. 40. Battery University. Learn about Batteries. Available online: https://batteryuniversity.com/learn/ (accessed on 19 July 2020). 41. Jofemar Energy. Almacenamiento electroquímico con baterías de flujo. Available online: http://www.f2e.es/uploads/doc/20160704075330.f2e_jofemar.pdf (accessed on 19 July 2020). 42. Vélez, S. Estudio de un sistema de almacenamiento de energía eólica por medio de baterías. In Trabajo final de Carrera; Universidad Politécnica de Madrid (UPM): Madrid, Spain, 2012. 43. Clean Technica. Batteries Keep on Getting Cheaper. Available online: https://cleantechnica.com/2017/12/11/batteries-keep-get- ting-cheaper/ (accessed on 19 July 2020). 44. IRENA. Accelerating the global energy transformation. In International Renewable Energy Agency; United Arab Emirates: Abu Dhabi, UAE, 2017. 45. Comisión Nacional de los Mercados y la Competencia. Available online: https://www.cnmc.es/2018-11-02-la-cnmc-publica-la- metodologia-de-calculo-de-la-tasa-de-retribucion-financiera-de-las (accessed on 19 July 2020). Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 141 ANEXO 3 Economic impact of the closure of the Spanish coal plants. Arcos-Vargas, Ángel; Ballesteros-Gallardo, Juan Antonio; Núñez-Hernández, Fernando. DYNA, vol. 96, no.6, p. 564-567, 2021. https://doi.org/10.6036/10228. Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 142 Indicadores de calidad. Economic impact of the closure of the Spanish coal plants. Arcos-Vargas, Ángel; Ballesteros-Gallardo, Juan Antonio; Núñez-Hernández, Fernando. Tipo: Artículo Revista: DYNA (0012-7361 / 1989-1490) Año de Publicación: 2016 Volumen: 96 Número: 6 Páginas: 564 SCIE Año (SCIE): 2021 Factor de Impacto (SCIE): 1.352 Categoría Edición Posición Cuartil Tercil Decil Ingeniería SCIE 67/90 Q3 T3 D8 SJR Año: 2021 Factor de Impacto: 0.177 Categoría Edición Posición Cuartil Tercil Decil Ingeniería SCIE 336/588 Q3 T2 D8 ECONOMIC IMPACT OF THE CLOSURE OF THE SPANISH COAL PLANTS ENERGY TECHNOLOGY TECHNICAL NOTE Ángel Arcos-Vargas, Fernando Núñez-Hernández y Juan-Antonio Ballesteros- Gallardo Energy Generation Publicaciones DYNA SL -- c) Mazarredo nº69 - 2º -- 48009-BILBAO (SPAIN) Tel +34 944 237 566 – www.revistadyna.com - email: [email protected] Pag. 1 / 3 eISSN :1989-1490 ISSN-L: 0012-7361 | DYNA Ingeniería e Industria , November – December 2021, vol. 96, no. 6, p. 564. DOI: https://doi.org/10.6036/10228 ECONOMIC IMPACT OF THE CLOSURE OF THE SPANISH COAL PLANTS IMPACT AND COSTS OF THE CLOSURE OF COAL-FIRED POWER PLANTS IN THE IBERIAN PENINSULA Ángel Arcos-Vargas, Fernando Núñez-Hernández y Juan-Antonio Ballesteros-Gallardo Universidad de Sevilla (España) DOI: https://dx.doi.org/10.6036/10228 The Paris Agreement (2016) [1] introduced a turning point in Spanish energy policy. The Agreement integrates several national commitments (Nationally Determined Contributions –NDC–), part of which were later introduced in the PNIEC (2019). Among others commitments, the definitive closure of the coal-fired power plants is proposed, which for many years have represented the generation base of the Spanish energy system. Although the environmental impact of this measure is undoubted, due to its significant effect in emissions (0.95 tCO2/MWh), it is also certain that this will have an economic effect on the geographic area of influence in which these plants operate, as well as on the electricity prices in the wholesale market due to the contraction of the energy supply curve. The present research is focused on the impact that this measure will have on the electricity market equilibrium in the short term. To carry out this research, the hourly equilibrium of the day-ahead electricity market is analysed for all hours of year 2018 (the last full year before the publication of the PNIEC report). In that year there was an installed capacity of 9,562 MW of coal-fired plants in Spain, which produced 14% of electricity, and just over 50% of the sector's emissions. The data provided by the OMIE allows us to simulate the behaviour of the day-ahead market excluding these generation units. This nonparticipation in the market causes a contraction of the energy supplied and, consequently, an increase in the equilibrium prices. Figure 1 shows the market equilibrium on December 25, 2018, at 9:00 p.m., as well as the equilibrium that would have been obtained if the coal-based offers had not been available (green curve). Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 147 ANEXO 4 Efectos a corto plazo del cierre de las centrales térmicas de carbón en el mercado eléctrico español. Ballesteros-Gallardo, Juan Antonio; Arcos-Vargas, Ángel; Núñez-Hernández, Fernando. DYNA energía y sostenibilidad, vol. 10, no.1, p. 11-22, 2021. https://doi.org/10.6036/ES10113. Anexo. Compendio de publicaciones. Juan Antonio Ballesteros Gallardo 148 Indicadores de calidad. Efectos a corto plazo del cierre de las centrales térmicas de carbón en el mercado eléctrico español. Ballesteros-Gallardo, Juan Antonio; Arcos-Vargas, Ángel; Núñez-Hernández, Fernando. Tipo: Artículo Revista: DYNA energía y sostenibilidad Año de Publicación: 2021 Volumen: 10 Número: 1 Páginas: 11 La reputación de DYNA Energía y Sostenibilidad está avalada por su inclusión en los siguientes índices y bases de datos de referencia: 1. Fuente Académica Premier (Ebsco Publishing). Base de datos agregadora de contenidos, fuente de referencia líder para bibliotecas electrónicas universitarias o públicas. Accesible en el 90% de las bibliotecas públicas y universidades de EE.UU. y Canadá. Con excelente distribución en Europa del Este y Asia-Pacífico. 2. Google Scholar (Académico): Buscador de Google enfocado en el mundo académico que se especializa en literatura científica-académica. 3. CrossRef: Organización colaborativa que da apoyo a la comunicación académica con el objetivo de mejorar la investigación con el uso de las TICs 4. MIAR: Reúne información clave para la identificación y la evaluación de revistas. Incluyendo más de 28.000 publicaciones, el sistema crea una matriz de correspondencia entre las revistas, identificadas por su ISSN, y las bases de datos, repertorios y catálogos de bibliotecas que las indizan. 5. DULCINEA: Indica los derechos de explotación y permisos para el autoarchivo de revistas científicas españolas. 6. Catálogo 2.0 Latindex: Sistema regional de información en línea para revistas científicas de América Latina, el Caribe, España y Portugal. 7. Microsoft Academic: Buscador de artículos científicos que permite localizar referencias de textos académicos a partir de autores, disciplinas, revistas, entidades o congresos, ofreciendo el enlace al texto completo