Page 1
Fdo:
Fdo:
Fdo:
Autorizada la entrega del proyecto del alumno:
Alberto Campillo Bernal
LOS DIRECTORES DEL PROYECTO
Juan José Sánchez Domínguez
Fecha: 22 / Junio / 2005
Efraim Centeno Hernáez
Fecha: 22 / Junio / 2005
Vº Bº del Coordinador de Proyectos
Tomás Gómez San Román
Fecha: 22 / Junio / 2005
ii
Page 2
UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)INGENIERO INDUSTRIAL
PROYECTO FIN DE CARRERA
APLICACIÓN DE “BUSINESS DYNAMICS” PARA
ESTUDIOS ESTRATÉGICOS EN MERCADOS ELÉCTRICOS
AUTOR: Alberto Campillo Bernal
MADRID, Junio 2005
iii
Page 3
APLICACIÓN DE “BUSINESS DYNAMICS” PARA ESTUDIOS
ESTRATÉGICOS EN MERCADOS ELÉCTRICOS
Autor: Campillo Bernal, Alberto.
Directores: Sánchez Domínguez, Juan José; Centeno Hernáez, Efraim.
Entidad Colaboradora: ICAI – Universidad Pontificia Comillas.
RESUMEN DEL PROYECTO
Con este proyecto fin de carrera se aborda el problema de expansión de la generación
en mercados eléctricos.
Este problema consiste en la toma de un conjunto de decisiones por parte de las
compañías eléctricas generadoras, como son la construcción de nuevas centrales, el
cierre de plantas ya existentes o la compra y venta de las mismas, de acuerdo con una
serie de criterios, que pueden ser desde, por supuesto, la rentabilidad económica de la
inversión hasta criterios más estratégicos, y sometidas a un conjunto de restricciones
de muy diversa índole: técnicas, económicas, regulatorias, estratégicas...
El contexto en el que se enmarca el proyecto es el de un sector eléctrico que ha sido
liberalizado, pasando de un funcionamiento regulado a la introducción de
competencia en algunas actividades, como la de generación de energía. En este
aspecto, las decisiones de inversión en activos de generación, que antes eran
centralizadas, tomadas y planificadas por la Administración, son ahora
responsabilidad de los propios agentes productores de energía eléctrica que, de esta
manera, han pasado a moverse en un contexto con mucha más incertidumbre y
mayor riesgo. Además, en este nuevo contexto cobra una gran importancia
tecnológicamente el desarrollo de los ciclos combinados de gas natural, que
conllevan unos costes de inversión y unos tiempos de construcción mucho menores
que los asumidos a la hora de construir centrales de otro tipo.
Los agentes productores, en este contexto de mayor incertidumbre, necesitan la
ayuda de herramientas como el modelo desarrollado en este proyecto fin de carrera
para tomar las decisiones de inversión en activos de generación, ya que les permiten
iv
Page 4
hacer previsiones cualitativas y cuantitativas del comportamiento del mercado a
largo plazo.
La técnica empleada en el desarrollo del modelo objeto de este proyecto es
“Business Dynamics”. Conocida con este nombre cuando se aplica a análisis en el
campo de los negocios, la dinámica de sistemas (creada por el ingeniero americano
Jay W. Forrester en la década de 1950) es una técnica matemática basada en la teoría
de control automático que permite representar y modelar sistemas dinámicos muy
complejos, que incluyen no linealidades, retrasos temporales o bucles de
realimentación entre sus variables, para observar su evolución en el tiempo. Es muy
variado el número de campos de aplicación de esta técnica: sistemas sociológicos,
ecológicos y medioambientales, sistemas energéticos, problemas logísticos…
La metodología seguida en este proyecto fin de carrera ha sido la siguiente: el
modelo desarrollado en este proyecto está basado en un artículo de investigación
publicado por Gary y Larsen en la London Business School en 1998, que ha sido
estudiado, criticado y analizado, para ser posteriormente mejorado e implementado
en MATLAB utilizando una colección de rutinas ya existente. Después se ha
verificado el funcionamiento de este modelo mediante la simulación de un caso base,
con características adecuadas para la representación de un sistema eléctrico como el
español, y se han llevado a cabo dos casos–estudio de interés: uno sobre cómo afecta
en la evolución del sistema la existencia de un regulador que dé a los agentes una
señal económica de pago por capacidad, y otro sobre qué consecuencias puede traer
la existencia de un mercado de derechos de emisión de gases de efecto invernadero.
Los resultados de los casos–estudio han confirmado y cuantificado efectos
esperados sobre las inversiones de los factores estudiados, además de señalar la
existencia de fenómenos menos intuitivos en el comportamiento del sistema. En el
caso de la existencia de un regulador que ofrezca un pago por capacidad constante y
por MW instalado a los agentes, la principal conclusión que se puede obtener es que,
efectivamente, los pagos por capacidad contribuyen a la fiabilidad del sistema,
reduciendo la aversión al riesgo de los generadores e incentivando nuevas
inversiones, pero no garantizan que el nivel deseado de cobertura de la demanda se
alcance. Además, se ha observado un efecto de “aplanamiento” de los ciclos de
inversión. En cuanto al caso de la existencia de un mercado de emisiones, se produce
v
Page 5
una variación en el orden de mérito de las tecnologías de generación, lo que provoca
que los agentes inviertan más rápido en centrales de ciclo combinado, ya que
perciben más rentabilidad en ellas.
Así se ha cubierto el objetivo general del proyecto, que consiste en desarrollar una
herramienta que ayude a los agentes productores de energía eléctrica a la hora de la
toma de decisiones de inversión en activos de generación a largo plazo o a los
reguladores para tratar de decidir políticas adecuadas o prever consecuencias en las
ya decididas, y también un conjunto de objetivos adicionales, como son la
profundización en el conocimiento de la técnica “Business Dynamics” o el
funcionamiento de mercados eléctricos a largo plazo, el apoyo en el desarrollo en
MATLAB de un programa que permita simular cualquier tipo de sistema dinámico,
el modelado de un sistema eléctrico que represente la dinámica de inversiones en
activos de generación a largo plazo, la implantación de un modelo con ese algoritmo
o la ejecución y el análisis de casos con la ayuda de dicho modelo.
Este proyecto abre además el camino a futuros desarrollos, como pueden ser la
consideración de más tecnologías de expansión, el estudio de las consecuencias que
puede traer al mercado el desarrollo de las energías renovables, la introducción de
algunas funciones de cálculo más detalladas basadas en otros modelos, como los de
equilibrio de mercado, o la consideración de un mercado oligopolista.
vi
Page 7
ÍNDICE
1. INTRODUCCIÓN………………………………………………………………..1
1.1. Contexto………………………………………………………………....2
1.1.1. Visión global del cambio de regulación………………………..3
1.1.2. Las empresas de generación frente al nuevo entorno………......4
1.1.3. La nueva generación: los ciclos combinados………………....11
1.2. El problema de la expansión de la generación en mercados
eléctricos………………………………………………………………….…12
1.3. Objetivos del proyecto………………………………………………...14
2. “BUSINESS DYNAMICS”…………………………………………………..…16
2.1. Dinámica de sistemas.............................................................................18
2.2. Metodología sistémica………………………………………………....19
2.3. Historia y aplicaciones de la dinámica de sistemas………………….20
2.4. Estructura elemental de sistemas…………………………………….23
2.4.1. Introducción al lenguaje sistémico. Diagrama causal………...24
2.4.2. Características estructurales típicas de sistemas dinámicos…..28
2.4.3. Diagramas utilizados en la realización del proyecto………….35
2.5. Proceso de modelado…………………………………………………..37
3. DESCRIPCIÓN DEL MODELO………………………………………………41
3.1. Modelo de expansión de Gary………………………………………...42
3.2. Modelo………………………………………………………………….47
3.2.1. Características generales del modelo………………………....47
viii
Page 8
3.2.2. Aportaciones del modelo………………………………...……50
3.2.3. Estructura general del modelo……………………………..….51
3.2.4. Bloque “MARKET”…………………………………………..54
3.2.5. Bloque “IPP”………………………………………………….66
3.2.6. Bloque “DUOPOLY”…………………………………………87
4. CASOS Y RESULTADOS………………………………………………….…106
4.1. Caso base……………………………………………………………...107
4.1.1. Datos de entrada y condiciones iniciales…………………….107
4.1.2. Resultados del caso base…………………....……......……...118
4.2. Pagos por capacidad………………………………………………....132
4.2.1. Introducción ...……....……………………...………….........132
4.2.2. Casos–estudio 1……………………………………………...134
a) Escenario 1………………………………………………135
b) Escenario 2………………………………………………144
c) Escenario 3………………………………………………146
4.2.3. Conclusiones………………………………………………...153
4.3. Protocolo de Kyoto y mercado de emisiones de CO2………………156
4.3.1. Introducción………………………………………...…...…..156
4.3.2. Casos–estudio 2……………………………………………...159
a) Escenario 1………………………………………………161
b) Escenario 2………………………………………………164
c) Escenario 3………………………………………………171
4.3.3. Conclusiones………………...…………………….………...178
ix
Page 9
5. CONCLUSIONES……………………………………………………………..180
5.1. Resumen…………………………………………………………...….181
5.2. Conclusiones……………………………………………………….....183
5.2.1. Conclusiones de los casos desarrollados con el modelo…….183
5.2.2. Aportaciones propias al modelo………………………...…...187
5.2.3. Utilidad del modelo………………………………………….188
5.2.4. Limitaciones del modelo…………………………………….190
5.2.5. Futuros desarrollos…………………………………………..192
6. BIBLIOGRAFÍA………………………………………………………………195
7. ANEXOS………………………………………………………………………..198
Anexo A........................................................................................................199
Anexo B........................................................................................................201
x
Page 10
1. INTRODUCCIÓN
La creciente liberalización de la actividad de generación en el sector eléctrico
supone el abandono de un sistema en el que la mayoría de las decisiones, y en
concreto las de inversión en activos de generación, obedecían a la planificación
realizada por las administraciones de los distintos países.
En un marco regulatorio centralizado, como el vigente en España hasta
finales de 1997, las empresas generadoras tenían razonablemente asegurada la
recuperación de sus costes.
Sin embargo, al pasar a tener que operar en un sistema en competencia, cada
empresa generadora ha de tomar sus propias decisiones de inversión en una situación
incierta con mucho mayor riesgo. Debido a esto surge la necesidad de modelos que
sirvan para apoyar las decisiones estratégicas de las compañías de generación
eléctrica a largo plazo, entre las que destaca la construcción de nuevas centrales de
generación. Para ello se ha utilizado la técnica matemática de dinámica de sistemas
denominada “Business Dynamics”, basada en la teoría de control automático.
El interés del problema radica en que estas decisiones están sujetas a una serie
de restricciones complejas que pueden ser técnicas (tecnologías existentes),
económicas (precios de los combustibles), regulatorias (marco real) y estratégicas
1
Page 11
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
2
(cuotas de mercado).
En cuanto a la estructura de la memoria de este proyecto, después de este
primer capítulo de introducción, se procederá a describir en el capítulo 2 la técnica
matemática empleada, denominada “Business Dynamics”, para pasar después a
explicar detalladamente el modelo implementado en el capítulo 3. A continuación se
desarrollará y comentará una serie de casos–estudio simulados con el modelo
(capítulo 4) y se presentarán las conclusiones del proyecto (capítulo 5). La memoria
concluirá con la bibliografía y dos anexos (en el primero se muestra el diagrama
detallado del modelo desarrollado y en el segundo se describe la implantación
informática del mismo).
En este primer capítulo de introducción se va a comenzar presentando el
contexto del problema que se pretende abordar. En segundo lugar se describirá de
forma más detallada el problema de la expansión de la generación en mercados
eléctricos, para terminar con los objetivos del proyecto.
1.1. Contexto
En este apartado se va a realizar una descripción de los principales aspectos
que caracterizan el contexto en que se enmarca el problema de la expansión de la
generación en mercados eléctricos. Entre éstos se puede destacar una visión global de
la liberalización en el sector eléctrico, el papel de las empresas de generación frente
al nuevo entorno descentralizado y el desarrollo de la tecnología de ciclos
combinados, que facilita la entrada en el mercado de nuevos competidores.
Page 12
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
3
1.1.1. Visión global del cambio de regulación
El concepto básico que permite comprender el cambio normativo –o de
regulación– que está teniendo lugar actualmente en numerosos países del mundo es
que el proceso económico e industrial que se precisa para abastecer de energía
eléctrica a los consumos finales comprende distintas actividades, de naturaleza
técnica y económica muy diversa, y que son susceptibles de recibir un tratamiento
regulatorio diferente, pudiendo algunas de las más importantes ser realizadas en
régimen de competencia [PERE98].
Hoy en día, por diversos factores económicos y técnicos, la producción de
energía eléctrica y su comercialización puede proveerse en abierta competencia en la
mayoría de los sistemas eléctricos. Hay sin embargo otras actividades, en particular
las asociadas de alguna forma a las redes eléctricas, que tienen características
económicas de monopolio natural o que confieren un elevado poder de mercado, por
lo que tienen que continuar siendo reguladas; en este último caso se encuentran por
ejemplo la planificación de la expansión y la operación de las redes de distribución y
de transporte.
Concretamente, en el sector eléctrico español, un par de características del
nuevo marco regulatorio que tienen interés para el desarrollo de este proyecto son:
• Se distingue entre actividades reguladas –el transporte, la distribución, la
gestión económica y la gestión técnica del sistema– y las actividades que se
realizan en régimen de competencia –generación, comercialización e
intercambios internacionales–, estableciendo regulaciones específicas para
Page 13
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
4
cada una de ellas. Se establece la separación jurídica entre actividades
reguladas y no reguladas y la separación contable entre las reguladas.
• Se reconoce el derecho a la libre instalación de la generación de electricidad y
se organiza su funcionamiento bajo el principio de libre competencia. Se
abandona el principio de retribución a través de unos costes fijados
administrativamente, así como una gestión económica de los medios de
producción en base a procedimientos de optimización. En su lugar, el
funcionamiento de los medios de producción se basa en las decisiones de los
agentes económicos en el marco de un mercado mayorista organizado de
energía eléctrica, con la retribución de la generación resultando del precio de
este mercado.
1.1.2. Las empresas de generación frente al nuevo entorno
La creciente liberalización de los sectores eléctricos en muchos países tiene
como objetivo incrementar la eficiencia del sector (y, en último término, suministrar
electricidad a menor coste) mediante la introducción de competencia en las
actividades de generación y comercialización de electricidad [ALBA98].
El cambio de planteamiento en estas dos áreas del negocio eléctrico conlleva
dos elementos fundamentales que condicionan el comportamiento de los agentes del
mercado eléctrico: la descentralización de las decisiones, en las que se reduce la
dependencia de los planes de la Administración, y el incremento de los riesgos, pues
de forma gradual se va reduciendo la relativa seguridad que los productores de
electricidad han tenido siempre respecto a la recuperación de sus costes.
Page 14
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
5
Una industria eléctrica con actividades como la generación o la
comercialización basadas en la competencia ya no evoluciona guiada por planes
centralizados, sino por la superposición de decisiones realizadas por múltiples
agentes, cada uno con sus propios objetivos y su particular valoración de la realidad.
Esto hace necesario que las empresas generadoras cambien radicalmente sus
procedimientos de planificación y operación, y se acostumbren a tener en cuenta
factores nuevos, como las posibles acciones de sus competidores, la incertidumbre
respecto a los precios de la electricidad o de los combustibles o la posibilidad de
ganar o perder clientes.
- La planificación eléctrica “tradicional” a largo plazo
La planificación de la generación tradicionalmente ha tenido como objetivo
determinar, a partir de una predicción de la demanda y de hipótesis sobre el régimen
hidráulico, las alternativas existentes de generación y otras variables fundamentales,
como cuál debía ser el calendario aproximado de inversiones en nuevas instalaciones
de producción.
Este problema se suele resolver con la ayuda de herramientas informáticas de
optimización, basadas en técnicas de investigación operativa, que tratan de
minimizar el coste de explotación del sistema respetando una serie de restricciones.
Las principales de estas restricciones están relacionadas con la fiabilidad del sistema,
y tienen como objeto que exista un margen suficiente entre la potencia instalada y la
demanda máxima, de modo que esté garantizada, a un nivel razonable, la continuidad
del suministro. En muchas ocasiones se recogen también otras restricciones, tales
como la limitación del impacto ambiental (lo que puede limitar la utilización de
Page 15
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
6
ciertas tecnologías o combustibles), la diversificación de fuentes de energía o la
exigencia de utilizar determinados combustibles autóctonos. Para más información se
recomienda la consulta de [CENT05].
En la mayor parte de los países la planificación eléctrica ha sido
tradicionalmente responsabilidad de la Administración o ha sido supervisada por
ésta. Este planteamiento era el más indicado en un contexto tecnológico en el cual las
alternativas de generación más eficientes requerían enormes inversiones y largos
plazos de construcción. La Administración formulaba las hipótesis sobre evolución y
otras variables relevantes, decidía qué margen de seguridad era necesario y qué
tecnologías resultaban más adecuadas. En este proceso, y dependiendo de la
estructura industrial y de propiedad en el sector eléctrico de cada país, también han
tenido gran importancia los intereses propios de las empresas eléctricas y de sus
accionistas como importantes “grupos de presión” ante la Administración.
El elemento central de la planificación eléctrica ha sido siempre un proceso
explícito de optimización, que, en teoría, proporcionaba la solución más eficiente a
las necesidades energéticas de cada país. No obstante, esta optimización centralizada
se apoyaba en numerosas hipótesis respecto al comportamiento futuro de las
magnitudes relevantes. La práctica imposibilidad de predecir con precisión estos
valores ha llevado, en diversas ocasiones y países, a errores importantes que han
desembocado en situaciones de exceso de capacidad o falta de potencia instalada, o
en la selección de tecnologías que posteriormente se han revelado inadecuadas.
En este contexto, también la industria eléctrica ha tenido, tradicionalmente, el
incentivo de promover inversiones no siempre justificadas desde un punto de vista
estrictamente económico pero que aumentaban su base de activos con escaso riesgo
Page 16
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
7
en la inversión. Todo ello ha llevado, por ejemplo en el caso español, a un exceso de
capacidad manifiesta desde mediados de los años 80, incluso después de la
paralización de numerosos proyectos.
- La planificación en un marco competitivo
La principal característica de la planificación de la generación en un entorno
competitivo radica en que se realiza de forma descentralizada: cada empresa es
responsable de sus propias decisiones de inversión, y debe tomarlas sin conocer
exactamente cuáles son las hipótesis y valoraciones que formulan sus competidores.
La figura del planificador central ha sido sustituida por una multiplicidad de
“pequeños planificadores”. Puede argumentarse que esto dificulta encontrar la
solución óptima. No obstante, la experiencia de otros sectores económicos demuestra
que un mercado eficiente, donde los participantes reciben las señales económicas
adecuadas, permite encontrar soluciones óptimas con menor riesgo de que se
produzcan los errores “de bulto” que pueden ocurrir en una planificación
centralizada.
La esencia de estos procesos de planificación es alinear los intereses del
agente que toma las decisiones con los intereses de la eficiencia económica global.
En un entorno perfectamente competitivo, las empresas toman la decisión de invertir
sólo cuando tiene sentido económico, eliminando los intereses políticos, industriales
o particulares que pueden darse en un contexto de planificación centralizada.
Esta descentralización, que en los años sesenta y setenta no hubiera resultado
viable, es factible en estos momentos por razones de carácter económico y
tecnológico. El desarrollo de las nuevas tecnologías de generación, como las
Page 17
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
8
centrales de ciclo combinado, ha reducido significativamente las cantidades a invertir
y los plazos de construcción de la nueva capacidad, lo que ha abierto las puertas del
mercado a nuevos competidores. Además, el desarrollo de mercados de combustibles
y, especialmente, el auge del gas natural, permite el acceso a las fuentes de energía
primaria en condiciones más flexibles y a mejores precios que hace unos años. Se
puede afirmar que se reducen significativamente las economías de escala en la
generación eléctrica: un generador pequeño (por ejemplo, una sola planta de 300 ó
400 MW) puede ser tan eficiente o más que las grandes empresas eléctricas.
Aunque se realice por las empresas, de forma descentralizada, la planificación
en un entorno competitivo es un proceso similar, en principio, a la planificación
tradicional. De nuevo es necesario diseñar un calendario de instalación de nueva
capacidad a partir de alternativas existentes y de hipótesis sobre variables relevantes.
No obstante, la introducción de competencia trae consigo una nueva
incertidumbre de carácter fundamental: ¿cómo será la remuneración del generador?
En un mercado competitivo el generador ha de vender su producción, bien a través
de un mercado mayorista organizado, bien tratando directamente con los clientes. Así
pues, el generador no puede saber con exactitud qué volumen de energía podrá
producir ni a qué precio podrá venderlo. Por ejemplo, en un mercado como el
español, donde la energía eléctrica se negocia fundamentalmente a través de un
mercado mayorista o pool, la predicción del precio de este mercado es una variable
fundamental que determina los ingresos que un generador podrá recibir. Además, los
generadores pueden tener otros ingresos no directamente derivados del mercado,
tales como la remuneración de capacidad o las compensaciones por los costes de
transición a la competencia. Estos ingresos también pueden tener elementos de
Page 18
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
9
incertidumbre, al menos en cuanto a su evolución en el tiempo, por lo que el
generador también ha de preverlos al valorar sus alternativas de inversión.
La toma de decisiones en un contexto de incertidumbre elevada resulta muy
difícil para cualquier empresa. Encontrar financiación para que un generador
eléctrico cuyos ingresos dependen de los precios resultantes en el mercado mayorista
puede ser complejo, por lo que, en general, las empresas tratarán de reducir esos
riesgos mediante contratos que aseguren un determinado nivel de ingresos. De todos
modos, las entidades financieras se están habituando a las nuevas circunstancias y
han desarrollado la capacidad de evaluar este tipo de inversiones y los riesgos
asociados.
- La remuneración de los generadores en el pool
En el mercado español y en los mercados eléctricos más importantes y
conocidos (Argentina, Chile, California, Australia, Escandinavia...) la remuneración
de los generadores se basa en principios similares. Todos los generadores son
remunerados al precio mayorista vigente en cada período, y este precio mayorista se
basa en el coste marginal del sistema.
El coste marginal del sistema corresponde al coste de suministrar una unidad
adicional de demanda. En un sistema de ofertas como el utilizado en España, este
valor vendrá dado por la última oferta aceptada para atender la demanda existente,
pues ésa será la que tendrá que aumentar su producción para atender la demanda
adicional.
El precio mayorista se utiliza como base para calcular la remuneración de los
generadores y los pagos a efectuar por los compradores de energía. Las variables
Page 19
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
10
fundamentales que han de utilizarse para hacer predicciones del precio son las que
siempre han sido consideradas en la planificación: régimen hidráulico, precios de los
distintos combustibles, forma de la curva de carga... Por esta razón, la predicción de
los precios del pool podría realizarse, en principio, con un modelo de planificación
de la explotación, que permite obtener el acoplamiento y el despacho de los grupos
generadores a partir de sus costes y sus restricciones de funcionamiento.
- La actitud de los generadores ante un entorno con riesgo
Las empresas generadoras han pasado en poco tiempo de trabajar en un
entorno regulado y previsible a desenvolverse en un mundo en el que van
apareciendo riesgos diversos y en el que han de tomar decisiones de inversión y
explotación en un contexto de incertidumbre. Este cambio no hace más que
enfrentarlas al mismo medio en el que se han desenvuelto tradicionalmente muchas
empresas: luchar por los clientes, tratar de adelantarse a las acciones de los
competidores, asumir las consecuencias de las decisiones equivocadas... Para las
empresas eléctricas esto supone un profundo cambio de mentalidad y de actitud, y
exige el desarrollo de nuevas capacidades de gestión.
La empresa generadora ha de ir más allá de la excelencia tecnológica. Ha de
producir más eficientemente que sus competidores, pero ha de ser capaz de vender
esa producción a buen precio.
La clave del éxito en este nuevo entorno radica en ser capaces de gestionar
los riesgos adecuadamente: el nivel de riesgo no ha de venir impuesto por el azar,
sino que ha de ser activamente controlado por la empresa. Los riesgos, por tanto, han
de verse como oportunidades de negocio.
Page 20
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
11
1.1.3. La nueva generación: los ciclos combinados
El desarrollo de la nueva tecnología de generación de ciclos combinados de
gas natural ha resultado un paso fundamental para la entrada en el mercado de
pequeños nuevos inversores [CORR98]. Este desarrollo ha sido posible por varios
motivos:
• Se espera que haya reservas de gas natural hasta dentro de 100 años como
mínimo: las reservas conocidas de gas se incrementan año tras año, y mejoran
los rendimientos de extracción.
• Se está construyendo la infraestructura necesaria para el aprovechamiento
total de este combustible.
• Se ha conseguido un importante progreso tecnológico en la turbina de gas:
de ser un equipo de bajo rendimiento y de utilización en los parques de
generación europeos como central de punta (especialmente en caso de falta de
generación hidráulica) con escasas horas de utilización, ha pasado a
convertirse en el corazón de las nuevas centrales de ciclo combinado, en las
que la combinación de bajos costes de inversión, modularidad, cortos
períodos de construcción y alto rendimiento las ha convertido en el nuevo
equipo de generación de base de muchos países. El alto rendimiento de la
tecnología de ciclo combinado significa una decisiva ventaja medioambiental.
Las ventajas termodinámicas del ciclo combinado son conocidas desde hace
ya muchos años; sin embargo, para explotar a nivel práctico dichas ventajas ha sido
necesario esperar al desarrollo de las turbinas de gas. En los últimos años se ha
producido un gran avance en la tecnología de las turbinas de gas, de modo que hoy
Page 21
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
12
día existe en el mercado de generación de electricidad un amplio número de modelos
de gran tamaño, alto rendimiento, bajo coste de inversión y mínimo impacto
ambiental.
Las ventajas más importantes de los ciclos combinados frente a las centrales
térmicas convencionales son las siguientes:
• Mayor rendimiento, con posibilidad de aumentarlo gracias a los últimos
desarrollos en la tecnología de las turbinas de gas.
• Menor período de construcción: entre 2 y 2,5 años.
• Menores costes de inversión material y de operación y mantenimiento (los
costes de inversión de una planta de ciclo combinado es aproximadamente del
50 ó 60 % de los correspondientes a una planta convencional).
• Menor impacto medioambiental.
• Otras ventajas de carácter técnico:
o Menor espacio requerido para su implantación.
o Menor consumo de agua de refrigeración.
o Menor consumo eléctrico propio en la planta.
o Menor tiempo de arranque y mayor flexibilidad en la operación.
o Componentes de la planta más modulares y estandarizados.
1.2. El problema de la expansión de la generación en mercados eléctricos
El problema de la expansión de la generación en mercados eléctricos consiste
en la toma de un conjunto de decisiones por parte de las compañías eléctricas
Page 22
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
13
generadoras, como son la construcción de nuevas centrales, el cierre de plantas ya
existentes o la compra y venta de las mismas, de acuerdo con una serie de criterios,
que pueden ser desde, por supuesto, la rentabilidad económica de la inversión hasta
criterios más estratégicos, y sometidas a un conjunto de restricciones de muy diversa
índole: técnicas, económicas, regulatorias, estratégicas...
Otros criterios considerados a la hora de la toma de estas decisiones son las
previsiones de crecimiento de la demanda, las alternativas tecnológicas existentes y
sus costes, las estimaciones de la disponibilidad y precios de los combustibles, los
criterios de fiabilidad adoptados, los condicionantes de impacto medioambiental, las
políticas de diversificación y de dependencia exterior marcadas, etc.
Esta tarea también se conoce como planificación a largo plazo del equipo
generador (en inglés, capacity expansion planning o generation expansion planning).
El objetivo de esta planificación es prever con suficiente anticipación las
incorporaciones necesarias al equipo generador, o las bajas requeridas en el horizonte
considerado. Al contrario que en otros sectores, las incorporaciones a la generación
en el sector eléctrico requieren un tiempo significativo desde que se acuerdan hasta
que comienzan a aportar electricidad al sistema (dos años para los ciclos
combinados, o hasta 10 años para las centrales nucleares, una vez que se han
obtenido los correspondientes permisos, que según el país también pueden demorarse
varios años), por lo que si no se previeran con tiempo no sería posible corregir los
excesos o déficit de demanda eléctrica, con los perjuicios consiguientes. En realidad,
este problema puede seguir existiendo incluso con planificación, debido
fundamentalmente a la incertidumbre sobre la demanda, o a la falta de información
en los mercados liberalizados. En cualquier caso, la posible diferencia siempre será
Page 23
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
14
mucho menor en presencia de planificación, y además existen técnicas dentro de los
sistemas de planificación para tratar de reducir al máximo este error de cálculo.
El horizonte de planificación suele ser de 10-25 años. Es necesario
contemplar horizontes de tiempo tan lejanos porque las inversiones (muy elevadas)
se justifican por los beneficios que proporcionan operando durante su vida útil, que
puede ser de 25 a 40 años para las centrales térmicas y muchos años más para las
hidráulicas.
Obviamente, dado el horizonte de tiempo de estos estudios, la incertidumbre
es un factor absolutamente determinante. Será necesario trabajar con múltiples
escenarios, realizando en la medida de lo posible evaluaciones probabilistas, y
adoptar criterios de selección de alternativas. Por la misma razón no tiene sentido
evaluar para este tipo de estudios el comportamiento detallado técnico de la
operación del sistema, ya que no sería viable ni tiene sentido buscar mucha precisión
en la evaluación de los costes de operación cuando se está manejando tanta
incertidumbre a niveles mucho más significativos en coste.
Para más información acerca del problema de la expansión de la generación
en mercados eléctricos se recomienda la consulta de [CENT05].
1.3. Objetivos del proyecto
El objetivo general del proyecto consiste en el desarrollo de una herramienta
que ayude tanto a los agentes productores de energía eléctrica a la hora de la toma de
decisiones de inversión en activos de generación a largo plazo como a los
Page 24
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 1. INTRODUCCIÓN
15
reguladores de los sistemas para tratar de decidir políticas adecuadas o prever
consecuencias en las ya decididas.
Entre los objetivos específicos del presente proyecto fin de carrera se pueden
destacar:
• Profundización en el funcionamiento de mercados eléctricos a largo plazo.
• Profundización en el conocimiento de la técnica matemática de modelado
“Business Dynamics”.
• Apoyo en el desarrollo de un programa en Matlab que permita modelar
sistemas dinámicos de cualquier tipo.
• Modelado de un sistema eléctrico representando la dinámica de inversiones
en activos de generación a largo plazo mediante la técnica anterior.
• Implantación de un modelo con este algoritmo programado en Matlab.
• Realización de casos-estudio de interés con la ayuda de este modelo.
Page 25
2. “BUSINESS DYNAMICS”
En este segundo capítulo se va a describir la metodología utilizada para el
desarrollo del modelo objetivo de este proyecto fin de carrera.
La Dinámica de Sistemas es una técnica de simulación que surge de la
aplicación de los conceptos de la teoría de control automático a la representación y
simulación de sistemas sociales, económicos, ecológicos o similares [CENT05].
Cuando se aplica al análisis en el campo de los negocios se suele conocer con el
nombre de “Business Dynamics”.
Desde el punto de vista del análisis de expansión de la capacidad esta técnica
es útil porque, a diferencia de técnicas de investigación operativa muy utilizadas
anteriormente, ofrece una metodología que permite analizar exhaustivamente la
complejidad de las interrelaciones entre las distintas variables y centrarse en la
dinámica de comportamiento del sistema, sin detenerse en la complejidad de detalle
del mismo.
Además de “Business Dynamics”, existen multitud de técnicas distintas para
abordar el problema de expansión de la capacidad en sistemas eléctricos. Entre ellas
se pueden citar técnicas de optimización, que tratan de buscar las decisiones de
16
Page 26
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
17
expansión que maximizan o minimizan un criterio de optimalidad sometido a una
serie de restricciones (técnicas de búsqueda, programación lineal, dinámica o
estocástica), técnicas de simulación (entre las que se encuentra “Business
Dynamics”, junto con otras como Multi Agent Based Simulation (MABS) o el
método de simulación de Montecarlo), y otras técnicas adicionales, basadas en teoría
de la decisión, teoría de juegos, técnicas multicriterio... Para más información, se
recomienda la consulta de [CENT05].
En cuanto a la estructura del capítulo, en primer lugar se introducirá la técnica
de dinámica de sistemas, y a continuación se describirá la metodología sistémica y se
resumirá la historia y aplicación de la dinámica de sistemas. Posteriormente se
presentará la estructura elemental de sistemas y se concluirá con una descripción del
proceso de modelado.
Para la descripción de la técnica de dinámica de sistemas se seguirá la
exposición de Javier Aracil en [ARAC95].
Page 27
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
18
2.1. Dinámica de sistemas
En primer lugar conviene aclarar los dos términos que aparecen en el nombre
de esta herramienta, la dinámica de sistemas. Un sistema es un objeto dotado de
alguna complejidad, formado por partes coordinadas, de modo que el conjunto posea
una cierta unidad, que es precisamente el sistema. Así, se habla del sistema
planetario, formado por los planetas unidos mediante las fuerzas gravitatorias; de un
sistema económico, formado por agentes económicos, relacionados entre sí por el
intercambio de bienes y servicios; de un sistema ecológico, formado por distintas
poblaciones, relacionadas mediante cadenas alimentarias o vínculos de cooperación;
de una empresa, como sistema, en la que los distintos departamentos se coordinan en
la organización empresarial; de una máquina, cuyas diferentes partes interactúan para
lograr el fin para el que ha sido concebida. Es en este sentido como se emplea el
término sistema.
Un sistema, en este sentido, se entiende como una unidad cuyos elementos
interaccionan juntos, ya que continuamente se afectan unos a otros, de modo que
operan hacia una meta común. Es algo que se percibe como una identidad que lo
distingue de lo que la rodea, y que es capaz de mantener esa identidad a lo largo del
tiempo y bajo entornos cambiantes.
El otro término que aparece en la locución dinámica de sistemas es dinámica.
El término dinámica se emplea por oposición a estática, y con él se quiere expresar el
carácter cambiante de aquello que se adjetiva con ese término. Al hablar de la
dinámica de un sistema se quiere decir que las distintas variables que componen el
sistema sufren cambios a lo largo del tiempo, como consecuencia de las interacciones
Page 28
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
19
que se producen entre ellas. Su comportamiento vendrá dado por el conjunto de las
trayectorias de todas las variables, que suministra algo así como una narración de lo
acaecido al sistema.
En la figura 2.1. se pueden apreciar imágenes básicas de la estructura (a) y del
comportamiento (b) de un sistema.
FIGURA 2.1. Imágenes básicas de la estructura (a) y del comportamiento (b) de
un sistema [ARAC95]
2.2. Metodología sistémica
Para el estudio de los sistemas en general se ha desarrollado lo que se conoce
como metodología sistémica, o conjunto de métodos mediante los cuales abordar los
problemas en los que la presencia de sistemas es dominante. En realidad, la
metodología sistémica pretende aportar instrumentos con los que estudiar aquellos
Page 29
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
20
problemas que resultan de las interacciones que se producen en el seno de un
sistema, y no de disfunciones de las partes consideradas aisladamente.
El análisis de un sistema consiste en su disección, al menos conceptual, para
establecer las partes que lo forman. Sin embargo, el mero análisis de un sistema no es
suficiente; no basta con saber cuáles son sus partes. Para comprender su
comportamiento es necesario saber cómo se integran; cuáles son los mecanismos
mediante los que se produce su coordinación. Es preciso saber cómo se produce la
síntesis de las partes en el sistema.
Por ello, en el estudio de un sistema, tan importante es el análisis como la
síntesis. El énfasis en la síntesis distingue la metodología sistémica de las
metodologías científicas más clásicas de análisis de la realidad, en las que se tiende a
sobrevalorar los aspectos analíticos por oposición a los sintéticos, mientras que en la
metodología sistémica se adopta una posición más equilibrada. Tan importante es el
análisis, que permite conocer las partes de un sistema, como la síntesis, mediante la
cual se estudia cómo se produce la integración de esas partes en el sistema.
2.3. Historia y aplicaciones de la dinámica de sistemas
Aunque la denominación dinámica de sistemas, en un sentido amplio, se
refiere al comportamiento dinámico que pueden presentar los sistemas, en sentido
restringido se emplea para denominar una metodología concreta, desarrollada por Jay
W. Forrester, que utiliza un lenguaje específico para el modelado y la simulación de
determinados problemas complejos.
Page 30
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
21
La dinámica de sistemas es una metodología ideada para resolver problemas
concretos. Inicialmente se concibió para estudiar los problemas que se presentan en
determinadas empresas en las que los retrasos en la transmisión de información,
unido a la existencia de estructuras de realimentación, da lugar a modos de
comportamiento indeseables, normalmente de tipo oscilatorio. Originalmente se
denominó dinámica industrial. Los trabajos pioneros se desarrollan a finales de los
años 50, y durante los 60 tiene lugar su implantación en los medios profesionales.
Forrester es un ingeniero que inició su carrera profesional trabajando en
servomecanismos y en diseño de computadores. Su éxito en estos campos fue notorio
y, entre otras cosas, inventó las memorias de computadores con núcleo de ferrita. De
sus trabajos con los servomecanismos aprendió que un sistema dotado de
realimentación, en el que se producen retrasos en la transmisión de información,
presenta oscilaciones atenuadas en torno a la meta perseguida.
Mediados los años 50 se le planteó el problema que presentaba una gran
empresa electrónica que, teniendo un mercado muy estable, sin embargo presentaba
importantes oscilaciones en la producción. Forrester intuyó que el problema era
análogo al que presentaban los servomecanismos y que en ambos casos las
oscilaciones eran producidas por estructuras de realimentación negativa con retrasos
en la transmisión de información. Para concretar esta intuición desarrolló la dinámica
de sistemas, a la que inicialmente denominó dinámica industrial.
A mediados de los 60, Forrester propone la aplicación a sistemas urbanos de
la técnica que había desarrollado originalmente para los estudios industriales. Surge
así lo que se denominó la dinámica urbana en la que las variables consideradas son
los habitantes en un área urbana, las viviendas, las empresas, etc. Una aplicación
Page 31
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
22
análoga a la dinámica urbana la constituye la dinámica regional. Con estos modelos
se pretende aportar un elemento auxiliar para la planificación urbana y regional,
representando las interacciones que se producen entre las principales magnitudes
socio-económicas del área correspondiente, y generando, a partir de ellas, las
evoluciones de las magnitudes consideradas significativas: habitantes, indicadores
económicos, etc. para, a partir de estas evoluciones, planificar las necesidades de
infraestructura y otras.
A finales de la década de los 60 se produce el estudio que posiblemente más
haya contribuido a la difusión de la dinámica de sistemas. Se trata del primer informe
del Club de Roma, sobre los límites del crecimiento, que se basó precisamente en un
modelo de dinámica de sistemas, en el que se analizaba la previsible evolución de
una serie de magnitudes agregadas a nivel mundial como son la población, los
recursos y la contaminación. En este modelo se analizaba la interacción de estas
magnitudes y se ponía de manifiesto cómo, en un sistema, debido a las fuertes
interacciones que se producen en su seno, la actuación sobre unos elementos,
prescindiendo de los otros, no conduce a resultados satisfactorios. El informe
correspondiente tuvo una gran incidencia en la opinión pública y ha sido objeto de
múltiples debates, tanto a favor como en contra. Recientemente se ha publicado una
reelaboración de sus conclusiones, en la que prácticamente se mantienen las
recomendaciones de aquel informe.
A raíz de la realización de este último informe, se puso de manifiesto que la
dinámica de sistemas era algo más que la dinámica industrial o la dinámica urbana, y
se convino adoptar la denominación de dinámica de sistemas, con la que se conoce
actualmente.
Page 32
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
23
Los campos de aplicación de la dinámica de sistemas son muy variados.
Durante sus más de 30 años de existencia se ha empleado para construir modelos de
simulación informática en casi todas las ciencias. Por ejemplo, en sistemas
sociológicos ha encontrado multitud de aplicaciones, desde aspectos más bien
teóricos como la dinámica social de Pareto o de Marx, hasta cuestiones de
implantación de la justicia. Un área en la que se han desarrollado importantes
aplicaciones es la de los sistemas ecológicos y medioambientales, en donde se han
estudiado tanto problemas de dinámica de poblaciones como de difusión de la
contaminación. No es casual que, como se ha mencionado, esta metodología fuese
empleada por el Club de Roma. Otro campo interesante de aplicaciones es el que
suministran los sistemas energéticos, en donde se ha empleado para definir
estrategias de empleo de los recursos energéticos. Se ha empleado también para
problemas de defensa, simulando problemas logísticos de evolución de tropas y otros
problemas análogos.
Más allá de las aplicaciones concretas que se acaban de mencionar, la
difusión de estas técnicas ha sido muy amplia, y en nuestros días se puede decir que
constituye una de las herramientas sistémicas más sólidamente desarrolladas y que
mayor grado de aceptación e implantación han alcanzado.
2.4. Estructura elemental de sistemas
En este apartado se va a realizar una descripción de los elementos
fundamentales que conforman la estructura de los sistemas dinámicos. En primer
Page 33
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
24
lugar se introduce el lenguaje sistémico y el concepto de diagrama causal, a
continuación se describen algunas características estructurales típicas de los sistemas
dinámicos, como son los retardos o los bucles de realimentación, y por último se
presentará el tipo de diagramas utilizado en este proyecto.
2.4.1. Introducción al lenguaje sistémico. Diagrama causal
La descripción mínima de un sistema viene dada por la especificación de las
distintas partes o variables que lo forman y por la relación que establece cómo se
produce la influencia entre esas partes. A continuación se va a explicar mediante un
sencillo ejemplo cómo se puede analizar la estructura sistémica de un proceso.
FIGURA 2.2. Proceso de llenar un vaso [ARAC95]
Se supone el hecho elemental de llenar un vaso de agua. En la figura 2.2. se
muestra una ilustración gráfica de ese proceso. Su descripción, en lenguaje ordinario,
Page 34
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
25
es muy simple: el que llena el vaso de agua, mediante la observación del nivel
alcanzado en el vaso, actúa sobre el grifo, de modo que lo va cerrando según se
alcanza el nivel que estima oportuno. El proceso que tiene lugar podría describirse
como sigue: el agente (el que llena el vaso) compara el nivel alcanzado en el vaso
con el nivel deseado; si existe discrepancia actúa sobre el grifo, con lo que se influye
sobre el nivel alcanzado, que es de nuevo comparado (en realidad se trata de un
proceso continuo) con el nivel deseado; según disminuya la discrepancia, se irá
cerrando el grifo, hasta que al anularse ésta, se cierre definitivamente.
El proceso así descrito se puede representar de forma más sintética mediante
un diagrama como el que se superpone en la figura 2.3.(a). En este diagrama se
indican las variables más importantes que intervienen en el proceso, de acuerdo con
la descripción anterior, y que son el nivel alcanzado en el vaso, la discrepancia entre
ese nivel y el deseado, y el flujo de agua que modifica aquel nivel. Estos elementos
básicos del proceso están relacionados entre sí mediante flechas que indican las
influencias que se establecen entre ellos. Por ejemplo, el nivel alcanzado depende del
flujo de agua o, lo que es lo mismo, el flujo de agua influye sobre el nivel alcanzado,
lo que se indica, en el diagrama, mediante una flecha que va desde «flujo de agua» a
«nivel» alcanzado. Esta relación de influencia se escribe:
FLUJO DE AGUA→ NIVEL
De forma análoga, la «discrepancia» se determina a partir del «nivel deseado»
y del «nivel» alcanzado (en realidad es la diferencia entre ambas). Por último, la
«discrepancia» determina el «flujo de agua». Articulando todas las relaciones de
influencia se tiene el diagrama de la figura 2.3.(a), que habitualmente es conocido
como diagrama de influencias.
Page 35
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
26
En esta figura se observa que las flechas que unen la discrepancia con el flujo
de agua, éste con el nivel alcanzado, para acabar de nuevo en la discrepancia, forman
una cadena circular o cerrada de influencias. Es lo que se conoce como un bucle de
realimentación, que es un elemento básico en la estructura del sistema y que se
tratará con detalle más adelante.
FIGURA 2.3. Diagrama básico del proceso de llenar de un vaso de agua: con un
grafo orientado (a); mediante un diagrama causal (b) [ARAC95]
Este ejemplo constituye una muestra de cómo se puede analizar un sistema,
descomponerlo en sus elementos esenciales, y relacionar estos elementos mediante
un bosquejo de cómo se producen las influencias entre ellos. De este modo se tiene la
descripción más elemental que se puede tener de ese sistema, que se limita a
establecer qué partes lo forman y cuáles de ellas se influyen entre sí. La influencia,
en esta descripción, se mantiene a un nivel cualitativo, en el sentido de que
únicamente se dice si se produce o no influencia, pero no la forma o magnitud que
Page 36
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
27
tenga. En general, si A y B son dos partes de un sistema, el hecho de que A influya
sobre B se representa mediante un flecha de la forma A B e indica que B es una
función de A, es decir B = ƒ(A), aunque no se conozca la forma matemática exacta
de la función. El conjunto de las relaciones entre los elementos de un sistema recibe
la denominación de estructura del sistema y se representa mediante el diagrama de
influencias o diagrama causal. El diagrama de influencias de la figura 2.3.(a)
constituye un ejemplo de la estructura de un sistema. La estructura juega un papel
esencial en la determinación de las propiedades sistémicas.
→
En su forma más simple el diagrama de influencias está formado por lo que se
conoce como un grafo orientado. A las flechas que representan las aristas se puede
asociar un signo. Este signo indica si las variaciones del antecedente y del
consecuente son, o no, del mismo signo. Supongamos que entre A y B existe una
relación de influencia positiva:
A B ⎯→⎯+
Ello quiere decir que si A se incrementa, lo mismo sucederá con B; y, por el
contrario, si A disminuye, así también lo hará B. Es decir,
BA ⎯→⎯+ ⇒ 0>dAdB
Por otra parte, si la influencia fuese negativa, a un incremento de A seguiría
una disminución de B, y viceversa.
BA ⎯→⎯− ⇒ 0<dAdB
De este modo, asociando un signo a las relaciones de influencia, se tiene un
diagrama que suministra una información más rica sobre la estructura del sistema,
Page 37
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
28
aunque continúe conservando su carácter cualitativo. Este diagrama, representado en
la figura 2.3.(b), suele conocerse con el nombre de diagrama causal.
2.4.2. Características estructurales típicas de sistemas dinámicos
- Bucle de realimentación negativa
El proceso considerado en la figura 2.2., al que se ha asociado el diagrama
causal de la figura 2.3., es un caso particular de la situación general que se considera
en la figura 2.4.
FIGURA 2.4. Diagrama básico de un bucle de realimentación negativa
[ARAC95]
En esta figura se tiene que el estado alcanzado por una cierta magnitud (el
nivel de agua en el ejemplo anterior) viene determinado por una acción (el flujo de
agua) que a su vez es consecuencia de la discrepancia entre el estado alcanzado por
Page 38
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
29
esa magnitud y el valor que se pretende que tenga, que en la figura 2.4. se denomina
objetivo. Es decir, la discrepancia entre el estado y objetivo determina la acción que
modifica el estado en el sentido de que alcance el objetivo deseado (que la
discrepancia se anule).
El diagrama de la figura 2.4. recibe la denominación de bucle de
realimentación negativa, y representa un tipo de situación muy frecuente en el que se
trata de decidir acciones para modificar el comportamiento de un sistema con el fin
de alcanzar un determinado objetivo.
FIGURA 2.5. Estructura de realimentación negativa del proceso de regulación
de temperatura [ARAC95]
Un diagrama de esta naturaleza se puede aplicar tanto al sencillo acto de
coger un lápiz, detectando mediante la vista la discrepancia entre las posiciones de la
mano y del lápiz; al proceso de regulación de la temperatura en una habitación, en el
que la discrepancia entre la temperatura deseada y la considerada confortable
Page 39
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
30
determina la actuación de un calefactor (si es invierno) para corregir esa discrepancia
(ver figura 2.5.); y tantos otros procesos de naturaleza semejante. El diagrama de un
bucle de realimentación negativa aporta el esquema básico de todo comportamiento
orientado a un objetivo.
Un bucle de realimentación negativa tiene la notable propiedad de que si, por
una acción exterior, se perturba alguno de sus elementos, el sistema, en virtud de su
estructura, reacciona tendiendo a anular esa perturbación. En efecto, se considera el
bucle de la figura 2.6.(a), en el que los elementos se han representado, de forma
general, mediante las letras A, B y C. Supongamos que uno cualquiera de ellos, por
ejemplo el B, se incrementa. En virtud del signo de las relaciones de influencia, el
incremento de B determinará el de C, ya que la relación de influencia
correspondiente es positiva. A su vez, el incremento de C determinará el
decrecimiento de A, ya que así lo determina el carácter negativo de la influencia. El
decrecimiento de A dará lugar al de B, pues la relación es positiva. Por tanto, el
incremento inicial de B le «vuelve», a lo largo de la cadena de realimentación, como
un decremento; es decir, la propia estructura de realimentación tiende a anular la
perturbación inicial, que era un incremento, generando un decremento. De este modo
se comprende que los bucles de realimentación negativa son bucles estabilizadores,
que tienden a anular las perturbaciones exteriores. Por ello, los ingenieros que
diseñan sistemas de regulación automática los incorporan en sus proyectos como
elementos básicos para conseguir la acción reguladora (lo que logran mediante la
adición de bucles de realimentación negativa a los procesos que diseñan). El efecto
de un bucle de realimentación negativa es, por tanto, el tratar de conseguir que las
cosas continúen como están, que no varíen. Son bucles que estabilizan los sistemas.
Page 40
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
31
Es conveniente observar que en un bucle de realimentación negativa lo que se
realimenta es información. El agente necesita información sobre los resultados de sus
decisiones para adaptarlas a los resultados que esas acciones van produciendo.
FIGURA 2.6. Estructura de realimentación negativa (a) y comportamiento
correspondiente del sistema (b) [ARAC95]
- Bucle de realimentación positiva
La otra forma que puede adoptar un bucle de realimentación es la que se
muestra en la figura 2.7., en la que se tiene un bucle de realimentación positiva. Se
trata de un bucle en el que todas las influencias son positivas (o si las hubiese
negativas, tendrían que compensarse por pares). En general la figura 2.7. representa
un proceso en el que un estado determina una acción, que a su vez refuerza este
estado, y así indefinidamente. En este caso el estado es una población, y la acción su
crecimiento neto. En tal caso, cuanto mayor sea la población, mayor es su
Page 41
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
32
crecimiento, por lo que a su vez mayor es la población, y así sucesivamente. Se tiene,
por tanto, un crecimiento explosivo de la población.
FIGURA 2.7. El crecimiento de una población como proceso de realimentación
positiva [ARAC95]
En la figura 2.8.(a) se representa de forma esquemática, mediante las letras A,
B y C, un bucle de esta naturaleza. Con ayuda de este diagrama se puede analizar, de
forma general, el comportamiento que genera este bucle. Si cualquiera de sus
elementos sufre una perturbación, ésta se propaga, reforzándose, a lo largo del bucle.
En efecto, si A crece, entonces, en virtud del signo de la influencia, lo hará B, lo que
a su vez determinará el crecimiento de C y, de nuevo, el de A. Por lo tanto, la propia
estructura del sistema determina que el crecimiento inicial de A «vuelva» reforzado a
A, iniciándose de este modo un proceso sin fin que determinará el crecimiento de A
(figura 2.8.(b)). Este efecto se conoce vulgarmente como «círculo vicioso» o «bola
de nieve». El cambio se amplifica produciendo más cambio.
Page 42
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
33
Se trata, por tanto, de una realimentación que amplifica las perturbaciones y
que, por tanto, inestabiliza al sistema. En este sentido se puede decir que su efecto es
contrario al de la realimentación negativa. Si la realimentación negativa estabilizaba,
la positiva desestabiliza.
FIGURA 2.8. Estructura de realimentación positiva (a) y comportamiento
correspondiente del sistema (b) [ARAC95]
- Retardos
Se ha visto cómo la información sobre las relaciones de influencia podía
enriquecerse con la adición de un signo. En algunos casos interesa, además,
distinguir entre influencias que se producen de forma más o menos instantánea e
influencias que tardan un cierto tiempo en manifestarse. En este último caso, se
tienen influencias a las que se asocian retrasos. En el diagrama de influencias, si A
influye sobre B, y esta influencia tarda un cierto tiempo en manifestarse, entonces se
Page 43
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
34
añaden dos trazos sobre la flecha correspondiente. En la figura 2.9.(a) se muestra un
bucle de realimentación negativa en el que la influencia entre C y A se produce con
un retraso, por lo que la flecha correspondiente presenta dos trazos.
Los retrasos pueden tener una enorme influencia en el comportamiento de un
sistema. En los bucles de realimentación positiva determinan que el crecimiento no
se produzca de forma tan rápida como cabría esperar. En los de realimentación
negativa su efecto es más patente. Su presencia puede determinar que ante la lentitud
de los resultados se tomen decisiones drásticas que conduzcan a una oscilación del
sistema. Así en la figura 2.9.(b) se muestra el posible comportamiento del sistema de
la figura 2.9.(a), en el que se produce una oscilación en torno a la meta perseguida.
FIGURA 2.9. Bucle de realimentación negativa con un retraso (a) y
comportamiento correspondiente (b) [ARAC95]
Page 44
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
35
2.4.3. Diagramas utilizados en la realización del proyecto
En la figura 2.10. se muestra un pequeño ejemplo, ya en el ámbito eléctrico,
del tipo de diagrama que ha sido utilizado para la realización del proyecto, por su
facilidad para ser implementado posteriormente de manera informática mediante
programación.
Estos diagramas están basados en los diagramas causales anteriormente
descritos, pero sirven de gran ayuda a la hora de la codificación informática, puesto
que permiten ver claramente las variables de entrada y salida de los distintos nodos
que componen el modelo.
Demanda
Precio
Precio Futuro
Capacidad
Inversiones
FIGURA 2.10. Ejemplo de diagrama empleado para la realización del proyecto
En este tipo de diagramas las variables (cuyo valor evoluciona en el tiempo)
quedan representadas mediante flechas, mientras que los círculos representan nodos
Page 45
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
36
(es decir, operaciones entre variables). La flecha con dos trazos representa un
retardo.
En estos diagramas se manejan cuatro tipos distintos de nodos, entre los que
se encuentran:
NUBE: Es considerado como un parámetro exógeno o dato de entrada al
sistema. En el pequeño ejemplo de la figura 2.10., la demanda sería un nodo nube.
FIGURA 2.11. Nodo tipo nube
NODO DINÁMICO: La variable de entrada al nodo pertenece al instante de
tiempo t-1, y la de salida al instante de tiempo t. Precisan de un valor inicial (t = 0).
FIGURA 2.12. Nodo dinámico
NODO ESTÁTICO: En un nodo estático, tanto la variable de entrada como
la de salida pertenecen al mismo instante de tiempo t.
FIGURA 2.13. Nodo estático
MAR: No se suele representar este tipo de nodos en los diagramas, pero
sirven para almacenar las variables de interés en cada instante de tiempo.
Page 46
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
37
El pequeño modelo de la figura 2.10. funcionaría de la siguiente forma: el
programa comenzaría por el nodo en el que se calcula el precio, ya que es el único
que cuenta con variables de entrada definidas en el instante inicial: la demanda como
variable exógena o parámetro de entrada al modelo y la capacidad en el instante t = 0
como una condición inicial. Con la capacidad y la demanda se podría realizar la
casación y determinar así el precio, que sería la variable de salida de este primer
nodo. A continuación, en el siguiente nodo se hallaría un precio esperado en el
futuro, mediante, por ejemplo, técnicas de extrapolación, y posteriormente se
calcularían a partir de este precio futuro, y por tanto, de la rentabilidad esperada, las
inversiones decididas por el agente generador, pasando a actualizarse la nueva
capacidad, y así sucesivamente.
2.5. Proceso de modelado
El proceso de modelado consiste en el conjunto de operaciones mediante el
cual, tras el oportuno estudio y análisis, se construye el modelo del aspecto de la
realidad que se pretende estudiar. Este proceso, consiste, en esencia, en analizar toda
la información de la que se dispone con relación al proceso, depurarla hasta reducirla
a sus aspectos esenciales, y reelaborarla de modo que pueda ser transcrita al lenguaje
sistémico explicado anteriormente.
En el proceso de modelado se pueden distinguir las fases siguientes:
• Definición del problema. En esta primera fase se trata de definir claramente el
problema y de establecer si es adecuado para ser descrito con los útiles sistémicos
Page 47
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
38
desarrollados. Para ello el problema debe ser susceptible de ser analizado en
elementos componentes, los cuales llevan asociadas magnitudes cuya variación a lo
largo del tiempo se quiere estudiar.
• Conceptualización del sistema. Una vez asumida, en la fase anterior, la
adecuación del lenguaje sistémico elemental para estudiar el problema, en esta
segunda fase se trata de acometer dicho estudio, definiendo los distintos elementos
que integran la descripción, así como las influencias que se producen entre ellos. El
resultado de esta fase es el establecimiento del diagrama de influencias del sistema.
• Formalización. En esta fase se pretende convertir el diagrama de influencias,
alcanzado en la anterior, en el de Forrester (en el caso de este proyecto, se obtiene el
diagrama descrito en el apartado 2.4.3., que facilita la implementación informática
del modelo). A partir de este diagrama se pueden escribir las ecuaciones del modelo
(algunos entornos informáticos permiten hacerlo directamente). Al final de la fase se
dispone de un modelo del sistema programado en un ordenador.
• Comportamiento del modelo. Esta cuarta fase consiste en la simulación
informática del modelo para determinar las trayectorias que genera.
• Evaluación del modelo. En esta fase se somete el modelo a una serie de ensayos y
análisis para evaluar su validez y calidad. Estos análisis son muy variados y
comprenden desde la comprobación de la consistencia lógica de las hipótesis que
incorpora hasta el estudio del ajuste entre las trayectorias generadas por el modelo y
las registradas en la realidad. Así mismo, se incluyen análisis de sensibilidad que
permiten determinar la sensibilidad del modelo, y por tanto, de las conclusiones que
se extraigan de él, con relación a los valores numéricos de los parámetros que
incorpora o las hipótesis estructurales.
Page 48
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
39
• Explotación del modelo. En esta última fase el modelo se emplea para analizar
políticas alternativas que pueden aplicarse al sistema que se está estudiando. Estas
políticas alternativas se definen normalmente mediante escenarios que representan
las situaciones a las que debe enfrentarse el usuario del modelo.
FIGURA 2.14. Fases en la construcción de un modelo [ARAC95]
El conjunto de estas fases se representa en la figura 2.14. En esta figura
además de la secuencia de los bloques que representan las fases, de arriba a abajo, se
muestran flechas que indican vueltas hacia atrás del proceso de modelado. Se quiere
con ello indicar que el proceso de modelado no consiste en recorrer secuencialmente
y por orden correlativo estas fases, sino que, con frecuencia, al completar alguna de
ellas, se debe volver hacia atrás, a una fase anterior, para reconsiderar algunos
supuestos que hasta entonces se habían considerado válidos. El proceso de modelado
es un proceso iterativo mediante el cual se combinan los distintos elementos
conceptuales y operativos que suministra la dinámica de sistemas, para alcanzar
Page 49
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 2. “BUSINESS DYNAMICS”
40
como resultado final un modelo aceptable del proceso objeto de estudio. En este
sentido, se dice que el proceso de modelado tiene más de arte que de ciencia, y en él
el modelista juega un papel esencial.
Page 50
3. DESCRIPCIÓN DEL MODELO
Una vez introducida la técnica matemática utilizada para el desarrollo de este
proyecto, en este capítulo se procede a la descripción detallada del modelo
implementado para abordar el problema de expansión de la capacidad en mercados
eléctricos.
El modelo está basado en el artículo de investigación publicado por la
London Business School “Understanding Strategic Decisions in De-Regulated
Markets: Accelerate Learning through Simulation”, de Shayne Gary y Eric Reimer
Larsen [GARY98]. Este artículo, y en particular el fragmento correspondiente al
sector eléctrico (sin considerar la parte que modela el sector del gas), ha sido
estudiado y analizado en detalle, y posteriormente criticado y mejorado para
construir el modelo descrito en este proyecto fin de carrera.
Por esta razón, la intención de este capítulo es describir en primer lugar el
modelo mencionado anteriormente y a continuación pasar a realizar una exposición
detallada del modelo desarrollado en este proyecto.
41
Page 51
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
42
3.1. Modelo de expansión de Gary
El modelo de expansión de Gary viene descrito en un artículo de
investigación publicado por la London Business School [GARY98].
En este modelo se relacionan las decisiones de expansión de la capacidad del
sistema eléctrico inglés representando detalladamente sus interacciones con el
mercado del gas.
Nada más producirse la liberalización del sistema eléctrico británico (entre
1990 y 1991), existía un duopolio (formado por dos grandes empresas, National
Power y Powergen, que ya funcionaban antes de la liberalización), y este modelo
trata de reflejar cómo iban a ir entrando nuevos productores independientes (IPPs,
independent power producers) al nuevo mercado abierto a la competencia,
analizando también las relaciones entre el mercado eléctrico y el mercado del gas,
puesto que las nuevas inversiones en activos de generación iban a ser principalmente
en forma de centrales de ciclo combinado de gas natural.
El modelo consta de cuatro bucles principales:
• Bucle de precio del pool e inversión en ciclos combinados con turbina de gas
(bucle A en la siguiente figura, supone una realimentación negativa).
• Bucle de precio del gas (bucle B en la figura, también supone una
realimentación negativa).
Page 52
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
43
Margen de Reserva
Precio del Pool
Precio del Pool Esperado
Inversión en CCGT (duopolio e IPP)
Capacidad Registrada
Beneficios Esperados
Factor de Carga Esperado
Margen de ReservaNormal
Demanda de electricidad
Demand
EquilibrioDemanda
A
-
-
-+
-
--
FIGURA 3.1
turbina de
+
a de Gas
Oferta/ de Gas
Coste Total del CCGT
Precio del Gas en el Largo Plazo
Costes ajenos acombustible
B
-
-
. Bucles de precio del pool e inversión en ciclos combina
gas del modelo de expansión para el Reino Unido [GAR
+
+
+
+
+
+
+
l
dos con
Y98]
Page 53
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
44
• Bucle de inversión del Duopolio (National Power y Powergen).
Cuota de Mercado Deseada
Defecto de Cuota
C Cuota de Mercado
Proyectada
+ Capacidad Total Proyectada por los
IPP Capacidad Tot
Duopolio
Retiradas de Cede Carbón y
FIGURA 3.2. Bucle de inversión del Duop
• Bucle de factor estratégico de los productores ind
FIGURA 3.3. Bucle de factor estratégico
Retiradas Proyectadas
Capacidad Total Proyectada por los
IPPs
+
Inversión de los IPPs en
CCGT D
+
Optimismo
+
+
Inversión del Duopolio en
CCGT
de Mercado
+
al del
ntrales Fuel
olio [G
ependie
de los I
+
ARY98]
ntes (IPPs).
PPs [G
MargeRese
Proyec
Demanda Punta
Proyectada
MargeReseNorm
+
-
-
-
-
-
n de rva tado
-
-
-
ARY98]
n de rva al
Page 54
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
45
El bucle de precio del pool e inversión en ciclos combinados con turbina de
gas (CCGT), etiquetado como A en la figura 3.1., caracteriza el análisis económico
realizado por las empresas y subyacente en la decisión de invertir en nueva
capacidad, e indica cómo el precio del pool regula la inversión en nueva capacidad.
Según lo indicado, el lazo A supone una realimentación negativa dando por resultado
un proceso de equilibrio en el que las decisiones de inversión tratan de mantener el
margen de reserva normal. El margen de reserva es un medida usada por
generadores, comercializadores y reguladores de la electricidad para calibrar el
equilibrio de oferta – demanda en la generación. Puesto que la electricidad no puede
ser almacenada, debe siempre haber un cierto margen de exceso de generación sobre
la demanda máxima para asegurar un servicio ininterrumpido. Cuando el margen de
reserva se desvía del margen normal, la industria toma medidas. Un aumento de la
demanda de electricidad disminuye el margen de reserva, y aumenta el precio del
pool. El aumento del precio hace la inversión en nueva capacidad de ciclos
combinados más atractiva económicamente, y la inversión en CCGT ocurre en
última instancia. Después de un retraso de 3-5 años para construir nueva capacidad,
la capacidad instalada aumenta y el margen de la reserva sube al nivel deseado,
disminuyendo de nuevo el precio.
El segundo bucle, etiquetado como B en la figura 3.1, se refiere al precio del
gas y al coste de inversión de las centrales de ciclo combinado (CCGT). Muestra la
conexión entre la electricidad y los mercados del gas. El lazo destaca otro proceso
negativo de realimentación en el cual el precio del gas equilibra la demanda del gas y
su suministro regulando la inversión en capacidad CCGT. La inversión en nueva
capacidad CCGT aumenta la demanda del gas, y la presión de la demanda eleva el
Page 55
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
46
precio del gas. Mientras que el precio del gas aumenta, el coste total de CCGT (por
kWh producido) aumenta dando como resultado menor atractivo para invertir en
nuevas plantas de CCGT. Dado este poco atractivo, la inversión de CCGT se detiene
hasta que el abastecimiento de gas se realinea con la demanda del gas.
El bucle etiquetado como C en la figura 3.2. modela el comportamiento del
Duopolio y su política de inversión en activos de generación. Las variables de
decisión a las que atiende el Duopolio, además de obedecer a la rentabilidad
económica, están basadas en un objetivo de cuota de mercado. El Duopolio cuenta
con una cuota de mercado deseada que ajusta para mantener su posición en el
mercado por debajo de lo que percibe como la máxima cuota de mercado que el
regulador le permitirá mantener. Esa cuota de mercado deseada es comparada con la
cuota de mercado proyectada, dadas las inversiones en nueva capacidad por parte de
los IPPs, y el defecto de cuota de mercado determina las inversiones en centrales de
ciclo combinado por parte del Duopolio. Este lazo representa también un proceso de
realimentación negativa.
Por último, el bucle etiquetado como D en la figura 3.3. modela la política de
inversión en centrales de ciclo combinado por parte de los IPPs. Estos productores
independientes, que han entrado en el mercado gracias a la liberalización del sector
eléctrico en el Reino Unido, dan una gran importancia al margen de reserva
proyectado – el porcentaje de exceso de capacidad sobre la demanda punta. La
capacidad proyectada es función de la capacidad existente, el calendario de retiradas
proyectadas y las centrales en construcción. Cuando el margen de reserva proyectado
es alto, el optimismo para la inversión en nuevas centrales de ciclo combinado es
bajo, y viceversa.
Page 56
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
47
A partir de este modelo, la simulación permite determinar la amplitud de los
ciclos de expansión, establecer tendencias de los precios, determinar las
interacciones entre mercados, etcétera.
3.2. Modelo
En este apartado se va a describir el núcleo de este proyecto fin de carrera,
constituido por el modelo que representa la inversión a largo plazo de las empresas
eléctricas en activos de generación.
Este modelo pretende abordar el problema de ampliación de la capacidad en
mercados eléctricos, constituyendo una herramienta que ayude a las empresas
generadoras a la hora de tomar las decisiones de inversión en nuevas centrales o a los
reguladores para tratar de decidir políticas adecuadas o prever consecuencias en las
ya decididas.
En primer lugar se presentarán las características generales del modelo y las
principales mejoras aportadas, a continuación se pasará a describir de forma
detallada el modelo, bloque a bloque. Ya en el capítulo siguiente se presentarán
algunos casos desarrollados con la ayuda de este modelo.
3.2.1. Características generales del modelo
El modelo desarrollado en este proyecto fin de carrera representa la inversión
a largo plazo de las empresas eléctricas en activos de generación, pretendiendo
Page 57
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
48
constituir una herramienta que ayude a las empresas generadoras a la hora de tomar
las decisiones de inversión en nuevas centrales o a los reguladores para tratar de
decidir políticas adecuadas o prever consecuencias de las ya decididas.
Las características principales del modelo son:
• Se trata de un mercado liberalizado, donde la actividad de generación ha
sido desregularizada y abierta a la competencia. Como resultado de esta
liberalización de la actividad de generación, la situación de las empresas
generadoras es mucho más incierta, con mucho mayor riesgo.
• El modelo se centra exclusivamente en el mercado eléctrico, sin considerar
el mercado de gas.
• De forma similar al modelo de expansión de Gary [GARY98], existen dos
tipos distintos de agentes: el Duopoly (duopolio formado por dos grandes
empresas que ya existían antes de la liberalización del sector, National Power
y Powergen) y los IPPs (productores independientes, independent power
producers), que entran al mercado eléctrico gracias a la liberalización del
mismo y la consiguiente introducción de competencia. Por tanto, el modelo
representa bien la situación del Reino Unido, pero podría hacerse extensible a
cualquier mercado liberalizado en el que la actividad de generación haya sido
abierta a la competencia.
• Se supone un funcionamiento del mercado como si hubiera competencia
perfecta, es decir, ningún agente es lo suficientemente importante como para
poder influir en el precio del mercado.
• Todas las nuevas inversiones se realizan en centrales de ciclo combinado de
gas natural por las razones que ya fueron expuestas en el primer capítulo, es
Page 58
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
49
decir, fundamentalmente porque requieren una inversión considerablemente
menor (la inversión material de una planta de ciclo combinado de gran
tamaño es aproximadamente del 50 ó 60 % de la correspondiente a una planta
convencional de carbón con desulfuración de gases [CORR98]), y porque el
tiempo de construcción (alrededor de unos 2 años) es mucho más pequeño
también. Esto se acerca a la realidad actual, puesto que la principal tecnología
de expansión ha sido el ciclo combinado.
• El parque generador está formado por un mix de tecnologías diferentes:
existen centrales nucleares, centrales térmicas de carbón y de fuel-oil y, por
último, las centrales de ciclo combinado que se van incorporando como
resultado de las nuevas inversiones. Simultáneamente hay un calendario de
retiradas de centrales térmicas de carbón y de fuel-oil, y también se tiene en
cuenta la vida de las centrales de ciclo combinado (alrededor de unos 30
años). En el modelo sólo se considera demanda térmica, sin tener en cuenta la
energía hidráulica.
• Cada agente (Duopoly e IPPs) cuenta con sus propias variables de decisión,
a las que atiende a la hora de determinar qué número de centrales le interesa
construir. Estas variables de decisión incluyen, por supuesto, criterios
económicos o de rentabilidad de la inversión, pero también se ven reflejados
otros criterios de tipo estratégico, que se explicarán más adelante.
• El paso de simulación es cada año, y para cada año se calcula el precio en tres
niveles de carga: punta, llano y valle.
Page 59
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
50
3.2.2. Aportaciones del modelo
Las principales mejoras aportadas al modelo respecto al modelo de Gary
([GARY98]) a lo largo de la realización de este proyecto han sido:
• Considerar que el parque generador está formado por un mix de tecnologías,
compuesto por centrales nucleares, térmicas de carbón y fuel-oil, y por
último, centrales de ciclo combinado de gas natural, que son en las que
invierten los agentes productores.
• Considerar que existen tres niveles distintos de carga (punta, llano y valle) a
lo largo del año, para dotar de mayor riqueza al modelo.
• Diseñar una función de casación entre oferta y demanda, con objeto de hallar
el precio de mercado (Pool_Price) para cada nivel de carga.
• Utilizar un modelo de extrapolación lineal para el cálculo del precio esperado
en el futuro (Expected_Pool_Price) para cada nivel de carga.
• Considerar una tasa de descuento a la hora de calcular la rentabilidad
esperada de la inversión (Expected_Profitability).
• Considerar costes de inversión, costes fijos y variables para las centrales de
ciclo combinado.
• Implementar informáticamente retrasos en la construcción e incorporación de
las centrales de ciclo combinado al mercado.
• Diseñar funciones para el cálculo, la acumulación y la actualización de la
capacidad de los agentes, tanto del Duopolio como de los IPPs.
Page 60
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
51
• Diseñar una función distinta para el cálculo de un parámetro estratégico de
optimismo (Management_Optimism) utilizado por los IPPs a la hora de
decidir cuántas centrales deben empezar a construir.
• Diseñar una función distinta de decisión de inversión en nuevas centrales de
ciclo combinado por parte de los IPPs.
• Diseñar una función distinta de decisión de inversión en nuevas centrales de
ciclo combinado por parte del Duopolio.
• Considerar la existencia de un regulador que ponga un límite superior al
número de centrales de ciclo combinado que deciden construir los agentes.
• Considerar la existencia de un pago por capacidad.
• Diseñar una serie de funciones que permiten acumular y actualizar las
decisiones futuras de construcción de nuevas centrales de ciclo combinado
por parte del Duopolio y de los IPPs.
3.2.3. Estructura general del modelo
Este modelo, que representa la inversión a largo plazo de las empresas
eléctricas en activos de generación, se puede presentar gráficamente de forma
resumida de la siguiente manera*:
* En el anexo A se puede encontrar una figura del diagrama causal del modelo detallado en su totalidad.
Page 61
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
52
FIGURA 3.4. Diagrama resumido del modelo
Como se puede apreciar en la figura, existen tres bloques claramente
diferenciados:
• Por una parte, el bloque marcado como “MARKET” representa el
comportamiento del mercado. Este bloque tiene como variables de entrada las
centrales decididas para construir por los dos agentes (IPPs y Duopoly) en
cada instante de tiempo (IPP_CNI y DCNI), y como variable de salida la
rentabilidad esperada de las inversiones (Expected_Profitability).
• Por otra parte, el bloque designado como “IPP” modela el comportamiento
de este tipo de agentes, los IPPs (productores independientes). Este bloque
recibe como variables de entrada la rentabilidad esperada de las inversiones
(Expected_Profitability) por parte del bloque “MARKET” y la capacidad
Page 62
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
53
proyectada para construir por el Duopolio (Duopoly_Projected_Capacity) por
parte del bloque “DUOPOLY”, y calcula como variables de salida su propia
capacidad proyectada (IPP_Projected_Capacity), que realimenta al bloque
“DUOPOLY”, y el número de centrales de ciclo combinado que los IPPs
deciden construir (IPP_CNI), que va al bloque “MARKET”.
• Por último, el bloque señalado como “DUOPOLY” modela el
comportamiento del Duopolio (Duopoly). Este bloque recibe como variables
de entrada la rentabilidad esperada de las inversiones (Expected_Profitability)
por parte del bloque “MARKET” y la capacidad proyectada para construir
por los IPPs (IPP_Projected_Capacity) por parte del bloque “IPP”, y calcula
como variables de salida su propia capacidad proyectada
(Duopoly_Projected_Capacity), que realimenta al bloque “IPP”, y el número
de centrales de ciclo combinado que el Duopolio decide construir (DCNI),
que va al bloque “MARKET”.
Una vez realizada esta descripción a grandes rasgos del modelo, se procederá
a profundizar en cada uno de los bloques representados en la figura 3.4., analizando
en detalle las variables, funciones y ecuaciones que rigen el comportamiento del
modelo. Asimismo se realizará una descripción conceptual de cada uno de los
bloques.
Page 63
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
54
3.2.4. Bloque “MARKET”
Este bloque representa el comportamiento del mercado. Tiene como variables
de entrada las centrales decididas para construir por los dos agentes (IPPs y Duopoly)
en cada instante de tiempo (IPP_CNI y DCNI), y como variable de salida la
rentabilidad esperada de las inversiones (Expected_Profitability). En la figura de la
página siguiente se muestra un diagrama detallado de este bloque.
El funcionamiento interno del bloque es el siguiente: en primer lugar se
actualiza la capacidad del sistema, teniendo en cuenta la capacidad en el instante
anterior, las centrales decididas a construir y las centrales retiradas. Una vez
calculada la capacidad existente en el sistema (Capacity), se realiza para cada nivel
de carga (punta, llano y valle) la casación entre oferta (capacidad) y demanda
(Demand), determinándose así el precio del pool en cada uno de los niveles de carga
(Pool_Price). Con este precio del pool y con la ayuda de una serie de precios
acumulados anteriormente (PA_ac) se trata de predecir el precio esperado a lo largo
de la vida de la central para cada nivel de carga (Expected_Pool_Price). Para realizar
esta predicción del precio se ha utilizado una extrapolación lineal. Por último, con
todos los precios esperados para cada nivel de carga se procede al cálculo de la
rentabilidad esperada de la inversión (Expected_Profitability), que constituye la
variable de salida de este bloque, y que será una de las variables de entrada de los
otros dos bloques del modelo.
Page 64
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
55
FIGURA 3.5. Bloque “MARKET”
Page 65
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
56
Por tanto, los nodos constituyentes de este bloque, como se puede ver en la
figura anterior, son:
1. Nodos de cálculo de la capacidad del sistema (nodos Cap_ac y Capacity)
2. Nodos de cálculo del precio del pool (nodos tipo Pool_Price)
3. Nodos de cálculo del precio esperado (nodos tipo Expected_Pool_Price)
4. Nodo de cálculo de la rentabilidad esperada de la inversión
(Expected_Profitability)
A continuación se explicará nodo a nodo el comportamiento interno del
bloque:
1. Nodos de cálculo de la capacidad del sistema (nodos Cap_ac y Capacity)
FIGURA 3.6. Nodos Cap_ac y Capacity
Page 66
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
57
Estos dos nodos se utilizan para calcular la capacidad de generación del
sistema en un instante determinado. Para ello se valen de la capacidad ya existente,
de la que se retira por cierres y de las nuevas centrales que entran en el sistema.
El primero de estos nodos (Cap_ac) es dinámico, es decir, su variable de
entrada pertenece al instante de tiempo t-1 y su variable de salida pertenece al
instante t.
La variable de entrada de este nodo es Cap. Esta variable es un vector con
cuatro componentes, donde se almacena la capacidad instalada en MW en función de
la tecnología. Así, en la primera componente figuran los MW instalados
correspondientes a centrales nucleares, en la segunda los correspondientes a centrales
de carbón, en la tercera componente los de centrales de fuel-oil y en la cuarta los de
centrales de ciclo combinado (CCGT):
1_[=Cap
2_,
3_, ]_,
4 MW donde
CCGToilFuel
CarbónNuclear
→−→
→→
4321
Esta variable de entrada (Cap), cuya misión es almacenar la capacidad
existente en el sistema en el instante t-1, precisa de un valor inicial para comenzar la
simulación.
La variable de salida (Cap_ac), que también es un vector con cuatro
componentes, simplemente actualiza esa capacidad al instante de tiempo t; por tanto,
la ecuación que rige este nodo es muy sencilla:
CapacCap =_
Page 67
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
58
El segundo nodo (Capacity) es estático, esto es, sus variables tanto de entrada
como de salida pertenecen al mismo instante de tiempo t. Como entrada recibe las
siguientes variables:
• Una variable procedente del Duopoly (DCNI) que indica el número de
centrales de ciclo combinado construidas por el Duopoly que entran a
funcionar en cada instante de tiempo t. Se supone que cada central de ciclo
combinado (CCGT) representa 400 MW.
• Una variable procedente de los IPPs (IPP_CNI) que indica el número de
centrales de ciclo combinado construidas por los IPPs que entran a funcionar
en cada instante de tiempo t.
• La variable Cap_ac, que guarda la capacidad existente en el sistema.
• Tres variables exógenas o parámetros de entrada, que proceden de un nodo
nube, y que representan los cierres de centrales:
o Oil_Retirement: MW de centrales de fuel-oil retirados.
o Coal_Retirement: MW de centrales de carbón retirados.
o Projected_Retirement: MW de centrales de ciclo combinado retirados.
Cada una de estas variables es un vector de tres componentes, que indica para
cada año el calendario de retiradas de centrales previsto para ese año y para
los dos siguientes.
Este nodo presenta dos variables de salida. En primer lugar se calcula la
nueva capacidad, Capacity (variable vectorial similar a Cap), a partir de la capacidad
ya existente (Cap_ac), añadiendo la capacidad de las nuevas centrales de ciclo
combinado construidas (DCNI, IPP_CNI) y quitando las centrales retiradas
correspondientes a ese año (Oil_Retirement, Coal_Retirement,
Page 68
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
59
Projected_Retirement), teniendo en cuenta a qué tipo de tecnología pertenece cada
central:
]0,0,1,0[)1(]0,1,0,0[)1(
]1,0,0,0[)]1()_(400[_
⋅−⋅−
−⋅−+⋅+=
ementCoal_RetirmentOil_Retire
RetirementProjected_DCNICNIIPPacCapCapacity
Evidentemente se controla que ninguna de las cuatro componentes de la
variable Capacity sea negativa.
La segunda variable de salida de este nodo es, según se aprecia en la figura
3.6., Cap. Esta variable servirá de almacén para la nueva capacidad calculada
anteriormente, de manera que esté disponible para el nodo Cap_ac en el siguiente
instante de tiempo. Por tanto:
CapacityCap =
2. Nodos de cálculo del precio del pool (nodos tipo Pool_Price)
El siguiente grupo de nodos que se va a explicar está formado por los nodos
Pool_Price, en los que se realiza la casación entre oferta y demanda, determinándose
así el precio correspondiente a cada uno de los tres niveles de carga en que se ha
dividido cada año: punta, llano y valle. Así, existen tres nodos de este tipo:
Pool_Price_Punta, Pool_Price (que corresponde al nivel de carga de llano) y
Pool_Price_Valle.
Page 69
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
60
FIGURA 3.7. Nodos tipo Pool_Price (se representa Pool_Price_Punta)
Las variables de entrada de este tipo de nodos son:
• La capacidad actual del sistema, Capacity, procedente del nodo anterior.
• Tres variables exógenas o parámetros de entrada que proceden de un nodo
nube:
o La demanda en MW del instante de tiempo actual, Demand,
correspondiente al nivel de carga llano.
o Un vector, Technology_Price, que representa los costes variables (en
c€/kWh) de cada tipo de tecnología (nuclear, carbón, fuel-oil y ciclos
combinados) y un precio por energía no suministrada (ENS). Por
ejemplo:
Technology_Price (c€/kWh) Nuclear1 0,5 Nuclear2 0,7 Coal3 1,8 Coal4 2,2 CCGT5 3,3 Fuel / Oil6 4,3 Fuel / Oil7 4,7 ENS8 18
TABLA 3.1. Valores de Technology_Price
Page 70
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
61
o Un coeficiente (llamado Punta o Valle) que, multiplicado por la
demanda en llano (Demand), da la demanda en el nivel de carga de
punta o de valle respectivamente.
La variable de salida de este tipo de nodos es el precio del pool (Pool_Price)
del nivel de carga que corresponda (punta, llano o valle). Para calcular dicho precio,
se realiza una casación similar a la representada en la figura siguiente:
Pool_Price (c€/kWh)
ENS
T
d
Pool_Price
R
d MW
FIGURA 3.8. Ca
3. Nodos de cálculo del precio esperado
De este tipo de nodos también
(punta, llano y valle), y en ellos se calc
la central (si la central se empezara a c
ello una serie de precios históricos, inc
extrapolación lineal.
El primero de estos nodos (PA
entrada (PA) necesita de un valor inicia
Deman
Deman
NUCLEA
COAL
sación
(nod
exis
ula el
onstru
luido
_ac)
l. Est
CCG
ofer
os tipo
ten tr
preci
ir en
el de
es din
a vari
FUEL-OIL
ta-demanda
PA_ac y Expected_Pool_Price)
es, uno para cada nivel de carga
o esperado a lo largo de la vida de
el instante actual) utilizando para
l año actual. Para ello se usa una
ámico; por tanto, su variable de
able es una serie de precios que se
Page 71
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
62
irá ampliando a medida que se calculen precios en los instantes de tiempo sucesivos,
y que servirá en el nodo tipo Expected_Pool_Price para realizar una extrapolación
lineal y determinar así el precio esperado. En este nodo lo único que se hace es
actualizar la variable del instante t-1 al siguiente. Por tanto, su ecuación es:
PAacPA =_
FIGURA 3.9. Nodos tipo Expected_Pool_Price y PA_ac (se representan los
correspondientes a llano)
El segundo de estos nodos (Expected_Pool_Price) es estático. Las variables
de entrada son:
• El precio correspondiente al nivel de carga de que se trate (Pool_Price).
• El vector Technology_Price, que procede de un nodo tipo nube y representa
los costes variables (en c€/kWh) de cada tipo de tecnología (nuclear, carbón,
fuel-oil y ciclos combinados) y un precio por energía no suministrada (ENS).
En este caso sólo sirve para poner una cota máxima en la predicción del
precio.
Page 72
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
63
• La variable PA_ac, que contiene una serie de precios históricos.
Las variables de salida de este nodo son dos. En este caso primero se
actualiza la lista de precios acumulados (PA), añadiendo a la lista que se tenía
anteriormente (PA_ac) el nuevo precio calculado (Pool_Price):
],_[ Pool_PriceacPAPA =
En segundo lugar se realiza una extrapolación lineal con los valores de la
serie de precios PA, determinando la previsión de precios esperados
(Expected_Pool_Price) para los años de vida de la central de ciclo combinado (30
años). Cuando de la extrapolación resulta un precio superior al de la energía no
suministrada (ENS), se pone éste como cota superior. Así, las variables
Expected_Pool_Price correspondientes a cada nivel de carga son vectores con 30
elementos.
4. Nodo de cálculo de la rentabilidad esperada de la inversión
(Expected_Profitability)
FIGURA 3.10. Nodo Expected_Profitability
Page 73
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
64
En este nodo se calcula la rentabilidad esperada en el momento actual de
ejecución, de la inversión en una central de ciclo combinado que empezara a
construirse en ese instante (Expected_Profitability). Las variables de entrada a este
nodo son:
• Los precios esperados en los niveles de carga de punta, llano y valle
(Expected_Pool_Price).
• Unas variables exógenas o parámetros de entrada procedentes de un nodo
nube:
o Los costes variables de las centrales de ciclo combinado, CV, en
c€/kWh.
o Los costes de inversión de las centrales de ciclo combinado, CI
(€/kW).
o Los costes fijos de las centrales de ciclo combinado, CF (€/kW).
o Una tasa de descuento r para tener en cuenta el valor temporal del
dinero.
o Un pago por capacidad en €/kW, Capacity_Payment.
o Otros parámetros (Duracion_Punta, Duracion_Valle) que indican en
tanto por uno qué porcentaje de horas al año corresponden a cada tipo
de nivel de carga (punta, llano y valle). Evidentemente:
ValleDuracionPuntaDuracionLlanoDuracion __1_ −−=
La variable de salida de este nodo es la rentabilidad esperada de la inversión
(Expected_Profitability). Es también la variable de salida de este bloque que modela
el comportamiento del mercado, y será variable de entrada de los otros dos bloques
(“DUOPOLY”, “IPP”). La rentabilidad esperada se calcula de la siguiente forma: se
Page 74
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
65
suman los ingresos que obtendrá la central durante las horas en funcionamiento
correspondientes a los niveles de carga de punta, llano y valle con los ingresos por
pagos por capacidad y se restan los gastos por costes fijos durante toda la vida de la
central de ciclo combinado (30 años), todos ellos afectados de una tasa de descuento,
y por último se restan los costes de inversión. Si el resultado es negativo, la
rentabilidad esperada será nula. Las ecuaciones descritas son:
ii r
PuntaDuracionCViPuntaool_Price_Expected_P
PuntaIngresos
)1(1]_
1008760)0,)([max(
_
30
1 +⋅⋅⋅−=
=
∑=
i
i
rPuntaDuracionValleDuracion
CViool_PriceExpected_P
LlanoIngresos
)1(1)]__1(
1008760)0,)([max(
_
30
1
+⋅−−⋅
⋅⋅−=
=
∑=
ii r
ValleDuracionCViValleool_Price_Expected_P
ValleIngresos
)1(1]_
1008760)0,)([max(
_
30
1 +⋅⋅⋅−=
=
∑=
∑= +
=30
1 )1(__
iir
PaymentCapacityCapacidadIngresos
∑= +
=30
1 )1(_
iir
CFFijosCostes
FijosCostes
CapacidadIngresosValleIngresosLlanoIngresosPuntaIngresosIngresos
_
____
−
−+++=
Page 75
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
66
)0 ,max( CIIngresostyrofitabiliExpected_P −=
3.2.5. Bloque “IPP”
El bloque designado como “IPP” modela el comportamiento de este tipo de
agentes productores independientes, los IPPs (independent power producers). Este
bloque recibe como variables de entrada la rentabilidad esperada de las inversiones
(Expected_Profitability) por parte del bloque “MARKET” y la capacidad proyectada
para construir por el Duopolio (Duopoly_Projected_Capacity) por parte del bloque
“DUOPOLY”, y calcula como variables de salida su propia capacidad proyectada
(IPP_Projected_Capacity), que realimenta al bloque “DUOPOLY”, y el número de
centrales de ciclo combinado que los IPPs deciden construir (IPP_CNI), que va a
parar al bloque “MARKET”. En la figura de la página siguiente se muestra un
diagrama detallado del funcionamiento de este bloque.
Page 76
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
67
FIGURA 3.11. Bloque “IPP”
Page 77
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
68
El funcionamiento interno del bloque es el siguiente: para t=0 se parte de un
valor inicial del número de centrales de ciclo combinado que deciden empezar a
construir en ese período los IPPs (IPP_Decided_New_Investments). Se ha supuesto
que transcurren dos años de tiempo desde que se decide realizar la inversión (y
comienzan a construirse las centrales CCGT) hasta que estas centrales entran en
funcionamiento. Esto se tiene en cuenta en la variable
IPP_Expected_New_Investments, que refleja ese retardo de dos años. A continuación
se hace una serie de operaciones para saber en todo momento la capacidad actual de
los IPPs (IPP_Current_Capacity) y las anteriores decisiones de los IPPs (IPP_PC).
Así, se procede al cálculo de la capacidad proyectada por los IPPs para empezar a
construir a dos años vista (IPP_Projected_Capacity). Esta variable es, por una parte,
una de las variables de salida de este bloque, que va a realimentar al bloque
“DUOPOLY”, pero por otra parte se utiliza dentro de este bloque, junto con la
variable de entrada procedente del bloque “DUOPOLY”
Duopoly_Projected_Capacity, que es la capacidad proyectada por el Duopoly para
empezar a construir a dos años vista, con la finalidad de hallar la capacidad
proyectada total (Projected_Total_Capacity). A partir de aquí, y con la ayuda de una
estimación de la demanda punta proyectada (Projected_Peak_Electricity_Demand),
se calcula el margen de reserva proyectado (Projected_Reserve_Margin), que mide
la relación entre capacidad y demanda punta, y comparando este valor con un valor
de margen de reserva (Normal_Reserve_Margin) por debajo del cual los IPPs
consideran atractivo invertir, se calcula un coeficiente, llamado
Management_Optimism, que cuantifica de alguna manera el optimismo que
presentan los IPPs de cara a invertir. Esta variable de optimismo, junto con la
Page 78
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
69
rentabilidad esperada de la inversión (Expected_Profitability), procedente del bloque
“MARKET”, son las dos variables de decisión que emplean los IPPs para tomar sus
decisiones de inversión (IPP_Decided_New_Investments). Por otro lado, existe una
rama que comunica este bloque con el bloque que representa el mercado, de forma
que se envía a dicho bloque el número de centrales construidas por los IPPs que
entran a funcionar en cada instante de tiempo (IPP_CNI).
Por tanto, los nodos constituyentes de este bloque, como se puede ver en la
figura anterior, son:
1. Nodo de retraso en la construcción de las centrales de ciclo combinado (nodo
IPP_Expected_New_Investments)
2. Nodos de cálculo de la capacidad proyectada (nodos IPP_Projected_Capacity,
IPP_Current_Capacity_ac e IPP_PC_ac)
3. Nodo de cálculo de la capacidad proyectada total del sistema (nodo
Projected_Total_Capacity)
4. Nodo de cálculo del margen de reserva proyectado (nodo
Projected_Reserve_Margin)
5. Nodo de cálculo del parámetro de optimismo (nodo Management_Optimism)
6. Nodo de decisión de nuevas inversiones (nodo IPP_Decided_New_Investments)
7. Rama de interconexión entre “IPP” y “MARKET”
A continuación se explicará nodo a nodo el comportamiento interno del
bloque:
Page 79
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
70
1. Nodo de retraso en la construcción de las centrales de ciclo combinado (nodo
IPP_Expected_New_Investments)
Este nodo, que tiene como variable de entrada el número de centrales de ciclo
combinado que los IPPs han decidido comenzar a construir en cada instante de
tiempo (IPP_Decided_New_Investments), sirve para reflejar el retraso en la
construcción de las centrales de ciclo combinado, dando como resultado un vector
que contiene las nuevas inversiones de los IPPs en los años en los que estas
inversiones entran a funcionar, no en los años en los que se decide su construcción.
Como transcurren dos años de tiempo desde que se decide realizar la inversión (y
comienzan a construirse las centrales CCGT) hasta que estas centrales entran en
funcionamiento, es la variable de salida de este nodo
(IPP_Expected_New_Investments) la que recoge este retraso.
FIGURA 3.12. Nodo IPP_Expected_New_Investments
Esta variable es un vector de 3 componentes: las dos primeras son nulas
(representan los dos años de retraso), y en la última se recoge el número de centrales
de ciclo combinado decididas a construir en el instante de tiempo en que se esté:
[ ]sInvestmentNewDecidedIPPsInvestmentNewExpectedIPP ___,0,0___ =
Page 80
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
71
Por ejemplo, si en un instante de tiempo cualquiera el número de centrales
que se decide empezar a construir es 3, entonces:
[ ]3,0,0___ =sInvestmentNewExpectedIPP
Esto querría decir que se espera la entrada de tres grupos dentro de dos años,
y ninguno este año ni el próximo.
2. Nodos de cálculo de la capacidad proyectada (nodos IPP_Projected_Capacity,
IPP_Current_Capacity_ac e IPP_PC_ac)
La función de estos tres nodos es calcular la capacidad en MW que los IPPs
tienen planeado construir a dos años vista (IPP_Projected_Capacity), usando para
ello la capacidad actual de los IPPs (IPP_Current_Capacity) y las anteriores
decisiones de los IPPs que tardarán un tiempo en entrar en funcionamiento debido al
retraso de construcción (IPP_PC).
FIGURA 3.13. Nodos IPP_Projected_Capacity, IPP_Current_Capacity_ac e
IPP_PC_ac
Page 81
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
72
El nodo IPP_PC_ac es dinámico, y por lo tanto su variable de entrada, que es
IPP_PC, necesita un valor inicial. Lo que se hace en este nodo es actualizar el valor
de toda la serie de decisiones de los IPPs acumuladas (IPP_PC) para que estén
disponibles para el cálculo de la capacidad proyectada en instantes de tiempo
posteriores. Así, en IPP_PC_ac se guardan las dos últimas componentes de IPP_PC,
ya que la primera es la que ya se utiliza para el cálculo de la capacidad en el instante
de tiempo en que se esté, y se añade un cero en la última componente:
( ) ( )[ ]0,3_,2___ PCIPPPCIPPacPCIPP =
Por ejemplo, si en un momento determinado las decisiones acumuladas son
, entonces la variable de salida será . [ 1,3,2_ =PCIPP ] [ ]0,1,3__ =acPCIPP
El nodo IPP_Current_Capacity_ac es similar al nodo Cap_ac, explicado
anteriormente en el bloque “MARKET”. Su variable de entrada
(IPP_Current_Capacity), cuya misión es almacenar la capacidad de los IPPs en el
instante t-1, precisa de un valor inicial para comenzar la simulación, ya que el nodo
también es dinámico.
La variable de salida (IPP_Current_Capacity_ac), que es un vector con tres
componentes, simplemente actualiza esa capacidad al instante de tiempo t; por tanto,
la ecuación que rige este nodo es muy sencilla:
CapacityCurrentIPPacCapacityCurrentIPP _____ =
Por último, el tercer nodo de este grupo tiene como función calcular la
capacidad que tienen planeado construir los IPPs a dos años vista
(IPP_Projected_Capacity). Además, este nodo tiene otras dos variables de salida,
que son IPP_Current_Capacity e IPP_PC, que realimentan a este nodo para que sea
Page 82
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
73
posible el cálculo de la capacidad proyectada por los IPPs. Sus variables de entrada
son, como se indica en la figura:
• IPP_Expected_New_Investments, que trae la última decisión de los IPPs.
• IPP_PC_ac, que guarda las decisiones futuras.
• IPP_Current_Capacity_ac, que almacena la capacidad de los IPPs en el
instante anterior.
En primer lugar se calcula el nuevo valor de IPP_PC, como resultado de
sumar a las anteriores decisiones futuras acumuladas la última decisión de los IPPs:
sInvestmentNewExpectedIPPacPCIPPPCIPP ______ +=
En segundo lugar se halla el valor de la capacidad actual de los IPPs
(IPP_Current_Capacity), sumándole a la que ya había (IPP_Current_Capacity_ac)
la primera componente del vector IPP_PC_ac, que es el número de centrales que
toca empezar a construir en el instante de tiempo en que se esté (se recuerda que cada
central es de 400 MW):
( )1__400_____ acPCIPPacCapacityCurrentIPPCapacityCurrentIPP ⋅+=
Por último se calcula la capacidad que tienen planeado construir los IPPs a
dos años vista (IPP_Projected_Capacity): a la capacidad con la que ya contaban los
IPPs (IPP_Current_Capacity_ac) se le suman las centrales que se empezarán a
construir en el presente año y en los dos siguientes:
( )∑=
⋅+=3
1_400___
iiPCIPPacCapacityCurrentIPPtyted_CapaciIPP_Projec
Ésta es una de las variables de salida de este bloque “IPP”, y va a realimentar
al bloque del “DUOPOLY”. Además, también se utiliza internamente en este bloque,
como se verá en el siguiente nodo.
Page 83
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
74
En esta tabla se explica el funcionamiento de este nodo mediante un ejemplo:
TABLA 3.2. Ejemplo de funcionamiento de los nodos de capacidad de los IPPs
Como se ve en la tabla, las variables IPP_Decided_New_Investments,
IPP_PC e IPP_Current_Capacity tiene valores iniciales en t = 0. Viendo
detalladamente el instante t = 3, por ejemplo, con la variable
IPP_Decided_New_Investments (1 grupo) correspondiente al instante anterior se
calcula IPP_Expected_New_Investments ([0,0,1]). A su vez se halla IPP_PC_ac
([2,3,0]) a partir de IPP_PC en el instante anterior ([0,2,3]) e
IPP_Current_Capacity_ac (0 MW) a partir de IPP_Current_Capacity en el instante
anterior (0 MW). Una vez ejecutados esos nodos dinámicos se pasa al nodo estático.
Primero se calcula el nuevo valor de IPP_PC ([2,3,1]), que tiene en cuenta las
anteriores decisiones acumuladas (IPP_PC_ac = [2,3,0]) y las nuevas inversiones
decididas IPP_Expected_New_Investments ([0,0,1]). En segundo lugar se halla la
capacidad actual IPP_Current_Capacity = 800 MW, resultado de añadir a la
capacidad de los IPPs anterior (IPP_Current_Capacity_ac = 0 MW) la primera
Page 84
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
75
componente del vector IPP_PC_ac = 2, que son los grupos que entran en este
instante de tiempo a producir, y que se habían empezado a construir dos años antes.
Por último, se calcula la capacidad proyectada por los IPPs (IPP_Projected_Capacity
= 2400 MW), sumando la capacidad actual y las centrales que se añadirán en los
siguientes dos años. Como se puede comprobar, la variable IPP_Current_Capacity
coincide dos años más tarde con el valor de la capacidad proyectada
(IPP_Projected_Capacity).
3. Nodo de cálculo de la capacidad proyectada total del sistema (nodo
Projected_Total_Capacity)
FIGURA 3.14. Nodo Projected_Total_Capacity
Este nodo recibe como variables de entrada la capacidad proyectada por los
IPPs (IPP_Projected_Capacity) y otra variable que procede del bloque
“DUOPOLY”, la capacidad proyectada por el Duopoly
(Duopoly_Projected_Capacity). En él se calcula la capacidad proyectada total del
sistema (Projected_Total_Capacity) a dos años vista:
Page 85
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
76
]1,0,0,0[⋅+
+=
tyted_CapaciIPP_Projec
pacityojected_CaDuopoly_PrcityTotal_CapaProjected_
Esta variable vuelve a ser un vector con cuatro componente en función de las
tecnologías de generación, similar a la variable Capacity, pero como los IPPs sólo
van a invertir en centrales de ciclo combinado, por eso su variable
IPP_Projected_Capacity es tan sólo un escalar. Es por esta razón por lo que aparece
multiplicada por el vector [0,0,0,1], de manera que se agregue correctamente a la
cuarta componente del vector, que almacena la capacidad de las centrales de ciclo
combinado.
4. Nodo de cálculo del margen de reserva proyectado (nodo
Projected_Reserve_Margin)
FIGURA 3.15. Nodo Projected_Reserve_Margin
Este nodo tiene como variables de entrada la capacidad proyectada total
(Projected_Total_Capacity) y dos variables exógenas: una previsión de la demanda
Page 86
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
77
realizada por los IPPs (Projected_Peak_Electricity_Demand) y un coeficiente
(Punta) para considerar esa demanda proyectada como la correspondiente al nivel de
carga de punta.
La variable de salida (Projected_Reserve_Margin) es la relación entre la
capacidad total proyectada (la suma de las capacidades de todas las tecnologías) y la
estimación de la demanda punta:
andricity_DemPeak_ElectProjected_Punta
city(i)Total_CapaProjected_rginReserve_MaProjected_ i
⋅=
∑=
4
1
5. Nodo de cálculo del parámetro de optimismo (nodo Management_Optimism)
FIGURA 3.16. Nodo Management_Optimism
Los IPPs se basan en la rentabilidad esperada (Expected_Profitability) y en un
parámetro estratégico de optimismo (Management_Optimism) para decidir el número
de centrales de ciclo combinado que deben construir. Este optimismo depende del
margen de reserva que se espera en los próximos años, suponiendo que cuanto más
Page 87
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
78
se aleje el margen de reserva esperado (Projected_Reserve_Margin) por debajo de un
margen de reserva normal (Normal_Reserve_Margin), más optimistas serán los IPPs
porque percibirán más hueco en el mercado y considerarán interesante invertir en la
construcción de centrales de ciclo combinado.
Los valores que se manejen en este coeficiente de optimismo van en función
de cómo se utiliza este parámetro en la función de decisión de los IPPs. Algo
razonable es considerar que el optimismo puede variar entre 0 (ningún optimismo) y
25 (mucho optimismo), que es lo usado en este proyecto. El significado de estos
valores se entiende mejor con la explicación de la función de decisión del número de
inversiones de los IPPs.
Por tanto, en esta función se halla en primer lugar la diferencia entre el
margen de reserva normal y el margen de reserva proyectado, y a continuación se
calcula el parámetro de optimismo. Como se ha comentado anteriormente, la función
deberá ser creciente a medida que se aleja el margen proyectado del normal (por
debajo). Una posible expresión analítica de esta función, que es la usada en el
modelo de este proyecto, es la siguiente:
rginReserve_MaProjected_nerve_MargiNormal_Resx −=
=OptimismManagement _
25)2.0(1255.12
5.375)1.0(50
0
−⋅+⋅+
+⋅
xx
x
sisisisisi
3.03.02.0
2.0001.0
1.0
>≤<
≤<≤<−
−≤
xx
xx
x
Page 88
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
79
La representación gráfica de la función es:
FIGURA 3.17. Representación gráfica de la función Management_Optimism
Como se ve en su representación gráfica, conforme la diferencia entre el
margen de reserva normal y el margen de reserva proyectado es mayor, los IPPs
perciben más hueco en el mercado y, por tanto, más oportunidad para invertir, y
entonces su coeficiente de optimismo ante la inversión (Management_Optimism)
crece hasta alcanzar su valor máximo de 25.
6. Nodo de decisión de nuevas inversiones (nodo IPP_Decided_New_Investments)
Éste es el nodo de decisión de los IPPs. Junto a otras variables exógenas,
como son la demanda (Demand), los costes de inversión (CI) y un coeficiente
IPP_Max cuyo significado se explicará a continuación, las variables de entrada
principales son las dos variables de decisión que utilizan los IPPs para determinar el
número de centrales de ciclo combinado que debe construir: el coeficiente de
Page 89
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
80
optimismo (Management_Optimism) y la rentabilidad esperada de la inversión
(Expected_Profitability), que proviene del bloque “MARKET”.
Cuanto mayor sea la rentabilidad esperada (Expected_Profitability) por los
IPPs y mayor sea su optimismo (Management_Optimism) frente a la inversión, más
centrales de ciclo combinado estarán dispuestos a construir los IPPs, existiendo
además un límite físico en el sistema por el cual el regulador no permitirá que se
construyan todas las centrales que un agente desee.
FIGURA 3.18. Nodo IPP_Decided_New_Investments
Los IPPs van a tratar de invertir lo máximo posible cuando se cumplan dos
condiciones: por una parte, cuando su coeficiente de optimismo ante la inversión
(Management_Optimism) alcance su valor máximo, es decir, 25, y por otra parte,
cuando su rentabilidad esperada (Expected_Profitability) supere un límite (un valor
Page 90
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
81
razonable para este límite y que es el que se ha tomado en el modelo es dos veces los
costes de inversión (CI)).
El máximo número de centrales que permitirá construir el regulador se puede basar
en distintos criterios. En este proyecto se ha optado por que el número máximo de
centrales de ciclo combinado que los IPPs podrán decidir construir en cada instante
de tiempo venga limitado por un determinado porcentaje sobre la demanda,
IPP_Max. Es decir, suponiendo que cada central representa 400 MW, el número
máximo de centrales a construir en cada instante será:
⎟⎠⎞
⎜⎝⎛ ⋅
400_ DemandMaxIPPE
siendo E(x) la parte entera de x.
Por tanto, se puede suponer la función IPP_Decided_New_Investments como
una función escalonada desde 0 hasta el número máximo de centrales que se les
permite construir a los IPPs, algo que queda reflejado en la siguiente figura:
⎟⎠⎞
⎜⎝⎛ ⋅
400_ DemandMaxIPPE
IPP_Decided_ New_Investments
FIGURA 3.19. Funci
Management_Optimism Expected⋅ _Profitability
ón IPP_Decided_New_Investments
Page 91
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
82
Analíticamente, la expresión de esta función es:
⎥⎦⎤
⋅⋅⋅
⋅
⋅⎢⎣
⎡⎟⎠⎞
⎜⎝⎛ ⋅=
252_
400____
CItyrofitabiliExpected_POptimismManagement
DemandMaxIPPEEsInvestmentNewDecidedIPP
En caso de que 252_ ⋅⋅≥⋅ CItyrofitabiliExpected_POptimismManagement ,
entonces el número de centrales decididas se limitará a su valor máximo:
⎟⎠⎞
⎜⎝⎛ ⋅=
400____ DemandMaxIPPEsInvestmentNewDecidedIPP
La variable de salida de este nodo va a dos sitios distintos: por una parte,
vuelve al bucle de los IPPs explicado hasta ahora, que seguiría funcionando como se
ha descrito, y por otra parte, va también a una rama perteneciente al bloque “IPP”,
cuya misión es enlazar con el bloque “MARKET”, y cuyo funcionamiento se va a
detallar a continuación.
7. Rama de interconexión entre “IPP” y “MARKET”
Esta rama, cuya misión es hallar en cada instante de tiempo la variable
IPP_CNI, que realimenta al bloque “MARKET” y que representa el número de
centrales construidas por los IPPs que, tras el período de construcción de 2 años,
entran ya a producir, está compuesta de los siguientes nodos:
a) Nodo de retraso en la construcción de las centrales de ciclo combinado (nodo
IPP_Expected_New_Investments)
Page 92
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
83
Este nodo, que tiene como variable de entrada el número de centrales de ciclo
combinado que los IPPs han decidido comenzar a construir en cada instante de
tiempo (IPP_Decided_New_Investments), sirve para reflejar el retraso en la
construcción de las centrales de ciclo combinado, dando como resultado un vector
que contiene las nuevas inversiones de los IPPs en los años en los que estas
inversiones entran a funcionar, no en los años en los que se decide su construcción.
Como transcurren dos años de tiempo desde que se decide realizar la inversión (y
comienzan a construirse las centrales CCGT) hasta que estas centrales entran en
funcionamiento, es la variable de salida de este nodo
(IPP_Expected_New_Investments) la que recoge este retraso.
FIGURA 3.20. Nodo IPP_Expected_New_Investments
Esta variable es un vector de 3 componentes: las dos primeras son nulas
(representan los dos años de retraso), y en la última se recoge el número de centrales
de ciclo combinado decididas a construir en el instante de tiempo en que se esté:
[ ]sInvestmentNewDecidedIPPsInvestmentNewExpectedIPP ___,0,0___ =
Por ejemplo, si en un instante de tiempo cualquiera el número de centrales
que se decide empezar a construir es 3, entonces:
[ ]3,0,0___ =sInvestmentNewExpectedIPP
Page 93
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
84
b) Nodos de acumulación de las decisiones de los IPPs (nodos IPP_ANI_ac e
IPP_ANI)
FIGURA 3.21. Nodos IPP_ANI_ac e IPP_ANI
La función de estos dos nodos es similar a la del nodo IPP_PC_ac explicado
anteriormente: se pretende guardar en todo momento la serie de decisiones de
centrales a construir por parte de los IPPs.
El nodo IPP_ANI_ac es dinámico, y por lo tanto su variable de entrada, que
es IPP_ANI_d, necesita un valor inicial. Lo que se hace en este nodo es actualizar el
valor de toda la serie de decisiones de los IPPs acumuladas (IPP_ANI_d) para que
estén disponibles para el cálculo de las centrales proyectadas por los IPPs en
instantes de tiempo posteriores. Así, en IPP_ANI_ac se guardan las dos últimas
componentes de IPP_ANI_d, ya que la primera componente indica el número de
centrales que ya entra a producir en el instante de tiempo en que se esté, y se añade
un cero en la última componente:
( ) ( )[ ]0,3__,2____ dANIIPPdANIIPPacANIIPP =
Page 94
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
85
Por ejemplo, si en un momento determinado las decisiones acumuladas son
, entonces la variable de salida será [ 1,3,2__ =dANIIPP ] [ ]0,1,3__ =acANIIPP ,
que son las decisiones futuras de los IPPs.
Las variables de entrada del nodo IPP_ANI son, como se indica en la figura:
• IPP_Expected_New_Investments, que trae la última decisión de los IPPs.
• IPP_ANI_ac, que guarda las decisiones futuras.
La variable de salida (IPP_ANI), que es un vector con tres componentes,
actualiza el número de centrales que entrarán a producir en los instantes de tiempo
sucesivos, como resultado de sumar a las anteriores decisiones futuras acumuladas
(IPP_ANI_ac) la última decisión de los IPPs (IPP_Expected_New_Investments):
sInvestmentNewExpectedIPPacANIIPPANIIPP ______ +=
A su vez, también se actualiza el valor de la variable IPP_ANI_d, que guarda
una copia de estas decisiones para instantes de tiempo posteriores:
ANIIPPdANIIPP ___ =
En la siguiente tabla se muestra un ejemplo del funcionamiento de estos
nodos:
TABLA 3.3. Ejemplo de funcionamiento de los nodos IPP_ANI_ac e IPP_ANI
Page 95
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
86
c) Nodo de selección de la decisión correspondiente a un instante determinado (nodo
IPP_CNI)
En este nodo la variable de salida (IPP_CNI) simplemente toma en cada
instante de tiempo la primera componente de la variable de entrada (IPP_ANI), que
es el número de centrales construidas por los IPPs que ya entra a producir en dicho
instante de tiempo.
FIGURA 3.22. Nodo IPP_CNI
Por tanto, la ecuación de este nodo es:
)1(__ ANIIPPCNIIPP =
Esta variable, IPP_CNI, va al bloque “MARKET”, constituyendo una de las
variables de entrada del nodo en el que se actualiza la capacidad total del sistema.
Page 96
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
87
3.2.6. Bloque “DUOPOLY”
El bloque designado como “DUOPOLY” modela el comportamiento del
Duopolio (formado por dos grandes empresas, National Power y Powergen, que
existían antes de la liberalización del sector eléctrico en el Reino Unido) y su política
de inversión en activos de generación. Este bloque recibe como variables de entrada
la rentabilidad esperada de las inversiones (Expected_Profitability) por parte del
bloque “MARKET” y la capacidad proyectada para construir por los IPPs
(IPP_Projected_Capacity) por parte del bloque “IPP”, y calcula como variables de
salida su propia capacidad proyectada (Duopoly_Projected_Capacity), que
realimenta al bloque “IPP”, y el número de centrales de ciclo combinado que el
Duopolio decide construir (DCNI), que va a parar al bloque “MARKET”. En la
figura de la página siguiente se representa un diagrama detallado de este bloque.
Page 97
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
88
FIGURA 3.23. Bloque “DUOPOLY”
Page 98
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
89
El funcionamiento interno del bloque es el siguiente: para t=0 se parte de un
valor inicial del número de centrales de ciclo combinado que decide empezar a
construir en ese período el Duopolio (Duopoly_Decided_New_Investments). Se ha
supuesto que transcurren dos años de tiempo desde que se decide realizar la inversión
(y comienzan a construirse las centrales CCGT) hasta que estas centrales entran en
funcionamiento. Esto se tiene en cuenta en la variable
Duopoly_Expected_New_Investments, que refleja ese retardo de dos años. A
continuación se hace una serie de operaciones para saber en todo momento la
capacidad actual del Duopolio (Duopoly_Current_Capacity) y las anteriores
decisiones del Duopolio (DPC). Así, se procede al cálculo de la capacidad
proyectada por el Duopolio para empezar a construir a dos años vista
(Duopoly_Projected_Capacity). Esta variable es, por una parte, una de las variables
de salida de este bloque, que va a realimentar al bloque “IPP”, pero por otra parte se
utiliza dentro de este bloque, junto con la variable de entrada procedente del bloque
“IPP” IPP_Projected_Capacity, que es la capacidad proyectada por los IPPs para
empezar a construir a dos años vista, con la finalidad de hallar la cuota de mercado
proyectada de que va a disfrutar el Duopolio (Projected_Market_Share). A partir de
aquí, comparando este valor con un valor de cuota de mercado deseado por el
Duopolio (Desired_Market_Share), se calcula el defecto de cuota de mercado
(Shortfall_in_Desired_Market_Share). Esta variable, junto con la rentabilidad
esperada de la inversión (Expected_Profitability), procedente del bloque
“MARKET”, son las dos variables de decisión que emplea el Duopolio para tomar
sus decisiones de inversión (Duopoly_Decided_New_Investments). Por otro lado,
existe una rama que comunica este bloque con el bloque que representa el mercado,
Page 99
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
90
de forma que se envía a dicho bloque el número de centrales construidas por el
Duopolio que entran a funcionar en cada instante de tiempo (DCNI).
Por tanto, los nodos constituyentes de este bloque, como se puede ver en la
figura anterior, son:
1. Nodo de retraso en la construcción de las centrales de ciclo combinado (nodo
Duopoly_Expected_New_Investments)
2. Nodos de cálculo de la capacidad proyectada por el Duopolio (nodos
Duopoly_Projected_Capacity, Duopoly_Current_Capacity_ac y DPC_ac)
3. Nodo de cálculo de la cuota de mercado proyectada (nodo
Projected_Market_Share)
4. Nodo de cálculo del defecto de cuota de mercado del Duopolio (nodo
Shortfall_in_Desired_Market_Share)
5. Nodo de decisión de nuevas inversiones por parte del Duopolio (nodo
Duopoly_Decided_New_Investments)
6. Rama de interconexión entre “DUOPOLY” y “MARKET”
A continuación se explicará nodo a nodo el comportamiento interno del
bloque:
1. Nodo de retraso en la construcción de las centrales de ciclo combinado (nodo
Duopoly_Expected_New_Investments)
Este nodo, que tiene como variable de entrada el número de centrales de ciclo
combinado que el Duopolio ha decidido comenzar a construir en cada instante de
tiempo (Duopoly_Decided_New_Investments), sirve para reflejar el retraso en la
Page 100
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
91
construcción de las centrales de ciclo combinado, dando como resultado un vector
que contiene las nuevas inversiones del Duopolio en los años en los que estas
inversiones entran a funcionar, no en los años en los que se decide su construcción.
Como transcurren dos años de tiempo desde que se decide realizar la inversión (y
comienzan a construirse las centrales CCGT) hasta que estas centrales entran en
funcionamiento, es la variable de salida de este nodo
(Duopoly_Expected_New_Investments) la que recoge este retraso.
FIGURA 3.24. Nodo Duopoly_Expected_New_Investments
Esta variable es un vector de 3 componentes: las dos primeras son nulas
(representan los dos años de retraso), y en la última se recoge el número de centrales
de ciclo combinado decididas a construir en el instante de tiempo en que se esté:
[ ]sInvestmentNewDecidedDuopolysInvestmentNewExpectedDuopoly ___,0,0___ =
Por ejemplo, si en un instante de tiempo cualquiera el número de centrales
que se decide empezar a construir es 3, entonces:
[ ]3,0,0___ =sInvestmentNewExpectedDuopoly
Page 101
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
92
2. Nodos de cálculo de la capacidad proyectada por el Duopolio (nodos
Duopoly_Projected_Capacity, Duopoly_Current_Capacity_ac y DPC_ac)
La función de estos tres nodos es, de forma análoga a la de los nodos
correspondientes al bloque “IPP”, calcular la capacidad en MW que el Duopolio
tiene planeado construir a dos años vista (Duopoly_Projected_Capacity), usando
para ello la capacidad actual del Duopolio (Duopoly_Current_Capacity) y las
anteriores decisiones del Duopolio (DPC), que tardarán un tiempo en entrar en
funcionamiento debido al retraso de construcción.
FIGURA 3.25. Nodos Duopoly_Projected_Capacity,
Duopoly_Current_Capacity_ac y DPC_ac
El nodo DPC_ac es dinámico, y por lo tanto su variable de entrada, que es
DPC, necesita un valor inicial. Lo que se hace en este nodo es actualizar el valor de
toda la serie de decisiones del Duopolio acumuladas (DPC) para que estén
disponibles para el cálculo de la capacidad proyectada en instantes de tiempo
Page 102
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
93
posteriores. Así, en DPC_ac se guardan las dos últimas componentes de DPC, ya
que la primera es la que ya se utiliza para el cálculo de la capacidad en el instante de
tiempo en que se esté, y se añade un cero en la última componente:
( ) ( )[ ]0,3,2_ DPCDPCacDPC =
Por ejemplo, si en un momento determinado las decisiones acumuladas son
, entonces la variable de salida será [ 1,3,2=DPC ] [ ]0,1,3_ =acDPC .
El nodo Duopoly_Current_Capacity_ac es similar al nodo Cap_ac, explicado
anteriormente en el bloque “MARKET”. Su variable de entrada
(Duopoly_Current_Capacity), cuya misión es almacenar la capacidad del Duopolio
en el instante t-1, precisa de un valor inicial para comenzar la simulación, ya que el
nodo también es dinámico.
La variable de salida (Duopoly_Current_Capacity_ac), que es un vector con
tres componentes, simplemente actualiza esa capacidad al instante de tiempo t; por
tanto, la ecuación que rige este nodo es muy sencilla:
CapacityCurrentDuopolyacCapacityCurrentDuopoly _____ =
Por último, el tercer nodo de este grupo tiene como función calcular la
capacidad que tiene planeado construir el Duopolio a dos años
(Duopoly_Projected_Capacity). Además, este nodo tiene otras dos variables de
salida, que son Duopoly_Current_Capacity y DPC, que realimentan a este nodo para
que sea posible el cálculo de la capacidad proyectada por el Duopolio. Sus variables
de entrada son, como se indica en la figura:
• Duopoly_Expected_New_Investments, que trae la última decisión del
Duopolio.
Page 103
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
94
• DPC_ac, que guarda las decisiones futuras.
• Duopoly_Current_Capacity_ac, que almacena la capacidad del Duopolio en
el instante anterior.
• Tres variables exógenas o parámetros de entrada, que proceden de un nodo
nube, y que representan los cierres de centrales:
o Oil_Retirement: MW de centrales de fuel-oil retirados.
o Coal_Retirement: MW de centrales de carbón retirados.
o Projected_Retirement: MW de centrales de ciclo combinado retirados.
Cada una de estas variables es un vector de tres componentes, que indica para
cada año el calendario de retiradas de centrales previsto para ese año y para
los dos siguientes.
En primer lugar se calcula el nuevo valor de DPC, como resultado de sumar a
las anteriores decisiones futuras acumuladas la última decisión del Duopolio:
sInvestmentNewExpectedDuopolyacDPCDPC ____ +=
En segundo lugar se halla el valor de la capacidad actual del Duopolio
(Duopoly_Current_Capacity), sumándole a la que ya había anteriormente
(Duopoly_Current_Capacity_ac) la primera componente del vector DPC_ac, que es
el número de centrales que toca empezar a construir en el instante de tiempo en que
se esté (se recuerda que cada central es de 400 MW), y quitando las centrales
retiradas correspondientes a ese año (Oil_Retirement, Coal_Retirement,
Projected_Retirement), teniendo en cuenta a qué tipo de tecnología pertenece cada
central:
Page 104
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
95
( ) [ ] [ ]
[ ]0,1,0,0
0,0,1,01,0,0,0)1()1(_400
_____
⋅−
−⋅−⋅−⋅+
+=
mentOil_Retire
ementCoal_RetirRetirementProjected_acDPC
acCapacityCurrentDuopolyCapacityCurrentDuopoly
Evidentemente se controla que ninguna de las cuatro componentes de la
variable Duopoly_Current_Capacity sea negativa.
Por último se calcula la capacidad que tiene planeado construir el Duopolio a
dos años vista (Duopoly_Projected_Capacity): a la capacidad con la que ya contaba
el Duopolio (Duopoly_Current_Capacity_ac) se le suman las centrales que se
empezarán a construir y se le restan las centrales que serán retiradas en el presente
año y en los dos siguientes:
[ ]
[ ] [ ]∑∑
∑ ∑
==
= =
⋅−⋅−
−⋅⎟⎠
⎞⎜⎝
⎛−⋅
+=
3
2
3
2
3
2
3
2
0,1,0,0)(0,0,1,0)(
1,0,0,0)()(400
__
ii
i i
imentOil_RetireiementCoal_Retir
iRetirementProjected_iDPC
CapacityCurrentDuopolypacityojected_CaDuopoly_Pr
Ésta es una de las variables de salida de este bloque “DUOPOLY”, y va a
realimentar al bloque “IPP”. Además, también se utiliza internamente en este bloque,
como se verá en el siguiente nodo.
3. Nodo de cálculo de la cuota de mercado proyectada (nodo
Projected_Market_Share)
En este nodo, que tiene como variables de entrada las capacidades
proyectadas para dentro de dos años tanto por el Duopolio
Page 105
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
96
(Duopoly_Projected_Capacity) como por los IPPs (IPP_Projected_Capacity), se
calcula la cuota de mercado proyectada (Projected_Market_Share) de que disfrutará
el Duopolio:
∑
∑
=
=
+= 4
1
4
1
)(
)(
i
i
ipacityojected_CaDuopoly_Prtyted_CapaciIPP_Projec
ipacityojected_CaDuopoly_PrreMarket_ShaProjected_
FIGURA 3.26. Nodo Projected_Market_Share
4. Nodo de cálculo del defecto de cuota de mercado del Duopolio (nodo
Shortfall_in_Desired_Market_Share)
En este nodo, que tiene como variables de entrada la cuota de mercado
proyectada (Projected_Market_Share) y un parámetro de entrada que representa la
Page 106
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
97
cuota de mercado que el Duopolio desea mantener (Desired_Market_Share), se
calcula el defecto de cuota de mercado (Shortfall_in_Desired_Market_Share) como
la diferencia entre la cuota de mercado deseada y la proyectada:
reMarket_ShaProjected_
ShareMarketDesiredShareMarketDesiredinShortfall
−
−= ______
FIGURA 3.27. Nodo Shortfall_in_Desired_Market_Share
La variable de salida de este nodo (Shortfall_in_Desired_Market_Share) es
una de las variables de decisión del Duopolio, y, por tanto, es una de las variables de
entrada del nodo Duopoly_Decided_New_Investments, que es donde se calcula el
número de centrales que el Duopolio decide construir.
5. Nodo de decisión de nuevas inversiones por parte del Duopolio (nodo
Duopoly_Decided_New_Investments)
Éste es el nodo de decisión del Duopolio. Junto a otras variables exógenas,
como son la demanda (Demand), los costes de inversión (CI) y un coeficiente
Page 107
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
98
Duopoly_Max cuyo significado se explicará a continuación, las variables de entrada
principales son las dos variables de decisión que utiliza el Duopolio para determinar
el número de centrales de ciclo combinado que debe construir: el defecto de cuota de
mercado (Shortfall_in_Desired_Market_Share) y la rentabilidad esperada de la
inversión (Expected_Profitability), que proviene del bloque “MARKET”.
Cuanto mayor sea la rentabilidad esperada (Expected_Profitability) y mayor
sea su defecto de cuota de mercado (Shortfall_in_Desired_Market_Share), más
centrales de ciclo combinado estará dispuesto a construir el Duopolio, existiendo
también un límite físico en el sistema por el cual el regulador no permitirá que se
construyan todas las centrales que el Duopolio desee.
FIGURA 3.28. Nodo Duopoly_Decided_New_Investments
El Duopolio va a tratar de invertir lo máximo posible cuando su rentabilidad
esperada (Expected_Profitability) supere un límite (al igual que en el caso de los
IPPs, en este modelo se considerará un límite de dos veces los costes de inversión
Page 108
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
99
(CI)). El número máximo de centrales de ciclo combinado que le conviene construir
en cada instante de tiempo viene determinado por el defecto de cuota de mercado
(Shortfall_in_Desired_Market_Share). Es decir, suponiendo que cada central
representa 400 MW, el número máximo de centrales que le conviene construir en
cada instante será:
⎟⎠⎞
⎜⎝⎛ ⋅
400____ DemandShareMarketDesiredinShortfallE
siendo E(x) la parte entera de x.
Además, el regulador del sistema impone a su vez un número máximo de
centrales a construir por el Duopolio, que en este modelo y al igual que en el caso del
los IPPs se ha considerado un determinado por un porcentaje sobre la demanda,
Duopoly_Max:
⎟⎠⎞
⎜⎝⎛ ⋅
400_ DemandMaxDuopolyE
Por tanto, se puede suponer la función Duopoly_Decided_New_Investments
como una función escalonada desde 0 hasta el número máximo de centrales que le
interesa construir al Duopolio en función del defecto de cuota de mercado, algo que
queda reflejado en la siguiente figura:
Page 109
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
100
⎟⎠⎞
⎜⎝⎛ ⋅
400____ DemandShareMarketDesiredinShortfallE Duopoly_Decided_
New_Investments
Expected_Profitability
FIGURA 3.29. Función Duopoly_Decided_New_Investments
Analíticamente, la expresión de esta función es:
⎥⎦⎤
⋅⋅⎢
⎣
⎡⎟⎠⎞
⎜⎝⎛ ⋅=
=
CItyrofitabiliExpected_PDemandShareMarketDesiredinShortfallEE
sInvestmentNewDecidedDuopoly
2400____
___
En caso de que CItyrofitabiliExpected_P ⋅≥ 2 , entonces el número de
centrales se limitará al valor máximo que le interesa construir al Duopolio según el
defecto de cuota de mercado:
⎟⎠⎞
⎜⎝⎛ ⋅=
=
400____
___
DemandShareMarketDesiredinShortfallE
sInvestmentNewDecidedDuopoly
Este valor es comparado a continuación con el número máximo de centrales
que el sistema permite construir al Duopolio. Si este límite está por encima del
número de centrales obtenido por la función anterior no pasa nada; sin embargo, si al
Duopolio le interesara construir más centrales que las permitidas por el sistema,
Page 110
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
101
entonces la variable Duopoly_Decided_New_Investments tomaría el valor máximo
impuesto por este límite:
⎟⎠⎞
⎜⎝⎛ ⋅=
400____ DemandMaxDuopolyEsInvestmentNewDecidedDuopoly
La variable de salida de este nodo va a dos sitios distintos: por una parte,
vuelve al bucle del Duopolio explicado hasta ahora, que seguiría funcionando como
se ha descrito, y por otra parte, va también a una rama perteneciente al bloque
“DUOPOLY”, cuya misión es enlazar con el bloque “MARKET”, y cuyo
funcionamiento se va a detallar a continuación.
6. Rama de interconexión entre “DUOPOLY” y “MARKET”
Esta rama, cuya misión es hallar en cada instante de tiempo la variable DCNI,
que realimenta al bloque “MARKET” y que representa el número de centrales
construidas por el Duopolio que, tras el período de construcción de 2 años, entran ya
a producir, está compuesta de los siguientes nodos:
a) Nodo de retraso en la construcción de las centrales de ciclo combinado (nodo
Duopoly_Expected_New_Investments)
Este nodo, que tiene como variable de entrada el número de centrales de ciclo
combinado que el Duopolio ha decidido comenzar a construir en cada instante de
tiempo (Duopoly_Decided_New_Investments), sirve para reflejar el retraso en la
construcción de las centrales de ciclo combinado, dando como resultado un vector
que contiene las nuevas inversiones del Duopolio en los años en los que estas
inversiones entran a funcionar, no en los años en los que se decide su construcción.
Page 111
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
102
Como transcurren dos años de tiempo desde que se decide realizar la inversión (y
comienzan a construirse las centrales CCGT) hasta que estas centrales entran en
funcionamiento, es la variable de salida de este nodo
(Duopoly_Expected_New_Investments) la que recoge este retraso.
FIGURA 3.30. Nodo Duopoly_Expected_New_Investments
Esta variable es un vector de 3 componentes: las dos primeras son nulas
(representan los dos años de retraso), y en la última se recoge el número de centrales
de ciclo combinado decididas a construir en el instante de tiempo en que se esté:
[ ]sInvestmentNewDecidedDuopolysInvestmentNewExpectedDuopoly ___,0,0___ =
Por ejemplo, si en un instante de tiempo cualquiera el número de centrales
que se decide empezar a construir es 3, entonces:
[ ]3,0,0___ =sInvestmentNewExpectedIPP
Page 112
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
103
b) Nodos de acumulación de las decisiones del Duopolio (nodos DANI_ac y DANI)
La función de estos dos nodos es análoga a la de los nodos correspondientes
al bloque “IPP”: se pretende guardar en todo momento la serie de decisiones de
centrales a construir por parte del Duopolio.
FIGURA 3.31. Nodos DANI_ac y DANI
El nodo DANI_ac es dinámico, y por lo tanto su variable de entrada, que es
DANI_d, necesita un valor inicial. Lo que se hace en este nodo es actualizar el valor
de toda la serie de decisiones del Duopolio acumuladas (DANI_d) para que estén
disponibles para el cálculo de las centrales proyectadas por el Duopolio en instantes
de tiempo posteriores. Así, en DANI_ac se guardan las dos últimas componentes de
DANI_d, ya que la primera componente indica el número de centrales que ya entra a
producir en el instante de tiempo en que se esté, y se añade un cero en la última
componente:
Page 113
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
104
( ) ( )[ ]0,3_,2__ dDANIdDANIacDANI =
Por ejemplo, si en un momento determinado las decisiones acumuladas son
, entonces la variable de salida será , que son
las decisiones futuras del Duopolio.
[ 1,3,2_ =dDANI ] ][ 0,1,3_ =acDANI
Las variables de entrada del nodo DANI son, como se indica en la figura:
• Duopoly_Expected_New_Investments, que trae la última decisión del
Duopolio.
• DANI_ac, que guarda las decisiones futuras.
La variable de salida (DANI), que es un vector con tres componentes,
actualiza el número de centrales que entrarán a producir en los instantes de tiempo
sucesivos, como resultado de sumar a las anteriores decisiones futuras acumuladas
(DANI_ac) la última decisión del Duopolio (Duopoly_Expected_New_Investments):
sInvestmentNewExpectedDuopolyacDANIDANI ____ +=
A su vez, también se actualiza el valor de la variable DANI_d, que guarda una
copia de estas decisiones para instantes de tiempo posteriores:
DANIdDANI =_
En la siguiente tabla se muestra un ejemplo del funcionamiento de estos
nodos:
TABLA 3.4. Ejemplo de funcionamiento de los nodos DANI_ac y DANI
Page 114
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 3. DESCRIPCIÓN DEL MODELO
105
c) Nodo de selección de la decisión correspondiente a un instante determinado (nodo
DCNI)
En este nodo la variable de salida (DCNI) simplemente toma en cada instante
de tiempo la primera componente de la variable de entrada (DANI), que es el número
de centrales construidas por el Duopolio que ya entra a producir en dicho instante de
tiempo.
FIGURA 3.32. Nodo DCNI
Por tanto, la ecuación de este nodo es:
)1(DANIDCNI =
Esta variable, DCNI, va al bloque “MARKET”, constituyendo una de las
variables de entrada del nodo en el que se actualiza la capacidad total del sistema.
Con esto se ha terminado la descripción detallada del modelo desarrollado en
este proyecto fin de carrera. En el siguiente capítulo se expondrán algunos casos que
han sido desarrollados y simulados con la ayuda del modelo, y que han servido para
la validación del mismo.
Page 115
4. CASOS Y RESULTADOS
Una vez descrito el modelo de expansión de la capacidad de generación
eléctrica a largo plazo desarrollado en este proyecto fin de carrera, en este cuarto
capítulo se van a mostrar varios casos que han sido analizados con la ayuda de este
modelo, presentando a su vez los resultados.
En primer lugar se va a comentar un caso denominado “caso base”. Éste,
analizado nada más terminar de desarrollar el modelo, ha servido para comprobar el
funcionamiento y la validez del mismo.
A continuación, una vez verificado el funcionamiento del modelo, se va a
presentar una serie de casos denominados “casos–estudio”. Estos casos–estudio han
servido para aprovechar más las potencialidades del modelo desarrollado, y
comprobar que el modelo puede servir a la hora de la toma de decisiones de
inversión a largo plazo por parte de agentes generadores o el diseño y análisis de
consecuencias de políticas llevadas a cabo por parte de los reguladores del sistema en
contextos interesantes y actuales. En concreto se han analizado dos casos: en primer
lugar se presenta un estudio sobre los pagos por capacidad y cómo afectan éstos a las
decisiones y al comportamiento de los agentes, y en segundo lugar, dada la
106
Page 116
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
107
actualidad del tema y la relevancia que puede tener en el sector, se presenta un
estudio sobre el protocolo de Kyoto y el mercado de emisiones.
4.1. Caso base
Primero se presenta el caso base, caso que ha sido analizado nada más
terminar el modelado del problema, y que ha servido para verificar el funcionamiento
del modelo.
En primer lugar se exponen los parámetros de entrada y las condiciones
iniciales, y a continuación se presentan los resultados del caso.
4.1.1. Datos de entrada y condiciones iniciales
Para estos casos se ha simulado un período de 30 años , suficiente
para observar el comportamiento del modelo y para analizar la evolución que
experimenta el sistema. Los datos o parámetros de entrada al modelo (procedentes de
los nodos nube), cuyo significado se ha explicado en el capítulo anterior, y cuyos
órdenes de magnitud podrían ser adecuados para representar un sistema eléctrico
como el español, son los siguientes:
)30( =T
• Demanda (Demand)
Se ha tomado una evolución creciente de la demanda (llano), como
corresponde a sistemas en expansión, donde cada vez la electricidad demandada es
mayor:
Page 117
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
108
t (años) 1 2 3 4 5 Demand (MW) 38000 39000 40000 41000 42000
t (años) 6 7 8 9 10
Demand (MW) 43000 44000 45000 46000 47000
t (años) 11 12 13 14 15 Demand (MW) 48000 49000 50000 51000 52000
t (años) 16 17 18 19 20
Demand (MW) 53000 54000 55000 56000 57000
t (años) 21 22 23 24 25 Demand (MW) 58000 59000 60000 61000 62000
t (años) 26 27 28 29 30
Demand (MW) 63000 64000 65000 66000 67000
TABLA 4.1. Valores de Demand
• Margen de reserva normal (Normal_Reserve_Margin)
Este parámetro, que utilizan los IPPs a la hora de calcular su coeficiente de
optimismo (Management_Optimism), representa el margen de reserva (es decir, el
cociente entre capacidad y demanda punta) por debajo del cual estos agentes detectan
más hueco en el mercado y ven, por tanto, más atractiva la inversión en centrales de
ciclo combinado. Su valor se ha tomado constante para todo el período:
Normal_Reserve_Margin = 1.2
• Demanda punta proyectada (Projected_Peak_Electricity_Demand)
Este parámetro, que utilizan los IPPs a la hora de calcular el margen de
reserva proyectado del sistema (Projected_Reserve_Margin) a dos años vista,
representa una previsión de la demanda en el nivel de carga de punta con dos años de
antelación. Al igual que la demanda, se ha supuesto creciente. Los valores se
Page 118
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
109
muestran en la siguiente tabla, donde PPED quiere decir
Projected_Peak_Electricity_Demand:
t (años) 1 2 3 4 5 PPED (MW) 40000 41000 42000 43000 44000
t (años) 6 7 8 9 10
PPED (MW) 45000 46000 47000 48000 49000
t (años) 11 12 13 14 15 PPED (MW) 50000 51000 52000 53000 54000
t (años) 16 17 18 19 20
PPED (MW) 55000 56000 57000 58000 59000
t (años) 21 22 23 24 25 PPED (MW) 60000 61000 62000 63000 64000
t (años) 26 27 28 29 30
PPED (MW) 65000 66000 67000 68000 69000
TABLA 4.2. Valores de Projected_Peak_Electricity_Demand
• Retiradas proyectadas de centrales de ciclo combinado
(Projected_Retirement)
En cada instante de tiempo representan los MW de centrales de ciclo
combinado que se planean retirar en dicho instante y en los dos siguientes; por esta
razón cada año viene representado por un vector de tres componentes: la primera
corresponde al año actual (t), y la segunda y tercera a los años t+1 y t+2
respectivamente. En este caso, como la vida de las centrales de ciclo combinado es
de unos 25 ó 30 años, no se comienzan a retirar hasta el final:
Page 119
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
110
t (años) 1 2 3 4 5 0 0 0 0 0 0 0 0 0 0 Projected_Retirement (MW) 0 0 0 0 0
t (años) 6 7 8 9 10
0 0 0 0 0 0 0 0 0 0 Projected_Retirement (MW) 0 0 0 0 0
t (años) 11 12 13 14 15
0 0 0 0 0 0 0 0 0 0 Projected_Retirement (MW) 0 0 0 0 0
t (años) 16 17 18 19 20
0 0 0 0 0 0 0 0 0 0 Projected_Retirement (MW) 0 0 0 0 0
t (años) 21 22 23 24 25
0 0 0 0 0 0 0 0 0 0 Projected_Retirement (MW) 0 0 0 0 0
t (años) 26 27 28 29 30
0 0 0 0 100 0 0 0 100 100 Projected_Retirement (MW) 0 0 100 100 100
TABLA 4.3. Valores de Projected_Retirement
• Costes variables de las centrales de ciclo combinado (CV)
Los costes variables de las centrales de ciclo combinado [BARQ04] se han
tomado constantes para todo el período:
CV = 3.3 c€ / kWh
• Costes fijos de las centrales de ciclo combinado (CF)
Los costes fijos de las centrales de ciclo combinado [BARQ04] también se
han tomado constantes para todo el período:
CF = 0.03 € / kW
Page 120
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
111
• Retiradas proyectadas de centrales de carbón (Coal_Retirement)
En cada instante de tiempo representan los MW de centrales de carbón que se
planean retirar en dicho instante y en los dos siguientes; por esta razón cada año
viene representado por un vector de tres componentes: la primera corresponde al año
actual (t), y la segunda y tercera a los años t+1 y t+2 respectivamente. En este caso,
se ha considerado un calendario de retiradas de 100 MW por año.
• Costes de inversión de las centrales de ciclo combinado (CI)
Los costes de inversión de las centrales de ciclo combinado [BARQ04]
también se han tomado constantes para todo el período:
CI = 724 € / kW
• Retiradas proyectadas de centrales de fuel-oil (Oil_Retirement)
En cada instante de tiempo representan los MW de centrales de fuel-oil que se
planean retirar en dicho instante y en los dos siguientes; por esta razón cada año
viene representado por un vector de tres componentes: la primera corresponde al año
actual (t), y la segunda y tercera a los años t+1 y t+2 respectivamente. En este caso,
se ha considerado un calendario de retiradas más rápido que en las centrales de
carbón (200 MW / año).
• Precio de las tecnologías de generación (Technology_Price)
Representa los costes variables (en c€/kWh) de cada tipo de tecnología
(nuclear, carbón, fuel-oil y ciclos combinados) [BARQ04] y un precio por energía no
suministrada (ENS). Su valor se ha tomado constante para todo el período:
Page 121
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
112
Technology_Price (c€ / kWh)Nuclear1 0,5 Nuclear2 0,7
Coal3 1,8 Coal4 2,2 CC5 3,3
Fuel / Oil6 4,3 Fuel / Oil7 4,7
ENS8 18
TABLA 4.4. Valores de Technology_Price
• Máxima inversión de los IPPs (IPP_Max)
Este parámetro es un porcentaje respecto a la demanda de cada nivel de carga,
que representa la máxima inversión en centrales de ciclo combinado que el sistema
permite realizar a los IPPs. Su valor se ha tomado constante para todo el período,
pero al ir aumentando la demanda, la máxima inversión permitida a los IPPs también
irá creciendo.
IPP_Max = 10 % = 0.1
• Máxima inversión del Duopolio (Duopoly_Max)
Este parámetro, al igual que el anterior, es un porcentaje respecto a la
demanda de cada período, que representa la máxima inversión en centrales de ciclo
combinado que el sistema permite realizar al Duopolio. Su valor se ha tomado
constante para todo el período, pero al ir aumentando la demanda, la máxima
inversión permitida al Duopolio también irá creciendo.
Duopoly_Max = 8 % = 0.08
Page 122
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
113
• Duración de los niveles de carga de punta (Duracion_Punta)
Este parámetro representa cuánto duran los niveles de carga de punta en cada
año. Se ha tomado que éstos representan un 10 % del tiempo total de cada año:
Duracion_Punta = 0.1
• Duración de los niveles de carga de valle (Duracion_Valle)
Este parámetro representa cuánto duran los niveles de carga de valle en cada
año. Se ha tomado también que éstos representan un 10 % del tiempo total de cada
año:
Duracion_Valle = 0.1
Así, el nivel de carga de llano corresponderá al 80 % del tiempo total del año.
• Demanda punta (Punta)
Este parámetro representa el incremento de demanda en los niveles de carga
de punta. Se ha considerado que la demanda punta es un 20 % superior a la demanda
en nivel de carga llano, y por tanto:
Punta = 1.2
• Demanda valle (Valle)
Este parámetro representa el decremento de demanda en los niveles de carga
de valle. Se ha considerado que la demanda valle es un 20 % inferior a la demanda
en nivel de carga llano, y por tanto:
Valle = 0.8
• Pago por capacidad (Capacity_Payment)
Se ha tomado un pago por capacidad ofrecido por el regulador del sistema,
constante en cada período, y de valor:
Capacity_Payment = 13 € / kW
Page 123
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
114
Este valor de pago por kW instalado es un valor intermedio. Para su
obtención se ha calculado la rentabilidad de un grupo que no entrara nunca a generar,
estudiando el caso límite en que estuviera a punto de ser rentable recibiendo sólo este
pago por capacidad. Así, se ha obtenido un valor de unos 52 € / kW instalado, y se ha
tomado un pago por capacidad intermedio para este caso base (aproximadamente un
25 % del obtenido anteriormente).
Sobre este parámetro se realizará un análisis de distintos escenarios en los
casos–estudio correspondientes a la situación de pagos por capacidad.
• Tasa de descuento (r)
Este parámetro sirve para considerar el valor temporal del dinero y la prima
de riesgo a la hora del cálculo de la rentabilidad esperada de la inversión
(Expected_Profitability). Se ha tomado una tasa de descuento del 6 %:
r = 0.06
• Cuota de mercado deseada (Desired_Market_Share)
Este parámetro representa la cuota de mercado que desea tener el Duopolio.
En este caso base comienza en 1 (al principio no han entrado los IPPs y el Duopolio
acapara el 100 % de la cuota de mercado) y va disminuyendo progresivamente, a
medida que los IPPs van entrando en el sistema. Refleja una política muy agresiva
por parte del Duopolio, que no quiere perder su cuota de mercado ante la entrada de
nuevos agentes.
Para obtener valores adecuados de este parámetro convendría realizar un
análisis de sensibilidad basado en opiniones de expertos del sector.
Page 124
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
115
t (años) 1 2 3 4 5 Desired_Market_Share 1 0,998 0,996 0,994 0,992
t (años) 6 7 8 9 10
Desired_Market_Share 0,99 0,988 0,986 0,984 0,982
t (años) 11 12 13 14 15 Desired_Market_Share 0,98 0,978 0,976 0,974 0,972
t (años) 16 17 18 19 20
Desired_Market_Share 0,97 0,968 0,966 0,964 0,962
t (años) 21 22 23 24 25 Desired_Market_Share 0,96 0,958 0,956 0,954 0,952
t (años) 26 27 28 29 30
Desired_Market_Share 0,95 0,948 0,946 0,944 0,942
TABLA 4.5. Valores de Desired_Market_Share
Por otro lado, las condiciones iniciales correspondientes a los nodos
dinámicos del caso base son:
• Capacidad inicial (Cap)
La capacidad inicial que se ha tomado corresponde a la siguiente distribución
del parque generador: 24000 MW correspondientes a centrales nucleares, 15000 MW
correspondientes a centrales térmicas de carbón, 16000 MW correspondientes a
centrales de fuel-oil y todavía no hay centrales de ciclo combinado.
Cap (MW) Nuclear 24000 Carbón 15000 Fuel-oil 16000
CC 0
TABLA 4.6. Valor inicial de Cap
Page 125
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
116
• Número de centrales de ciclo combinado decididas por el Duopolio para
empezar a construir en el instante inicial
(Duopoly_Decided_New_Investments)
Duopoly_Decided_New_Investments = 5
• Número de centrales de ciclo combinado decididas por los IPPs para empezar
a construir en el instante inicial (IPP_Decided_New_Investments)
IPP_Decided_New_Investments = 6
• Decisiones del Duopolio acumuladas anteriormente (DPC)
Se considera que no había ninguna decisión por parte del Duopolio para
construir centrales de ciclo combinado acumulada anteriormente:
[ ]0,0,0=DPC
De forma análoga, la variable DANI_d también está inicializada a cero:
[ ]0,0,0_ =dDANI
• Decisiones de los IPPs acumuladas anteriormente (IPP_PC)
Se considera que no había ninguna decisión por parte de los IPPs para
construir centrales de ciclo combinado acumulada anteriormente:
[ ]0,0,0_ =PCIPP
De forma análoga, la variable IPP_ANI_d también está inicializada a cero:
[ ]0,0,0__ =dANIIPP
• Capacidad inicial del Duopolio (Duopoly_Current_Capacity)
Coincide con la capacidad inicial del sistema, ya que todavía no han entrado
los IPPs en el sistema:
Page 126
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
117
Duopoly_Current_Capacity
(MW) Nuclear 24000 Carbón 15000 Fuel-oil 16000
CC 0
TABLA 4.7. Valor inicial de Duopoly_Current_Capacity
• Capacidad inicial de los IPPs (IPP_Current_Capacity)
Como en el instante inicial todavía no han entrado los IPPs en el sistema, su
capacidad inicial es nula:
IPP_Current_Capacity = 0
• Precios acumulados inicialmente (PA_Punta, PA, PA_Valle)
Debido a que para el cálculo del precio esperado en el futuro
(Expected_Pool_Price) se utiliza una extrapolación lineal, se considera una serie
inicial de precios para reducir el efecto de esta extrapolación cuando se tienen pocos
datos. Estos precios no tienen por qué ser históricos, ya que puede no existir historia
en el sistema; representan más bien el precio medio que los agentes pueden
considerar que tendrá el precio futuro al principio del estudio. Sirven, por tanto,
como una inercia inicial para la previsión de precios futuros.
La serie inicial de precios acumulados para los niveles de carga de punta,
llano y valle, está formada por 20 valores de 3 c€ / kWh.
Page 127
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
118
4.1.2. Resultados del caso base
A continuación se mostrará una serie de gráficas que dan una idea de la
evolución del sistema en este caso base:
En las dos próximas figuras se muestra la evolución tanto de la demanda
(Demand) y la capacidad del sistema (Capacity), como del margen de reserva
(Reserve_Margin).
Como se puede apreciar en la figura 4.1., la demanda correspondiente al nivel
de carga de punta aumenta linealmente con el tiempo, como ya se ha comentado en
la descripción de los parámetros de entrada del modelo. Para la evolución de la
capacidad total del sistema, es preciso tener claro en primer lugar que desde que los
agentes deciden empezar a construir una central de ciclo combinado hasta que esta
central entra a formar parte de la capacidad del sistema, y por tanto, a producir
energía eléctrica, existe un retraso de dos años. Esto se puede ver reflejado, por
ejemplo, en la parte inicial de la curva de capacidad, donde, tras el retardo de 2 años
de duración, se produce un pequeño pico debido a la entrada de las centrales
correspondientes a las condiciones iniciales (Duopoly_Decided_New_Investments e
IPP_Decided_New_Investments).
Page 128
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
119
FIGURA 4.1. Evolución de la demanda y la capacidad del sistema (caso base)
A partir de ese pequeño pico, como hay suficiente exceso de capacidad frente
a la demanda punta, los agentes deciden no invertir y, consecuentemente, la
capacidad del sistema va bajando, debido a las retiradas de centrales de carbón y
fuel-oil.
Se puede apreciar que entre los años 10 y 13 la capacidad del sistema está por
debajo de la demanda punta. Esto quiere decir que no se podrá satisfacer la demanda
correspondiente a los niveles de carga de punta, y habrá problemas de suministro. En
el año 12 se produce el mínimo de la capacidad, y de aquí en adelante la capacidad
aumenta. Esto significa que los agentes se han dado cuenta de la situación y han
decidido invertir, ya que al haber energía no suministrada el precio sube
enormemente y se percibe mayor rentabilidad. Además, en el caso de los IPPs, como
Page 129
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
120
se verá más adelante, se percibirá más optimismo. La situación de energía no
suministrada no se resuelve inmediatamente por el retardo de los 2 años en la
construcción de nuevas centrales de ciclo combinado.
Parece que en un entorno del año 30 la capacidad del sistema alcanzará un
máximo, ya que los agentes ya no verán tanta rentabilidad (hay suficiente exceso de
capacidad) y optarán por no invertir.
FIGURA 4.2. Evolución del margen de reserva (caso base)
La situación descrita anteriormente se refleja también en la figura 4.2., que
representa la evolución del margen de reserva (Reserve_Margin) con el tiempo. Esta
variable, definida como el cociente entre la capacidad del sistema y la demanda
punta correspondiente a ese instante, da una idea del exceso o defecto de capacidad
de generación existente en el sistema frente a la demanda máxima. Es evidente que lo
Page 130
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
121
mejor sería que el margen de reserva fuera siempre superior a la unidad, ya que esto
indicaría que no hay problemas de falta de capacidad.
DemandPuntaCapacityrginReserve_Ma
⋅=
Se vuelve a ver el pico correspondiente a las condiciones iniciales de
inversión de los agentes y la situación de defecto de capacidad entre los años 10 y 13.
El mínimo en el margen de reserva (0.9762) se produce en el año 12, y el máximo
(1.4288) corresponde al año 25.
En la siguiente figura se muestra la evolución del precio (Pool_Price)
correspondiente a los tres niveles de carga (punta, llano y valle). Existen dos cosas
muy características en estas gráficas: por un lado, la tendencia de los precios a
estabilizarse en el precio correspondiente a las centrales de ciclo combinado (3.3 c€ /
kWh) en el largo plazo, ya que es la forma tecnológica más barata y rentable para los
distintos agentes de satisfacer la demanda, que frente a su aumento ya no puede ser
satisfecha únicamente mediante la generación nuclear y térmica de carbón (ambas
más baratas que los ciclos combinados); por otro lado, se aprecia también el enorme
aumento en el precio correspondiente al nivel de carga de punta (Pool_Price_Punta)
hasta los 18 c€ / kWh, que es el precio de energía no suministrada (ENS), en el
momento en que el margen de reserva es inferior a la unidad, y por tanto la demanda
punta no puede ser satisfecha. Cuando se producen las fuertes inversiones en
centrales de ciclo combinado, el precio de los tres niveles de carga tiende
rápidamente a los 3.3 c€ / kWh.
Page 131
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
122
FIGURA 4.3. Evolución de los precios (caso base)
Las próximas tres gráficas, en tres dimensiones, muestran la evolución de los
precios esperados (Expected_Pool_Price) correspondientes a los distintos niveles de
carga.
En uno de los ejes horizontales se representa el tiempo t en años (creciente
hacia la izquierda), y en el otro eje horizontal se representan los años transcurridos
desde la inversión, que se corresponden con la vida útil de la central, equivalente a
30 años. En el eje vertical se representa el precio esperado del nivel de carga
correspondiente. Por ejemplo, situándose en el eje de tiempos de la primera gráfica
en t = 13, se aprecia que conforme aumente la vida de la central subirá el precio
esperado en el futuro para el nivel de carga de punta.
Page 132
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
123
Como para el cálculo del precio esperado se ha utilizado una extrapolación
lineal, si se elige cualquier instante de tiempo del eje t (años), se verá una recta que
calcula el precio esperado a lo largo de los 30 años de vida de la central.
Fijándose en los precios esperados correspondientes a los niveles de carga de
punta y llano (figuras 4.4. y 4.5.), se puede apreciar cómo el precio esperado aumenta
con la vida de la central, y cómo para los instantes en que el margen de reserva es
inferior a la unidad (entre el año 10 y el 13) el precio esperado aumenta
considerablemente.
FIGURA 4.4. Evolución del precio esperado para el nivel de carga de punta
(caso base)
Page 133
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
124
FIGURA 4.5. Evolución del precio esperado para el nivel de carga de llano
FIGURA 4.6. Evolución del precio esperado para el nivel de carga de valle
Page 134
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
125
La explicación al distinto comportamiento del precio esperado en el nivel de
carga de valle (Expected_Pool_Price_Valle) reside en las condiciones iniciales. La
serie inicial de precios acumulados (PA_Valle) ha sido igual que la correspondiente a
los otros niveles de carga (punta y llano), y como los precios que se van calculando
van siendo menores que los de esa serie inicial (3 c€ / kWh), la extrapolación lineal
refleja inicialmente una tendencia decreciente a lo largo de la vida de la central. Sólo
al final, cuando el precio tiende al de los ciclos combinados (3.3 c€ / kWh),
sensiblemente superior a los de la serie inicial, aparece la tendencia creciente en la
extrapolación lineal.
La evolución de la rentabilidad esperada (Expected_Profitability),
representada en la figura 4.7., también se corresponde bastante con la evolución del
margen de reserva. En los períodos de tiempo iniciales, cuando hay suficiente
margen de reserva, los agentes perciben una rentabilidad esperada de la inversión
nula, debido al exceso de capacidad. Sin embargo, conforme la capacidad del sistema
disminuye, los agentes empiezan a percibir una mayor rentabilidad, que sube con una
pendiente muchísimo mayor cuando el margen de reserva es inferior a la unidad,
debido al salto que se produce en la previsión de precios futuros, ya que el precio se
dispara a valores de energía no suministrada, mucho mayores que los normales. Se
alcanza el máximo en el año 14, cuando el margen de reserva acaba de levantarse de
nuevo por encima de la unidad, y comienza a descender progresivamente conforme
el margen de reserva aumenta, y por tanto vuelve a existir un exceso de capacidad en
el sistema.
Page 135
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
126
FIGURA 4.7. Evolución de la rentabilidad esperada (caso base)
En las siguientes dos figuras se muestran las variables utilizadas en el bucle
“DUOPOLY” con el fin de tomar la decisión de las inversiones en centrales de ciclo
combinado por parte del Duopolio.
En la parte superior de la figura 4.8. se muestra la capacidad proyectada tanto
por el Duopolio como por los IPPs a dos años vista (Duopoly_Projected_Capacity e
IPP_Projected_Capacity). Se observa que en el tramo inicial (hasta el año 10) no se
planean más inversiones por parte de ninguno de los agentes, y por tanto la capacidad
proyectada por el Duopolio baja (debido a las retiradas de centrales de carbón y fuel-
oil) y la proyectada por los IPPs se mantiene constante (ya que sólo invierten en
ciclos combinados). A partir del año 10, justo cuando el margen de reserva empieza a
ser inferior a la unidad, es cuando los agentes reaccionan porque perciben más
Page 136
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
127
rentabilidad y deciden realizar inversiones. El Duopolio continúa invirtiendo hasta el
final de la simulación, mientras que los IPPs paran de invertir muy pronto. Esto se
debe a la agresiva cuota de mercado deseada por el Duopolio y a la aversión al riesgo
de los IPPs consideradas en este caso base.
Con estas dos variables se calcula la cuota de mercado proyectada de la que
disfrutará el Duopolio (Projected_Market_Share), que, conforme los IPPs se
introducen en el mercado, va disminuyendo, y cuando los IPPs detienen su inversión,
vuelve a subir. Al comparar esa cuota de mercado proyectada con la deseada
(Desired_Market_Share) por el Duopolio, se obtiene el defecto de cuota de mercado
(Shortfall_in_Desired_Market_Share), una de las variables de decisión del Duopolio.
Es de resaltar la agresiva cuota de mercado deseada por el Duopolio, que no quiere
perder más del 5 % de la cuota de mercado en treinta años.
FIGURA 4.8. Variables usadas en el bucle “DUOPOLY” (caso base)
Page 137
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
128
En la figura 4.9. se muestran las dos variables de decisión utilizadas por el
Duopolio, el defecto de cuota de mercado (Shortfall_in_Desired_Market_Share) y la
rentabilidad esperada (Expected_Profitability), junto con el número de centrales de
ciclo combinado que el Duopolio decide empezar a construir en cada instante de
tiempo (Duopoly_Decided_New_Investments), representado en la parte inferior de la
figura. En esa misma gráfica se representa en línea punteada el número máximo de
centrales que el regulador le permite construir al Duopolio.
FIGURA 4.9. Variables de decisión e inversiones del Duopolio (caso base)
Se observa que cuando el defecto de cuota de mercado
(Shortfall_in_Desired_Market_Share) es alto y a su vez la rentabilidad esperada
(Expected_Profitability) es elevada, aumenta el número de centrales de ciclo
combinado en las que invierte el Duopolio. De hecho, se ve que cuando el defecto de
Page 138
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
129
cuota de mercado ronda su valor máximo y la rentabilidad esperada supera el doble
de los costes de inversión, el Duopolio decide invertir hasta el máximo permitido por
el regulador del sistema (entre el año 12 y el 18).
En las siguientes dos figuras se muestran las variables utilizadas en el bucle
“IPP” con el fin de tomar la decisión de las inversiones en centrales de ciclo
combinado por parte de los productores independientes.
FIGURA 4.10. Variables usadas en el bucle “IPP” (caso base)
En la dos gráficas de la parte superior de la figura 4.10. se muestra la
capacidad total proyectada a dos años vista (Projected_Total_Capacity) frente a la
demanda punta proyectada y el margen de reserva proyectado
(Projected_Reserve_Margin). En la parte inferior de la figura se representa el
coeficiente de optimismo (Management_Optimism), una de las variables de decisión
Page 139
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
130
de los IPPs. Se observa que en el tramo en que el margen de reserva proyectado está
por debajo del margen de reserva normal (Normal_Reserve_Margin), los IPPs
perciben hueco en el mercado, y esto les da pie para ser más optimistas.
Evidentemente, el mayor optimismo se produce cuando el margen de reserva
proyectado es inferior a la unidad. Sin embargo, cuando el margen de reserva
proyectado supera el margen de reserva normal, los IPPs no ven ningún hueco en el
mercado, y su optimismo, por tanto, es nulo.
En esta última figura se muestran las dos variables de decisión utilizadas por
los IPPs, el coeficiente de optimismo (Management_Optimism) y la rentabilidad
esperada (Expected_Profitability), junto con el número de centrales de ciclo
combinado que los IPPs deciden empezar a construir
(Duopoly_Decided_New_Investments), representado en la parte inferior de la figura.
En esa misma gráfica se representa en línea delgada el número máximo de centrales
que el regulador les permite construir a los IPPs.
Page 140
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
131
FIGURA 4.11. Variables de decisión e inversiones de los IPPs (caso base)
Se observa que los IPPs invierten únicamente en el momento en que se
percibe que el sistema va a estar falto de capacidad (en un entorno de los instantes
t = 10 y t = 13), y además siempre muy por debajo del número máximo permitido por
el regulador del sistema. Esto es debido quizás a la gran aversión al riesgo que tienen
estos productores independientes, que queda reflejada en el coeficiente de
optimismo, y por tanto, en el número de centrales a construir.
Page 141
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
132
4.2. Pagos por capacidad
En este caso–estudio se pretende analizar el efecto que tiene en el
comportamiento del sistema la existencia de un regulador que dé una señal
económica de pagos por capacidad instalada a los distintos agentes de mercado,
estudiando para ello diferentes escenarios.
En primer lugar se realizará una introducción al concepto de pagos por
capacidad, a continuación se presentarán los diferentes escenarios desarrollados
correspondientes a estos casos–estudio, y por último se comentarán las conclusiones.
4.2.1. Introducción
En los nuevos entornos competitivos en los que se enmarca el sector eléctrico,
la fiabilidad de suministro, uno de los objetivos estratégicos de cualquier sistema
eléctrico, cambia de perspectiva respecto a los entornos regulados, existiendo
diferentes formas de afrontarla [PERE01].
En un mercado competitivo, el análisis microeconómico demuestra que, en
ausencia de economías de escala, el precio de mercado es suficiente para remunerar
el coste total de las plantas existentes y de las inversiones en nueva generación
adecuadas a la demanda existente en el sistema.
Sin embargo, existen diversas particularidades de los mercados de
electricidad que hacen que esto no se produzca: por un lado, los inversores suelen
presentar una gran aversión al riesgo, y no atienden únicamente a la rentabilidad
media esperada, sino que normalmente pesa más la probabilidad de pérdidas que de
Page 142
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
133
beneficios; por otro, la imperfección estructural del mercado puede conducir a
comportamientos oligopolistas donde se reduzca considerablemente la inversión para
aumentar los precios y, por tanto, los beneficios.
A pesar de que en los nuevos entornos liberalizados la seguridad de
suministro es, en teoría, responsabilidad de los agentes del mercado, parece que hay
un consenso creciente en que el principal responsable es el regulador del sistema.
Este regulador deberá tomar una serie de decisiones desde dos puntos de vista: en
primer lugar, para neutralizar deficiencias puntuales con las medidas mínimas para
responderlas, y en segundo lugar, actuar mediante la introducción de medidas que
garanticen un nivel de calidad del servicio de generación, asumiendo que el mercado
no es capaz de alcanzarlo por sí mismo.
Una de estas medidas es la que se pretende analizar en este primer caso–
estudio: los pagos por capacidad. Esta medida consiste en el pago a cada generador
de una cantidad definida administrativamente de acuerdo con su contribución a la
fiabilidad del sistema.
La motivación de esta medida es doble: por un lado, se estabilizan los
ingresos de los generadores reduciendo su aversión al riesgo, mientras que por otro,
se logra incentivar nuevas inversiones y desincentivar la retirada de centrales
antiguas.
Los pagos por capacidad suelen proveer una señal económica estable, pero a
su vez:
• Pueden interferir en el funcionamiento del mercado.
• No garantizan que el nivel deseado de cobertura de la demanda se alcance.
Page 143
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
134
• No ofrecen un producto claramente definido: la generación no adquiere el
compromiso de estar disponible en los momentos críticos y la demanda no
adquiere ningún garantía de fiabilidad.
• Existen grandes dificultades en determinar el nivel y la asignación de los
pagos.
Esta medida ha sido adoptada en España y en varios países sudamericanos,
como Argentina, Chile, Colombia, Perú...
Más información acerca de los pagos por capacidad y la garantía de
suministro se puede encontrar en las siguientes referencias: [PERE01], [VAZQ01].
4.2.2. Casos–estudio 1
En el contexto de pagos por capacidad, para este primer grupo de casos–
estudio se han desarrollado tres escenarios distintos para evaluar la influencia de la
existencia de un regulador en el sistema que asegure a los generadores unos pagos
por capacidad. Los tres escenarios desarrollados son los siguientes:
a) Escenario 1: Pagos por capacidad = 0 € / kW
b) Escenario 2: Pagos por capacidad = 13 € / kW (caso base)
c) Escenario 3: Pagos por capacidad = 26 € / kW
La elección de estos valores radica en la explicación realizada en el caso base:
para su obtención se ha calculado la rentabilidad de un grupo que no entrara nunca a
generar, estudiando el caso límite en que estuviera a punto de ser rentable recibiendo
sólo este pago por capacidad. Así, se ha obtenido un valor de unos 52 € / kW
instalado, y se ha tomado un pago por capacidad intermedio para el escenario 2
Page 144
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
135
(aproximadamente un 25 % del obtenido anteriormente) y un pago por capacidad
más elevado (aproximadamente un 50 % del obtenido) para el escenario 3. Además,
en el primer escenario no se considera la existencia de un pago por capacidad.
Con estos distintos escenarios se pretende comparar cómo varía la evolución
del sistema en los diferentes casos al cambiar únicamente uno de sus parámetros, que
en este caso es el pago por capacidad (Capacity_Payment).
a) Escenario 1: Pagos por capacidad = 0 € / kW
En este primer caso, el único dato de entrada que varía con respecto al caso
base es el pago por capacidad que reciben los agentes, que en este caso es nulo:
Capacity_Payment = 0 € / kW
Así se pretende estudiar el sistema en ausencia de pagos por capacidad.
FIGURA 4.12. Evolución de la demanda punta y la capacidad (escenario 1)
Page 145
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
136
Las variables en las que más se nota el cambio en la evolución del sistema
son la capacidad y el margen de reserva. Se puede apreciar que en este caso la
capacidad del sistema está por debajo de la demanda punta entre los años 10 y 14, es
decir, un año más que en el caso base, donde sí existía un regulador que ofreciera a
los agentes una señal económica de pagos por capacidad. En el año 11 se produce el
mínimo de la capacidad, y de aquí en adelante la capacidad aumenta: los agentes se
han dado cuenta de la situación y han decidido invertir porque perciben mayor
rentabilidad, pero la situación de falta de capacidad tarda en resolverse por el retardo
de 2 años en la construcción de nuevas centrales y la falta de un pago por capacidad
que anime a los agentes a invertir más.
Parece que la tendencia en el comportamiento del sistema es cíclica
(fenómeno estudiado en [FORD99]), aunque para ello habría que ampliar el
horizonte temporal de estudio. Por tanto, cabría suponer que en un entorno del año
30 la capacidad del sistema alcanzará un máximo, puesto que los agentes ya no verán
tanta rentabilidad (hay suficiente exceso de capacidad y los precios bajarán) y
optarán por no invertir.
El comportamiento descrito anteriormente se refleja también en la figura
4.13., que representa la evolución del margen de reserva (Reserve_Margin) con el
tiempo.
La situación de defecto de capacidad entre los años 10 y 14 es, como se ve en
la figura, más acusada que en el caso base, ya que el margen de reserva se aleja más
de la unidad. El mínimo en el margen de reserva (0.9517 frente a 0.9762 en el caso
base) se produce en t = 13, un año más tarde que en el caso base, y el máximo
(1.4497 frente a 1.4288 en el caso base) corresponde al año 26.
Page 146
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
137
Se ve que se produce un efecto que intuitivamente puede parecer contrario a
lo que se espera: el máximo margen de reserva que se obtiene con pagos por
capacidad mayores es inferior al obtenido con pagos por capacidad menores. Aquí
radica una de las riquezas de este tipo de modelos: permiten adelantar conclusiones
que pueden ser inesperadas si se piensa intuitivamente.
Una explicación a este fenómeno puede ser la siguiente: una de las
principales variables de decisión de ambos agentes es la rentabilidad esperada de la
inversión, basada en el precio de mercado, o más bien en su estimación futura. El
hecho de que no haya pagos por capacidad hace que los agentes tarden más en
percibir rentabilidad y por lo tanto se llegue a períodos de energía no suministrada
con precios altísimos, siendo además la duración de estos períodos mayor. Esto
provoca que los precios pasen de rondar los 3 c€ / kWh a situarse en 18 c€ / kWh de
repente, y al hacer estimaciones lineales de precios futuros, éstos se disparen,
haciendo que los agentes esperen una rentabilidad muy elevada, y por tanto, que
inviertan muchísimo. En el caso de pagos por capacidad muy elevados no se llegaría
a ver nunca precios de energía no suministrada, y por ello, como se verá más
adelante, las inversiones de los agentes son más suaves, existiendo entonces ciclos de
inversión más aplanados (fenómeno estudiado en [FORD99]).
Page 147
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
138
FIGURA 4.13. Evolución del margen de reserva (escenario 1)
En las siguientes figuras se muestra la evolución del resto de variables del
modelo, que es muy similar al caso base: una diferencia entre ambos casos es que,
por ejemplo, en la gráfica de previsión de precios futuros para el nivel de carga de
punta (figura 4.15.) hay un año (el 14) en el que esta previsión alcanza su tope
máximo, el precio de la energía no suministrada, porque la inexistencia de pagos por
capacidad hace que la estimación de precios futuros en los últimos años de vida de la
central se dispare.
Page 148
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
139
FIGURA 4.14. Evolución de los precios (escenario 1)
FIGURA 4.15. Evolución del precio esperado en punta (escenario 1)
Page 149
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
140
FIGURA 4.16. Evolución del precio esperado en llano (escenario 1)
FIGURA 4.17. Evolución del precio esperado en valle (escenario 1)
Page 150
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
141
FIGURA 4.18. Evolución de la rentabilidad esperada (escenario 1)
FIGURA 4.19. Variables usadas en el bucle “DUOPOLY” (escenario 1)
Page 151
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
142
FIGURA 4.20. Variables de decisión e inversiones del Duopolio (escenario 1)
FIGURA 4.21. Variables usadas en el bucle “IPP” (escenario 1)
Page 152
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
143
FIGURA 4.22. Variables de decisión e inversiones de los IPPs (escenario 1)
Por tanto, como se ha podido concluir a partir de la observación de las
gráficas, las mayores diferencias entre el caso base y éste, donde no existen pagos
por capacidad, se producen en la capacidad del sistema y el margen de reserva,
manifestándose el fenómeno descrito anteriormente de “aplanamiento” de los ciclos
de inversión: el margen de reserva cae por debajo de la unidad sensiblemente más
que en el caso base, ya que no existe un regulador que asegure un pago por capacidad
para animar a los agentes a invertir, y además el máximo margen de reserva que se
obtiene con pagos por capacidad menores es superior al obtenido con pagos por
capacidad mayores (como el caso base).
Page 153
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
144
b) Escenario 2: Pagos por capacidad = 13 € / kW (caso base)
En este caso sólo se volverán a mostrar las gráficas correspondientes a la
demanda y capacidad del sistema y al margen de reserva, que es donde se aprecian
de forma más notable las variaciones en el comportamiento del sistema.
FIGURA 4.23. Evolución de la demanda y la capacidad del sistema (caso base)
En este caso se puede apreciar que es entre los años 10 y 13 cuando la
capacidad del sistema está por debajo de la demanda punta. En el año 12 se produce
el mínimo de la capacidad, y de aquí en adelante la capacidad aumenta. Esto
significa que los agentes se han dado cuenta de la situación y han decidido invertir
porque perciben mayor rentabilidad, pero la situación de falta de capacidad tarda en
resolverse por el retardo de 2 años en la construcción de nuevas centrales.
Page 154
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
145
Parece que la tendencia en el comportamiento del sistema es cíclica
(fenómeno estudiado en [FORD99]), aunque para ello habría que ampliar el
horizonte temporal de estudio. Por tanto, cabría suponer que en un entorno del año
30 la capacidad del sistema alcanzará un máximo, puesto que los agentes ya no verán
tanta rentabilidad (hay suficiente exceso de capacidad y los precios bajarán) y
optarán por no invertir.
En la figura 4.24. se vuelve a observar la situación de defecto de capacidad
entre los años 10 y 13. El mínimo en el margen de reserva (0.9762) se produce en el
año 12, y el máximo (1.4288) corresponde al instante t = 25. Se observa, por tanto, el
fenómeno de “aplanamiento” de los ciclos de inversión comentado anteriormente.
FIGURA 4.24. Evolución del margen de reserva (caso base)
Page 155
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
146
c) Escenario 3: Pagos por capacidad = 26 € / kW
En este último caso, el único dato de entrada que varía con respecto al caso
base es el pago por capacidad que reciben los agentes, que en este caso es el doble:
Capacity_Payment = 26 € / kW
Este valor de pago por capacidad corresponde aproximadamente al 50 % del
pago de capacidad crítico con el cual una central que no entrara a generar nunca
estaría a punto de ser rentable.
Las variables en las que más se nota el cambio en la evolución del sistema
son la capacidad y el margen de reserva. Se puede apreciar que en este caso la
capacidad del sistema no está en ningún momento por debajo de la demanda punta
(las curvas son prácticamente tangentes) debido a la existencia de un regulador que
ofrece a los agentes una señal económica de pagos por capacidad suficiente como
para incentivar las inversiones en nueva capacidad y evitar así la falta de suministro.
En el año 9 se produce el mínimo de la capacidad, y de aquí en adelante la capacidad
aumenta: los agentes reaccionan más rápidamente ante la situación y deciden invertir
en la construcción de nuevos grupos.
Parece que la tendencia en el comportamiento del sistema es cíclica
(fenómeno estudiado en [FORD99]), aunque para ello habría que ampliar el
horizonte temporal de estudio. Por tanto, cabría suponer que en un entorno del año
30 la capacidad del sistema alcanzará un máximo, puesto que los agentes ya no verán
tanta rentabilidad (hay suficiente exceso de capacidad y los precios bajarán) y
optarán por no invertir.
Page 156
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
147
FIGURA 4.25. Evolución de la demanda y la capacidad del sistema (escenario 3)
El comportamiento descrito anteriormente se refleja también en la figura
4.26., que representa la evolución del margen de reserva (Reserve_Margin) con el
tiempo.
El mínimo en el margen de reserva (1.0017), que se produce en el año 11, es
superior a la unidad, y por tanto, no se produce ninguna situación de defecto de
capacidad, y el máximo (1.3306), bastante menor que en los otros casos que tenían
menores pagos por capacidad, corresponde al instante t = 24. Por tanto, en este caso
es mucho más apreciable el fenómeno de “aplanamiento” de los ciclos de inversión
(los máximos en el margen de reserva son menores y los mínimos son mayores),
producido al existir un pago por capacidad mayor.
Page 157
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
148
FIGURA 4.26. Evolución del margen de reserva (escenario 3)
En este caso la curva de precios (figura 4.27.) sí que se diferencia bastante de
la obtenida en el caso base, ya que al no producirse la situación de falta de capacidad
en el sistema, no se alcanza en ningún momento el elevado precio por energía no
suministrada. Al igual que en los casos anteriores, el precio al que se tiende en todos
los niveles de carga es al de los ciclos combinados, ya que las inversiones se realizan
en esa tecnología.
En el resto de figuras se muestra la evolución de las distintas variables del
sistema, pudiendo concluir también que los agentes se lanzan a invertir antes que en
los otros dos casos analizados, sin esperar a que el margen de reserva sea inferior a la
unidad.
Page 158
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
149
FIGURA 4.27. Evolución de los precios (escenario 3)
FIGURA 4.28. Evolución del precio esperado en punta (escenario 3)
Page 159
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
150
FIGURA 4.29. Evolución del precio esperado en llano (escenario 3)
FIGURA 4.30. Evolución del precio esperado en valle (escenario 3)
Page 160
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
151
FIGURA 4.31. Evolución de la rentabilidad esperada (escenario 3)
FIGURA 4.32. Variables usadas en el bucle “DUOPOLY” (escenario 3)
Page 161
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
152
FIGURA 4.33. Variables de decisión e inversiones del Duopolio (escenario 3)
FIGURA 4.34. Variables usadas en el bucle “IPP” (escenario 3)
Page 162
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
153
FIGURA 4.35. Variables de decisión e inversiones de los IPPs (escenario 3)
4.2.3. Conclusiones
Tras el análisis de estos escenarios con distintos pagos por capacidad, la
principal conclusión que se puede obtener es que, efectivamente, como se afirmaba
en la introducción de este apartado, la existencia de un regulador que ofrezca una
señal económica de pagos por capacidad a los agentes contribuye a la fiabilidad del
sistema, reduciendo la aversión al riesgo de los generadores e incentivando nuevas
inversiones, pero no garantiza que el nivel deseado de cobertura de la demanda se
alcance, como se ha demostrado en el caso base, donde la existencia de pagos por
capacidad no impedía que se diese una situación de falta de capacidad.
Page 163
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
154
Además, como se muestra en la siguiente figura, también es notable el
fenómeno de “aplanamiento” de los ciclos de inversión al ofrecerse mayores pagos
por capacidad: los máximos en el margen de reserva bajan a la vez que los mínimos
suben. Una explicación a este fenómeno, como ya se ha comentado anteriormente,
puede ser la siguiente: una de las principales variables de decisión de ambos agentes
es la rentabilidad esperada de la inversión, basada en el precio de mercado, o más
bien en su estimación futura. El hecho de que no haya pagos por capacidad hace que
los agentes tarden más en percibir rentabilidad y por lo tanto se llegue a períodos de
energía no suministrada con precios altísimos, siendo además la duración de estos
períodos mayor. Esto provoca que los precios pasen de rondar los 3 c€ / kWh a
situarse en 18 c€ / kWh de repente, y al hacer estimaciones lineales de precios
futuros, éstos se disparen, haciendo que los agentes esperen una rentabilidad muy
elevada, y por tanto, que inviertan muchísimo. En el caso de pagos por capacidad
muy elevados no se llegaría a ver nunca precios de energía no suministrada, y por
ello, las inversiones de los agentes son más suaves, existiendo entonces ciclos de
inversión más aplanados (fenómeno estudiado en [FORD99]).
Page 164
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
155
FIGURA 4.36. “Aplanamiento” de los ciclos de inversión
Algunos estudios interesantes serían ampliar el horizonte temporal de estudio
para observar más en detalle la evolución de los ciclos de inversión, o analizar la
sensibilidad del modelo a los parámetros de decisión, como la cuota de mercado
deseada por el Duopolio (Desired_Market_Share) o la curva del coeficiente de
optimismo de los IPPs (Management_Optimism).
Por último, también es preciso indicar que la previsión de precios puede ser
demasiado optimista en épocas de precios crecientes y demasiado pesimista en
épocas de precios decrecientes, por el uso de una extrapolación lineal. De ahí la gran
influencia ya comentada de las épocas de energía no suministrada, con precios tan
elevados.
Page 165
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
156
4.3. Protocolo de Kyoto y mercado de emisiones de CO2
En este segundo caso–estudio se pretende analizar la influencia que tiene en
el comportamiento del sistema la existencia de un mercado de emisiones de gases de
efecto invernadero y de pagos por emisión de CO2 a la atmósfera, estudiando para
ello diferentes escenarios.
En primer lugar se realizará una breve introducción a estos actuales conceptos
relativos al cambio climático y a continuación se presentarán los diferentes
escenarios desarrollados correspondientes a estos casos–estudio.
4.3.1. Introducción
El cambio climático, que está provocando, por ejemplo, un incremento de la
temperatura media del planeta de 0.3 a 0.6° C o una elevación del nivel de los
océanos de 10 a 25 cm, se ve acelerado por el calentamiento de la atmósfera, debido
a la intensificación de un fenómeno natural y esencial para la supervivencia en la
Tierra: el efecto invernadero. Al retener una parte del calor solar reflejado por la
superficie, los gases de efecto invernadero establecen una temperatura media de 15°
C, frente a los –18° C que reinarían en su ausencia.
Ahora bien, desde la primera revolución industrial, la concentración en la
atmósfera de gases de efecto invernadero ha aumentado de forma significativa, al
mismo tiempo que se ha ido reduciendo la capacidad natural de absorción de los
mismos. La concentración de CO2 –el gas que más contribuye al efecto invernadero–
Page 166
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
157
ha aumentado un 30% desde 1750. El 94% de las emisiones de CO2 generadas por el
hombre en Europa pueden atribuirse al sector energético en su conjunto.
Para estabilizar la concentración de CO2 en su nivel actual, habría que reducir
de inmediato las emisiones entre un 50 y un 70%. Para simplemente moderar los
efectos esperados, habría que actuar sin dilación. Se estima que, para limitar la
elevación de las temperaturas a 1,5° C en el 2050 y la elevación del nivel del mar a 2
cm por década, los países industrializados deberían reducir sus emisiones al menos
en un 35% entre 1990 y 2010.
Si se quiere alcanzar un desarrollo sostenible, la lucha contra el cambio
climático y las causas que lo producen es un reto clave para el siglo XXI, tanto para
los países desarrollados como para aquéllos en vías de desarrollo. Esta lucha
condujo a la adopción de unos objetivos provisionales en la Cumbre de la Tierra de
Río, celebrada en 1992. El Convenio de Río fue seguido de un Protocolo firmado en
Kyoto en 1997, que incluía –una vez ratificado– compromisos más precisos y
vinculantes para los países industrializados.
La Unión Europea se comprometió, en un primer momento, a estabilizar sus
emisiones de CO2 en el año 2000 al nivel de las de 1990 y, después, a reducir
globalmente sus emisiones de gases de efecto invernadero hasta el período del 2008
al 2012 en un 8% con respecto al nivel de 1990, lo que equivale a una reducción de
346 millones de toneladas de CO2. Dentro de la Unión Europea se celebró un
acuerdo de reparto de la carga, según recoge la siguiente figura:
Page 167
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
158
FIGURA 4.37. Reparto de las emisiones de gases de efecto invernadero entre los
países de la Unión Europea [JOL_02]
La iniciativa más relevante de la Unión Europea para lograr que la
Comunidad y sus Estados miembros puedan cumplir el compromiso de reducción de
emisiones de gases de efecto invernadero, que asumieron al ratificar el Protocolo de
Kyoto en la Convención Marco de Naciones Unidas sobre el Cambio Climático el 30
de mayo de 2002, es el establecimiento de un régimen para el comercio de derechos
de emisión de gases de efecto invernadero. De esta manera, se regulará un mercado
de compra y venta de derechos de emisión, que no son otra cosa que el derecho a
emitir una tonelada equivalente de dióxido de carbono durante un período
determinado.
Page 168
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
159
Tras la realización de un Plan Nacional de asignación de derechos de emisión,
la Ley Española que regula el comercio de emisiones establece durante el período de
2005 a 2007 una sanción de 40 euros por tonelada de CO2 emitida en exceso,
pasando ésta a ser de 100 euros por tonelada de CO2 emitida en exceso durante el
período de 2008 a 2012.
Para obtener más información acerca de estos temas se recomienda la
consulta de las siguientes referencias: [JOL_02], [DIRE03], [LEY_05] y [LIBR00].
4.3.2. Casos–estudio 2
En este contexto, para este segundo grupo de casos–estudio se han
desarrollado tres escenarios distintos para evaluar la influencia de la existencia de un
mercado de emisiones de gases de efecto invernadero y la existencia de pagos por
emisión de CO2 a la atmósfera. Los tres escenarios desarrollados son los siguientes:
a) Escenario 1: Precio de CO2 = 0 € / Tm CO2 (caso base)
b) Escenario 2: Precio de CO2 = 10 € / Tm CO2
c) Escenario 3: Precio de CO2 = 40 € / Tm CO2
La explicación a la elección de estos valores es la siguiente: el escenario 1
representa la inexistencia del mercado de emisiones, en el escenario 2 se toma un
precio de CO2 razonable, y por último, en el escenario 3 se toma un precio extremo.
Con estos distintos escenarios se pretende comparar cómo varía la evolución
del sistema en los diferentes casos al cambiar únicamente uno de sus parámetros, que
en este caso es el pago por la emisión de CO2, lo que repercutirá en los precios de las
tecnologías de generación (Technology_Price).
Page 169
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
160
Para la representación de un mercado de emisiones, la simplificación
realizada se basa en suponer un precio de CO2 conocido e internalizar éste en los
costes variables y, por tanto, en la oferta de los agentes.
La explicación a esta simplificación es la siguiente: los agentes generadores
tienen una serie de derechos de emisiones gratuitos, según un plan nacional de
asignaciones, por los cuales no tienen que pagar. Cuando un agente ve que va a
sobrepasar su cantidad asignada de emisiones, entonces o bien debe ir al mercado de
emisiones y comprar los derechos que necesite al precio que surja en este mercado, o
bien debe pagar una multa. El hecho de que en este modelo se considere
internalizado el precio de CO2 en los costes variables de todos los generadores se
debe a que al producir una tonelada de CO2, o bien se tiene que comprar un derecho
para su emisión o bien se tiene que gastar uno de los derechos gratuitos, y al gastar
uno de ellos el generador está perdiendo la oportunidad de venderlo en el mercado.
Es decir, existe un coste real si se tiene que comprar el derecho de emisión en el
mercado, y un coste de oportunidad (sin pago) si se está utilizando uno de los
derechos gratuitos de emisión, perdiendo la ocasión de venderlo en el mercado. Esto
es lo ortodoxamente correcto económicamente hablando, ya que podría ser que los
agentes no incluyeran el precio de los derechos gratuitos en la oferta si el mercado de
emisiones no fuera muy líquido.
En la siguiente tabla se muestran las cantidades de CO2 que cada una de las
tecnologías de generación consideradas en el modelo emite a la atmósfera:
Nuclear CC Fuel/Oil Coal0 0,37 0,8 0,9
EMISIONES POR TECNOLOGÍA (Tm CO2/MWh)
TABLA 4.8. Emisiones de CO2 por tecnología
Page 170
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
161
a) Escenario 1: Precio de CO2 = 0 € / Tm CO2 (caso base)
En este primer caso, que corresponde al caso base analizado anteriormente,
sólo se volverán a mostrar las gráficas correspondientes a la demanda y capacidad
del sistema, al margen de reserva, a los precios y a las variables de decisión del
Duopolio y de los IPPs, que es donde se aprecian de forma más notable las
variaciones en el comportamiento del sistema.
Como el precio de CO2 es nulo, no se producen variaciones en los precios de
las diferentes tecnologías de producción:
Technology_Price (c€ / kWh)Nuclear1 0,5 Nuclear2 0,7
Coal3 1,8 Coal4 2,2 CC5 3,3
Fuel / Oil6 4,3 Fuel / Oil7 4,7
ENS8 18
TABLA 4.9. Precio de las tecnologías (escenario 1)
Ya se ha comentado antes que existe un intervalo de tiempo, entre los años 10
y 13, en el que no hay suficiente capacidad para satisfacer la demanda punta, y por lo
tanto, el margen de reserva es inferior a la unidad y el precio correspondiente al nivel
de carga de punta se dispara hasta el precio de la energía no suministrada. Además, el
precio de todos los niveles de carga tiende a largo plazo al de los ciclos combinados
(aquí se alcanza en el año 17) como consecuencia de las inversiones de los agentes
en esta tecnología.
Page 171
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
162
FIGURA 4.38. Evolución de la demanda y la capacidad del sistema (caso base)
FIGURA 4.39. Evolución del margen de reserva (caso base)
Page 172
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
163
FIGURA 4.40. Evolución de los precios (caso base)
FIGURA 4.41. Variables de decisión e inversiones del Duopolio (caso base)
Page 173
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
164
FIGURA 4.42. Variables de decisión e inversiones de los IPPs (caso base)
b) Escenario 2: Precio de CO2 = 10 € / Tm CO2
En este caso, los precios de las tecnologías de generación ascienden a los
valores mostrados en la tabla:
Technology_Price (c€/kWh) Nuclear1 0,5 Nuclear2 0,7
Coal3 2,7 Coal4 3,1 CC5 3,67
Fuel / Oil6 5,1 Fuel / Oil7 5,5
ENS8 18
TABLA 4.10. Precio de las tecnologías (escenario 2)
Page 174
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
165
Al internalizar el precio de CO2 el orden de mérito varía; en este caso no en
cuanto al orden de las tecnologías, pero sí en cuanto a sus costes variables. El
aumento del coste variable de los ciclos combinados es menor proporcionalmente
que el aumento del de las centrales de fuel-oil y carbón.
En este caso, el margen de reserva no cae en ningún momento por debajo de
la unidad. Como se aprecia en la figura 4.44., durante los primeros años las centrales
de fuel-oil marcan muchas veces el precio (en los niveles de carga de punta y llano),
y esto hace que los agentes vean más rentabilidad en los ciclos combinados que
antes, puesto que la diferencia precio – coste variable de los ciclos combinados es
mayor, y por eso invierten más. Como consecuencia de esto, el precio del pool tiende
a verse marcado por el precio de los ciclos combinados, que es la tecnología más
“limpia” en términos de emisiones de gases de efecto invernadero a la atmósfera,
junto con las centrales nucleares.
El Duopolio comienza a invertir en t = 7, dos años antes que en el caso base.
En este caso, es el Duopolio el que vuelve a llevar el peso de las inversiones, ya que
tiene una política muy agresiva por la cuota de mercado que desea mantener, y los
IPPs siguen siendo muy aversos al riesgo.
En las siguientes gráficas se muestra la evolución del sistema en este caso:
Page 175
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
166
FIGURA 4.43. Evolución de la demanda y la capacidad del sistema (escenario 2)
FIGURA 4.44. Evolución del margen de reserva (escenario 2)
Page 176
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
167
FIGURA 4.45. Evolución de los precios (escenario 2)
FIGURA 4.46. Evolución del precio esperado en punta (escenario 2)
Page 177
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
168
FIGURA 4.47. Evolución del precio esperado en llano (escenario 2)
FIGURA 4.48. Evolución del precio esperado en valle (escenario 2)
Page 178
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
169
FIGURA 4.49. Evolución de la rentabilidad esperada (escenario 2)
FIGURA 4.50. Variables usadas en el bucle “DUOPOLY” (escenario 2)
Page 179
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
170
FIGURA 4.51. Variables de decisión e inversiones del Duopolio (escenario 2)
FIGURA 4.52. Variables usadas en el bucle “IPP” (escenario 2)
Page 180
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
171
FIGURA 4.53. Variables de decisión e inversiones de los IPPs (escenario 2)
c) Escenario 3: Precio de CO2 = 40 € / Tm CO2
En este caso, los precios de las tecnologías de generación cambian a los
valores mostrados en la tabla:
Technology_Price (c€/kWh)Nuclear1 0,5 Nuclear2 0,7
CC3 4,78 Coal4 5,4 Coal5 5,8
Fuel / Oil6 7,5 Fuel / Oil7 7,9
ENS8 18
TABLA 4.11. Precio de las tecnologías (escenario 3)
Page 181
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
172
Al internalizar el precio de CO2 en este caso, el orden de mérito varía de
forma muy apreciable: no sólo porque el aumento del coste variable de los ciclos
combinados es menor proporcionalmente que el aumento del de las centrales de fuel-
oil y carbón, sino también porque este aumento es de tal magnitud que se invierte el
orden de mérito, pasando los ciclos combinados a ser más baratos que las centrales
de carbón (en el caso anterior, de precio 10 € / Tm CO2, a pesar de que los ciclos
combinados son más limpios, las centrales de carbón seguían siendo más baratas) .
Al igual que en el caso anterior, el margen de reserva tampoco cae en ningún
momento por debajo de la unidad, estando esta vez muy holgadamente por encima de
uno. Como se aprecia en la figura 4.56., durante los primeros años las centrales de
fuel-oil marcan muchas veces el precio (en los niveles de carga de punta y llano), y
esto hace que los agentes vean más rentabilidad en los ciclos combinados que en el
caso base, puesto que la diferencia precio – coste variable de los ciclos combinados
es mayor, y por eso invierten mucho más. Como consecuencia de esto, el precio del
pool tiende a verse marcado más rápidamente por el precio de los ciclos combinados
(en este caso el precio correspondiente a los tres niveles de carga alcanza el de los
ciclos combinados en el año 11, cuatro años antes que en el caso anterior y seis antes
que en el caso base).
Los agentes comienzan a invertir muchísimo antes que en los casos
anteriores, puesto que perciben mayor rentabilidad, según se ha explicado ya: el
Duopolio comienza a invertir en t = 3, cuatro años antes que en el caso anterior y seis
antes que en el caso base. El Duopolio vuelve a llevar el peso de las inversiones, ya
que tiene una política muy agresiva por la cuota de mercado que desea mantener, y
los IPPs siguen siendo muy aversos al riesgo.
Page 182
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
173
En las siguientes gráficas se muestra la evolución del sistema en este caso:
FIGURA 4.54. Evolución de la demanda y la capacidad del sistema (escenario 3)
FIGURA 4.55. Evolución del margen de reserva (escenario 3)
Page 183
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
174
FIGURA 4.56. Evolución de los precios (escenario 3)
FIGURA 4.57. Evolución del precio esperado en punta (escenario 3)
Page 184
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
175
FIGURA 4.58. Evolución del precio esperado en llano (escenario 3)
FIGURA 4.59. Evolución del precio esperado en valle (escenario 3)
Page 185
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
176
FIGURA 4.60. Evolución de la rentabilidad esperada (escenario 3)
FIGURA 4.61. Variables usadas en el bucle “DUOPOLY” (escenario 3)
Page 186
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
177
FIGURA 4.62. Variables de decisión e inversiones del Duopolio (escenario 3)
FIGURA 4.63. Variables usadas en el bucle “IPP” (escenario 3)
Page 187
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
178
FIGURA 4.64. Variables de decisión e inversiones de los IPPs (escenario 3)
4.3.3. Conclusiones
Tras el análisis de estos escenarios que tratan de estudiar el efecto de la
introducción de un mercado de emisiones, la principal conclusión que se puede
obtener es que al introducir un precio de CO2 se produce una variación en el orden de
mérito de las tecnologías de generación, lo que provoca que los agentes inviertan
más rápido en centrales de ciclo combinado, ya que perciben más rentabilidad. Esto
hace que el precio del pool se vea marcado por esta tecnología muy rápidamente, ya
que es la tecnología más “limpia” en términos de emisiones de gases de efecto
Page 188
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 4. CASOS Y RESULTADOS
179
invernadero a la atmósfera, junto con las centrales nucleares. Esto es más acusado
cuanto mayor es el precio de CO2.
Profundizando un poco más, una posible limitación de estos casos-estudio
podría ser el haber considerado la serie inicial de precios históricos con un valor de 3
c€ / kWh: en el instante inicial, que es cuando se introduce el mercado de emisiones,
al calcular el precio esperado en el futuro mediante una extrapolación lineal, se está
siendo demasiado optimista ya que al pasar a un mercado de emisiones se produce un
salto generalizado en los precios, y por tanto, los nuevos precios previstos por esta
extrapolación serán demasiado elevados, y los agentes percibirán mucha más
rentabilidad que si se hubiera considerado una serie inicial de precios históricos con
valores más próximos a los nuevos precios de estos escenarios, internalizando ya el
precio de CO2 para evitar este efecto “salto”.
Page 189
5. CONCLUSIONES
En este último capítulo de la memoria de este proyecto fin de carrera se va a
presentar un resumen del mismo y las conclusiones obtenidas.
La estructura del capítulo es la siguiente: en primer lugar se resume el
proyecto, comentando el problema que se ha abordado, la metodología utilizada y los
objetivos alcanzados a lo largo del mismo.
En segundo lugar se presentarán las conclusiones que se han obtenido tras la
realización del proyecto. No sólo se hablará de las conclusiones que se han podido
sacar de los casos simulados con ayuda del modelo (en escenarios de pagos por
capacidad y precios de CO2 en un mercado de emisiones) y que se han descrito en el
capítulo anterior, sino que también se comentarán otros aspectos del proyecto, como
las principales aportaciones propias al modelo, la utilidad del mismo, sus
limitaciones o algunos futuros desarrollos o mejoras que se le podrían hacer al
mismo, ya que la técnica empleada en la realización de este proyecto fin de carrera,
“Business Dynamics”, cuenta con muchas potencialidades, y éstas podrían ser
aprovechadas para la incorporación o el desarrollo de nuevas funciones para el
modelo.
180
Page 190
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
181
5.1. Resumen
Con este proyecto fin de carrera se aborda el problema de expansión de la
generación en mercados eléctricos.
Este problema consiste en la toma de un conjunto de decisiones por parte de
las compañías eléctricas generadoras, como son la construcción de nuevas centrales,
el cierre de plantas ya existentes o la compra y venta de las mismas, de acuerdo con
una serie de criterios, que pueden ser desde, por supuesto, la rentabilidad económica
de la inversión hasta criterios más estratégicos, y sometidas a un conjunto de
restricciones, que pueden ser de muy diversa índole: técnicas, económicas,
regulatorias, estratégicas...
El contexto en el que se enmarca el proyecto es el de un sector eléctrico que
ha sido liberalizado, pasando de un funcionamiento regulado a la introducción de
competencia en algunas actividades, como la de generación de energía. En este
aspecto, las decisiones de inversión en activos de generación, que antes eran
centralizadas, tomadas y planificadas por la Administración, son ahora
responsabilidad de los propios agentes productores de energía eléctrica que, de esta
manera, han pasado a moverse en un contexto con mucha más incertidumbre y
mayor riesgo. Además, en este nuevo contexto cobra una gran importancia
tecnológicamente el desarrollo de los ciclos combinados de gas natural, que
conllevan unos costes de inversión y unos tiempos de construcción mucho menores
que los asumidos a la hora de construir centrales de otro tipo.
Los agentes productores, en este contexto de mayor incertidumbre, necesitan
la ayuda de herramientas como el modelo desarrollado en este proyecto fin de carrera
Page 191
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
182
para tomar las decisiones de inversión en activos de generación, ya que les permite
hacer previsiones cualitativas y cuantitativas del comportamiento del mercado a
largo plazo.
La técnica empleada en el desarrollo del modelo objeto de este proyecto es
“Business Dynamics”. Conocida con este nombre cuando se aplica a análisis en el
campo de los negocios, la dinámica de sistemas (creada por el ingeniero americano
Jay W. Forrester en la década de 1950) es una técnica matemática basada en la teoría
de control automático que permite representar y modelar sistemas dinámicos muy
complejos, que incluyen no linealidades, retrasos temporales o bucles de
realimentación entre sus variables, para observar su evolución en el tiempo. Es muy
variado el número de campos de aplicación de esta técnica: sistemas sociológicos,
ecológicos y medioambientales, sistemas energéticos, problemas logísticos…
La metodología seguida en este proyecto fin de carrera ha sido la siguiente:
el modelo desarrollado en este proyecto está basado en un artículo de investigación
[GARY98], que ha sido estudiado, criticado y analizado, para ser posteriormente
mejorado e implementado en MATLAB utilizando una colección de rutinas ya
existentes. Después el funcionamiento de este modelo ha sido verificado mediante la
simulación de un caso base, y se ha utilizado para el desarrollo de dos casos–estudio
de interés: uno sobre cómo afecta en la evolución del sistema la existencia de un
regulador que dé a los agentes una señal económica de pago por capacidad, y otro
sobre qué consecuencias puede traer la existencia de un mercado de derechos de
emisión de gases de efecto invernadero.
Así se ha cubierto el objetivo general del proyecto, que consiste en constituir
una herramienta que ayude a los agentes productores de energía eléctrica a la hora de
Page 192
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
183
la toma de decisiones de inversión en activos de generación a largo plazo o a los
reguladores para tratar de decidir políticas adecuadas o prever consecuencias en las
ya decididas, y también un conjunto de objetivos adicionales, como son la
profundización en el conocimiento de la técnica “Business Dynamics” o el
funcionamiento de mercados eléctricos a largo plazo, el apoyo en el desarrollo en
MATLAB de un programa que permita simular cualquier tipo de sistema dinámico,
el modelado de un sistema eléctrico que represente la dinámica de inversiones en
activos de generación a largo plazo, la implantación de un modelo con ese algoritmo
o la ejecución y el análisis de casos con la ayuda de dicho modelo.
5.2. Conclusiones
En este apartado se van a presentar las conclusiones que se han podido sacar
de los casos simulados con ayuda del modelo y que se han descrito en el capítulo
anterior, las aportaciones propias la utilidad del modelo, sus limitaciones y algunos
futuros desarrollos así como mejoras que se le podrían hacer al mismo.
5.2.1. Conclusiones de los casos desarrollados con el modelo
Como ya se ha descrito en el capítulo anterior, con la ayuda del modelo
implantado se ha desarrollado un caso base y varios casos–estudio, que tratan
diversos aspectos interesantes en el modelado de un mercado eléctrico, como son los
efectos que puede tener en la evolución del sistema la existencia de una señal
Page 193
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
184
económica de pago por capacidad, y qué consecuencias puede traer la existencia de
un mercado de derechos de emisión de gases de efecto invernadero.
En el primer conjunto de casos–estudio se han analizado los efectos que
puede tener en el sistema la existencia de un regulador que dé a los agentes un pago
por capacidad, independientemente de si los grupos entran o no a producir energía.
La principal conclusión que se puede obtener es que, efectivamente, la
existencia de un regulador que ofrezca una señal económica de pagos por capacidad
a los agentes contribuye a la fiabilidad del sistema, reduciendo la aversión al riesgo
de los generadores e incentivando nuevas inversiones, pero no garantiza que el nivel
deseado de cobertura de la demanda se alcance, como se ha demostrado en el caso
base, donde la existencia de pagos por capacidad no impedía que se diese una
situación de falta de capacidad.
Además, también es notable el fenómeno de “aplanamiento” de los ciclos de
inversión al ofrecerse mayores pagos por capacidad: los máximos en el margen de
reserva bajan a la vez que los mínimos suben. Una explicación a este fenómeno,
como ya se ha comentado en el capítulo anterior, puede ser la siguiente: una de las
principales variables de decisión de ambos agentes es la rentabilidad esperada de la
inversión, basada en el precio de mercado, o más bien en su estimación futura. El
hecho de que no haya pagos por capacidad hace que los agentes tarden más en
percibir rentabilidad y por lo tanto se llegue a períodos de energía no suministrada
con precios altísimos, siendo además la duración de estos períodos mayor. Esto
provoca que los precios pasen de rondar los 3 c€ / kWh a situarse en 18 c€ / kWh de
repente, y al hacer estimaciones lineales de precios futuros, éstos se disparen,
haciendo que los agentes esperen una rentabilidad muy elevada, y por tanto, que
Page 194
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
185
inviertan muchísimo. En el caso de pagos por capacidad elevados no se llegaría a ver
nunca precios de energía no suministrada, y por ello, las inversiones de los agentes
son más suaves, existiendo entonces ciclos de inversión más aplanados (fenómeno
estudiado en [FORD99]).
Algunos estudios interesantes serían ampliar el horizonte temporal de estudio
para observar más en detalle la evolución de los ciclos de inversión, o analizar la
sensibilidad del modelo a los parámetros de decisión, como la cuota de mercado
deseada por el Duopolio (Desired_Market_Share) o la curva del coeficiente de
optimismo de los IPPs (Management_Optimism).
Por último, también es preciso indicar que la previsión de precios puede ser
demasiado optimista en épocas de precios crecientes y demasiado pesimista en
épocas de precios decrecientes, por el uso de una extrapolación lineal. De ahí la gran
influencia ya comentada de las épocas de energía no suministrada, con precios tan
elevados.
En cuanto al segundo conjunto de casos–estudio, con sus distintos escenarios
se ha pretendido analizar las consecuencias que puede traer para el sector eléctrico la
existencia de un mercado de derechos de emisión de gases de efecto invernadero.
La introducción de este mercado de emisiones repercute en los costes
variables de las centrales, ya que al existir un precio por tonelada de CO2, las
centrales deben incluirlo en estos costes y, como consecuencia, en su oferta. La
principal conclusión que se puede obtener es que al introducir un precio de CO2 se
produce una variación en el orden de mérito de las tecnologías de generación. Con
precios bajos de CO2, no hay cambio en cuanto a orden de los grupos pero sí
diferencias importantes en los costes, saliendo beneficiado el ciclo combinado por
Page 195
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
186
tener una tasa de emisiones menor que las centrales de carbón y fuel-oil. Con precios
altos de CO2 el efecto anterior se ve amplificado existiendo además un cambio en el
orden de los grupos ya que los ciclos combinados pasan a ser incluso más baratos
que las centrales de carbón.
Todo lo anterior provoca que los agentes inviertan más rápido en centrales de
ciclo combinado, ya que perciben más rentabilidad. Esto hace que el precio del pool
se vea marcado por esta tecnología muy rápidamente, ya que es la tecnología más
“limpia” en términos de emisiones de gases de efecto invernadero a la atmósfera,
junto con las centrales nucleares. Esto es más acusado cuanto mayor es el precio de
CO2.
Profundizando un poco más, una posible limitación de estos casos-estudio
podría ser el haber considerado la serie inicial de precios históricos con un valor de 3
c€ / kWh: en el instante inicial, que es cuando se introduce el mercado de emisiones,
al calcular el precio esperado en el futuro mediante una extrapolación lineal, se está
siendo demasiado optimista ya que al pasar a un mercado de emisiones se produce un
salto generalizado en los precios, y por tanto, los nuevos precios previstos por esta
extrapolación serán demasiado elevados, y los agentes percibirán mucha más
rentabilidad que si se hubiera considerado una serie inicial de precios históricos con
valores más próximos a los nuevos precios de estos escenarios, internalizando ya el
precio de CO2 para evitar este efecto “salto”.
Page 196
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
187
5.2.2. Aportaciones propias al modelo
Las principales mejoras propias aportadas al modelo de Gary ([GARY98]) a
lo largo de la realización de este proyecto han sido:
• Considerar que el parque generador está formado por un mix de tecnologías,
compuesto por centrales nucleares, térmicas de carbón y fuel-oil, y por
último, centrales de ciclo combinado de gas natural, que son en las que
invierten los agentes productores.
• Considerar que existen tres niveles distintos de carga (punta, llano y valle) a
lo largo del año, para dotar de mayor riqueza al modelo.
• Diseñar una función de casación entre oferta y demanda, con objeto de hallar
el precio de mercado (Pool_Price) para cada nivel de carga.
• Utilizar un modelo de extrapolación lineal para el cálculo del precio esperado
en el futuro (Expected_Pool_Price) para cada nivel de carga.
• Considerar una tasa de descuento a la hora de calcular la rentabilidad
esperada de la inversión (Expected_Profitability).
• Considerar costes de inversión, costes fijos y variables para las centrales de
ciclo combinado.
• Implementar informáticamente retrasos en la construcción e incorporación de
las centrales de ciclo combinado al mercado.
• Diseñar funciones para el cálculo, la acumulación y la actualización de la
capacidad de los agentes, tanto del Duopolio como de los IPPs.
Page 197
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
188
• Diseñar una función distinta para el cálculo de un parámetro estratégico de
optimismo (Management_Optimism) utilizado por los IPPs a la hora de
decidir cuántas centrales deben empezar a construir.
• Diseñar una función distinta de decisión de inversión en nuevas centrales de
ciclo combinado por parte de los IPPs.
• Diseñar una función distinta de decisión de inversión en nuevas centrales de
ciclo combinado por parte del Duopolio.
• Considerar la existencia de un regulador que ponga un límite superior al
número de centrales de ciclo combinado que deciden construir los agentes.
• Considerar la existencia de un pago por capacidad.
• Diseñar una serie de funciones que permiten acumular y actualizar las
decisiones futuras de construcción de nuevas centrales de ciclo combinado
por parte del Duopolio y de los IPPs.
5.2.3. Utilidad del modelo
Respecto a la utilidad del modelo, ya se ha comentado que el modelo
desarrollado en este proyecto fin de carrera pretende ser una herramienta que ayude a
los agentes productores de energía eléctrica a la hora de tomar las decisiones de
inversión en activos de generación a largo plazo, es decir, a la hora de decidir cuántas
centrales deben construir, de acuerdo con una serie de criterios y bajo ciertas
restricciones, y también a los reguladores para tratar de decidir políticas adecuadas o
prever consecuencias en las ya decididas.
Page 198
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
189
Con este modelo, los distintos agentes productores de un sistema eléctrico
pueden observar cuál va a ser el comportamiento cualitativo y cuantitativo del
sistema a largo plazo en función de las diferentes decisiones de inversión en nuevas
centrales generadoras que tomen tanto ellos como sus competidores, y cómo
afectarán éstas a la evolución del sistema.
La motivación de la aparición de modelos como éste viene del considerable
aumento de la incertidumbre y el riesgo que ha traído consigo la liberalización de los
mercados eléctricos y la introducción de competencia en actividades como la
generación.
Son muchos y muy buenos los trabajos realizados con estas herramientas en
entornos regulados ([NAIL77], [FORD83]), pero su utilidad aumenta en el nuevo
entorno. El hecho de que no haya una historia previa o experiencia que permita
estimar la evolución futura del sistema liberalizado hace especialmente interesante
este tipo de modelos descriptivos que se centran en la representación de todas las
relaciones de sus variables entre sí, sus realimentaciones y retrasos temporales, que
son lo que provoca la dinámica del sistema, y que no es fácilmente representable,
siendo en algunos casos imposible, con modelos de tipo optimización y equilibrio de
mercado. En un entorno nuevo e incierto puede ser preferible recoger todas las
relaciones entre las múltiples variables para tratar de obtener conocimiento en cuanto
a cómo puede evolucionar el sistema antes que tratar de buscar un equilibrio de
mercado.
Page 199
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
190
5.2.4. Limitaciones del modelo
Cualquier modelo matemático que pretenda representar la realidad parte de
una serie de hipótesis y simplificaciones, ya que si no, no sería posible o eficiente el
uso de estos modelos.
Las hipótesis de este modelo provocan que su uso se vea limitado al largo o
muy largo plazo, pero de todos modos ésta es a su vez una de las funciones y
utilidades del modelo: a los agentes generadores les interesa la utilización de un
modelo como éste porque les permite conocer el comportamiento y la evolución del
sistema en el largo plazo.
Al centrarse este tipo de modelos en los detalles de las interrelaciones entre
las distintas variables o los retrasos, se dejan de lado detalles más técnicos del
sistema. Por ejemplo, en este modelo existe una única casación entre oferta y
demanda cada año, cuando en la realidad se produce una casación cada hora, es decir
8760 casaciones al año. Por este motivo, y para dotar de algo más de riqueza al
modelo, se decidió introducir tres niveles de carga (punta, llano y valle) con distintos
perfiles de demanda para así tener algo más de variedad en el comportamiento del
sistema.
Otra posible limitación podría ser la suposición de que el mercado se
comporta de manera competitivamente perfecta, es decir, que no existe ningún
agente con suficiente poder como para influir en el precio del mercado, o también
que entre los distintos agentes existe información perfecta a la hora, por ejemplo, de
conocer las decisiones de inversión futuras que planea cada agente. Sí que es cierto
que este tipo de decisiones suelen ser secretas, pero también es verdad que para
Page 200
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
191
empezar a construir una central es necesaria la obtención de una serie de permisos, y
este tipo de información ya es de dominio público. Por eso no es tan descabellado
hacer la suposición de que entre los dos agentes representados en el modelo, el
Duopolio y los IPPs (productores independientes), exista una realimentación que les
proporcione información de cuáles son los planes futuros e intenciones de inversión
en nuevos activos de generación.
Otras limitaciones que se han ido comentando a lo largo de la memoria son la
manera de estimar el precio futuro mediante una regresión lineal (que puede ser
demasiado optimista en épocas de precios crecientes y demasiado pesimista en
épocas de precios decrecientes), o el uso de cierto tipo de variables “blandas”, como
el optimismo de los IPPs o la cuota de mercado deseada por el Duopolio, no porque
su uso en sí sea una limitación (es más bien una fortaleza de este modelo), sino
porque no se han contrastado los valores adoptados con datos históricos o con la
opinión de expertos del sector.
Sin embargo, a pesar de las limitaciones señaladas anteriormente, el uso de
este tipo de modelos está especialmente indicado para estudios en el largo plazo
debido a la consideración de retrasos temporales y al análisis de las relaciones entre
variables y los bucles de realimentación, de manera que se pueden obtener resultados
cualitativos y cuantitativos de la evolución del sistema, cosa que no permiten realizar
otros modelos.
Page 201
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
192
5.2.5. Futuros desarrollos
En este apartado se presentan algunas propuestas para futuros desarrollos que
se podrían llevar a cabo con la ayuda de este modelo.
En primer lugar se podría realizar una mayor cantidad de análisis de
sensibilidad para observar, variando distintos parámetros de entrada al modelo o sus
condiciones iniciales, qué cambios se producen en el comportamiento y en la
evolución del sistema. Algunas de las variables más interesantes serían la cuota de
mercado proyectada por el Duopolio o las series iniciales de precios históricos.
Además, también sería interesante el variar alguna de las funciones del
modelo, como la que calcula una de las variables de decisión a las que atienden los
IPPs, el parámetro de optimismo, teniendo en cuenta datos históricos o la opinión de
expertos del sector. Se ha comprobado durante la realización y análisis de los casos
propuestos que esta función reflejaba una enorme aversión al riesgo por parte de
estos productores independientes, quienes sólo realizaban inversiones en los
momentos más críticos del sistema, dejando que el modelo se comportase como un
oligopolio en poder del Duopolio, que, por otra parte, llevaba a cabo una agresiva
política por su elevada cuota de mercado deseada. El dotar a los IPPs de un mayor
optimismo podría verse reflejado en un comportamiento más activo por parte de
estos agentes en el mercado y una mayor introducción de competencia en el mismo.
También se podrían estudiar las consecuencias que puede traer al mercado el
desarrollo de las energías renovables, fundamentalmente de la energía eólica, pero
también de otras como la solar o la biomasa en el futuro, debido fundamentalmente,
en el caso de nuestro país, al Plan de Fomento de las Energías Renovables, que
Page 202
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
193
refleja el compromiso adquirido por España para que a partir del año 2010 el 12% de
la energía producida en nuestro país provenga de fuentes renovables. Esto se podría
considerar fácilmente introduciéndolas como dato de entrada y analizando como
influyen éstas en la expansión de los ciclos combinados, o de manera mucho más
completa, permitiendo que los agentes también puedan invertir en renovables.
Otro aspecto que se podría desarrollar es aumentar el parque de generación
con la energía hidráulica, desarrollando algún tipo de modelo de coordinación
hidrotérmica, para observar qué tipo de influencias pueden traer las estacionalidades
propias de esta fuente de energía al comportamiento del sistema.
Además, también podría ser interesante la consideración de algún tipo de
aleatoriedad en el modelo, por ejemplo en la previsión de la demanda, desarrollando
así un modelo estocástico.
Otras líneas de desarrollo pueden consistir en la consideración de más
tecnologías de expansión, la posibilidad de dotar al modelo de inteligencia para
decidir también los cierres de centrales con algún criterio económico, dar elasticidad
a la demanda frente al precio, o introducir funciones de cálculo más detalladas (por
ejemplo, introduciendo en el cálculo del precio una función basada en equilibrio de
mercado ya que éstos son modelos que están muy implantados y su validez ha sido
corroborada). Otro desarrollo muy importante sería definir una forma de desagregar
las decisiones de inversión por agente suponiendo una situación de oligopolio, ya que
el modelo actual considera decisiones agregadas a nivel de sistema suponiendo
además competencia perfecta.
Como se ha podido comprobar durante la realización de este proyecto fin de
carrera, la potencia de la técnica empleada, “Business Dynamics”, es enorme. Esto
Page 203
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 5. CONCLUSIONES
194
puede aprovecharse para modelar cualquier otro tipo de cuestiones relacionadas con
estudios estratégicos en mercados eléctricos.
Page 204
6. BIBLIOGRAFÍA
[PERE98] Pérez-Arriaga, J. I., “Visión global del cambio de regulación”, Anales
de Mecánica y Electricidad, vol. LXXV, fascículo II, pp. 10-20,
Madrid, Mar-Abr 1998.
[ALBA98] Alba Ríos, J. J., Larrea Paguga, P., “Las empresas de generación
frente al nuevo entorno”, Anales de Mecánica y Electricidad, vol.
LXXV, fascículo II, pp. 22-33, Madrid, Mar-Abr 1998.
[CORR98] Corrales, J., Conesa, P., “La nueva generación: el caso de los ciclos
combinados”, Anales de Mecánica y Electricidad, vol. LXXV,
fascículo II, pp. 34-43, Madrid, Mar-Abr 1998.
[CENT05] Centeno, E., Linares, P., “Clase teórica: La Planificación a Largo
Plazo del Equipo Generador”, Máster en Gas y Electricidad, Instituto
Superior de la Energía. Instituto de Investigación Tecnológica
(Universidad Pontificia de Comillas), Madrid 2005.
[GARY98] Gary, S., Larsen, E. R., “Understanding Strategic Decisions in De-
Regulated Markets: Accelerate Learning through Simulation”, System
Dynamics Group, WP-0022, London Business School, Abril 1998.
195
Page 205
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 6. BIBLIOGRAFÍA
196
[ARAC95] Aracil, J., “Dinámica de Sistemas”, Publicaciones de Ingeniería de
Sistemas, Marzo 1995.
[PERE01] Pérez-Arriaga, J. I., “Long-term reliability of generation in
competitive wholesale markets. A critical review of issues and
alternative options”, IIT Internal Report IIT-00-098IT, Junio 2001.
[VAZQ01] Vázquez, C., Rivier, M., Pérez-Arriaga, J. I., “A Market Approach to
Long-Term Security of Supply”, IEEE Transactions on Power
Systems, Vol. 17, No. 2, Mayo 2001.
[JOL_02] Jol, A., “Greenhouse gas emission trends and projections in Europe.
Are the EU and the candidate countries on track to achieve the Kyoto
Protocol targets?”, Environmental issue report, No. 33, European
Environment Agency, 2002.
[DIRE03] “Directiva 2003/87/CE del Parlamento Europeo y del Consejo de 13
de octubre de 2003, por la que se establece un régimen para el
comercio de derechos de emisión de gases de efecto invernadero en la
Comunidad y por la que se modifica la Directiva 96/61/CE del
Consejo”, Diario Oficial de la Unión Europea, 25 de octubre de 2003.
[LEY_05] “Ley 1/2005, de 9 de marzo, por la que se regula el régimen del
comercio de derechos de emisión de gases de efecto invernadero”,
Boletín Oficial del Estado, núm. 59, Jueves 10 de marzo de 2005.
[LIBR00] “Libro Verde. Hacia una estrategia europea de seguridad del
abastecimiento energético”, Comisión de las Comunidades Europeas,
Bruselas, 29. 11. 2000.
Page 206
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 6. BIBLIOGRAFÍA
197
[FORD99] Ford, A. ”Cycles in competitive electricity markets: a simulation
study of the Western United States”. Energy Policy, vol.27,
no.11, Oct. 1999.
[NAIL77] Nail, R. “Managing the Energy Transition”. Ballinger:
Cambridge, MA, USA. 1977
[FORD83] Ford, A. “Using simulations for policy evaluation in the electric
industry”, Simulation 40, pp. 85-92, 1983.
Page 209
ANEXO B
En este segundo anexo se explica la implantación informática del modelo,
realizada a partir de un programa en MATLAB desarrollado por Juan José Sánchez
Domínguez (Instituto de Investigación Tecnológica - ICAI) que permite el modelado
de sistemas dinámicos de cualquier tipo usando la metodología de “Business
Dynamics”. Por otra parte, el autor de este proyecto fin de carrera ha codificado las
funciones necesarias para el modelo de expansión de la capacidad desarrollado en el
proyecto (explicadas en el capítulo 3).
El funcionamiento del programa se describe a continuación:
Los datos de entrada del modelo se introducen en dos libros de Excel: el
primero, llamado “NodesData”, está constituido por los nodos, sus variables de
entrada y salida, su tipo y las condiciones iniciales de las variables de entrada a los
nodos dinámicos, y el segundo, de nombre “MainData”, contiene los valores de las
variables o parámetros de entrada al modelo que proceden de los nodos tipo nube.
FIGURA B.1. Libro con los datos de los nodos “NodesData”
201
Page 210
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 7. ANEXOS
202
FIGURA B.2. Condiciones iniciales en la hoja de datos “NodesData”
FIGURA B.3. Hoja de datos “MainData”
El módulo principal, que va llamando a las distintas funciones del programa y
cuyo código se muestra en la siguiente figura, después de una serie de acciones de
inicialización, tales como la lectura de algunos parámetros de simulación (entre ellos,
el tiempo final de simulación T) o la preparación de las carpetas necesarias para
ejecutar el modelo, procede a la lectura de los datos contenidos en los dos libros de
Excel. Estos datos son introducidos en una variable especial de MATLAB, conocida
como cell array.
Page 211
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 7. ANEXOS
203
Page 212
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 7. ANEXOS
204
FIGURA B.4. Código fuente del módulo principal
Una vez creados los nodos y las variables en MATLAB, se procede a la
ejecución de los nodos desde el instante inicial al final (T). En cada instante, se
actualizan las variables y los nodos y se procede a la ejecución de todos los nodos.
Existe una función que almacena el orden en que se ejecutan los nodos de manera
que en los instantes de tiempo posteriores el orden vuelva a ser el mismo para hacer
la ejecución del algoritmo más rápida. En primer lugar se ejecutan los nodos tipo
Page 213
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 7. ANEXOS
205
nube, después los dinámicos y a continuación los estáticos; por último, se ejecutan
los nodos tipo mar.
Conforme se ejecutan los distintos tipos de nodos, se va llamando a las
funciones del modelo que han sido implementadas por el autor del proyecto. Como
ejemplo se muestran las funciones de cálculo del precio (Pool_Price), de estimación
del precio esperado (Expected_Pool_Price) y de toma de decisión por parte de los
IPPs (IPP_Decided_New_Investments):
FIGURA B.5. Código de la función de cálculo del precio (Pool_Price)
Page 214
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 7. ANEXOS
206
FIGURA B.6. Código de la función de cálculo del precio esperado
FIGURA B.7. Código de la función de decisión por parte de los IPPs
Page 215
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 7. ANEXOS
207
Una vez ejecutados todos los nodos en el último instante de tiempo (T), se
almacenan los resultados de la ejecución en una variable llamada Historic_Variables.
El funcionamiento del programa se resume en el diagrama de flujo mostrado
en la siguiente página:
Page 216
Aplicación de “Business Dynamics” para estudios estratégicos en mercados eléctricos 7. ANEXOS
208
RESULTADOS
LECTURA DE LIBROS DE EXCEL CON
DATOS DE ENTRADA
CREACIÓN DE ESTRUCTURA DE
NODOS Y ESTRUCTURA DE
VARIABLES
ACTUALIZACIÓN VARIABLES
ACTUALIZACIÓN NODOS
EJECUCIÓN NODOS
t = t + 1
t=T
t = 1
INICIO
FIN
FIGURA B.8. Diagrama de flujo del proceso