Consumo eléctrico y Clima Enric Valor i Micó Departament de Física de la Terra i Termodinàmica

Consumo eléctrico y Clima

Enric Valor i Micó

Departament de Física de la Terra i TermodinàmicaUniversitat de València

CLIMATOLOGÍA

Climatología regional

1.- Motivación del estudio

2.- La demanda de electricidad en España

3.- Las variables meteorológicas

4.- Relación entre demanda eléctrica y variables meteorológicas

5.- Influencia de la temperatura: la variable grados-día

6.- Un modelo predictivo de la demanda de electricidad

ÍNDICE


Gestión ambiental

El Departamento de Energía de EE.UU. prevé una aumento del consumo de energía del 59% en los próximos 20 años, acompañado de un aumento del 60% en las emisiones de CO2 a la atmósfera, y un incremento de la población del planeta de 6,0 a 7,5 billones de personas, principalmente en países en rápido desarrollo.

Esto implica la necesidad de una gestión adecuada en los siguientes términos:

• Búsqueda de fuentes de energía limpias, respetuosas con el medio ambiente, y compatibles con el desarrollo sostenible

• Evaluación de los recursos energéticos disponibles

• Minimización del impacto ambiental (emisión de contaminantes, aumento del efecto invernadero, …)


Gestión de la distribución de electricidad

La electricidad se caracteriza por no poder ser almacenada en grandes cantidades como otras fuentes de energía.

Esto implica que debe ser suministrada a medida que se consume, de modo que debe haber una casación perfecta al instante entre oferta y demanda.

Para ello se necesitan modelos que permitan establecer una predicción al minuto de la energía que va a ser demandada del sistema.

Normalmente se usan modelos en los que interviene un número elevado de variables para tomar en consideración un conjunto significativo de contingencias: variación de la demanda según los hábitos horarios (determinados por consumidores residenciales, industriales y comerciales), efecto de la temperatura, posibles fallos o desconexiones de centrales eléctricas, laboralidad, vacaciones, etc.


A partir de los años 90 se inició en diferentes países un proceso de liberalización del mercado eléctrico. Entre los primeros podemos citar los Países Escandinavos y los EE.UU. En España el proceso se inició en 1998.

En la actualidad el Sistema Eléctrico en España está formado por unos pocos productores (principalmente ENDESA, IBERDROLA, HIDROCANTÁBRICO y UNIÓN FENOSA), una red de distribución gestionada independientemente, RED ELÉCTRICA DE ESPAÑA (REE), y un Mercado de la Electricidad, OMEL. En él se establecen los precios de la electricidad sujetos a las leyes de la oferta y la demanda, y sin regulación por parte del Estado.

Teóricamente, este nuevo modo de funcionamiento debiera revertir a medio plazo en un aumento de la eficiencia del sistema, así como una disminución notable del precio de la electricidad.

En este sistema, se produce una separación entre los segmentos de generación, distribución y comercialización de la energía. En principio, cualquier consumidor puede elegir con quien contratar su suministro.


La demanda real (curva amarilla) refleja el valor instantáneo de la demanda de energía eléctrica La previsión de la demanda (curva verde), se elabora con los valores de consumo en períodos precedentes equivalentes, corrigiéndola con una serie de factores que influyen en el consumo, como la laboralidad, climatología y actividad económica

La programación horaria operativa (línea escalonada roja), es la producción programada para los grupos de generación a los que se haya adjudicado el suministro de energía en la casación de los mercados diario e intradiarios, que se calcula teniendo en cuenta la evolución de la demanda


Gestión financiera

En el contexto de un mercado libre de electricidad, surgen riesgos financieros importantes, ligados fundamentalmente a:

- El precio de la electricidad, que puede sufrir importantes “saltos”, por ejemplo cuando la oferta supera ampliamente a la demanda

- El volumen generado, que puede desviarse de las previsiones iniciales (por ejemplo, en inviernos suaves y veranos frescos)

Existen instrumentos financieros que permiten “cubrir” dichos riesgos. Se trata principalmente de los activos derivados como por ejemplo contratos de futuros y opciones definidos sobre subyacentes tales como el precio de la electricidad, el volumen de electricidad consumido, la temperatura del aire, etc.

La valoración de este tipo de instrumentos necesita de un análisis de los diferentes aspectos que pueden afectar tanto a la variación de los precios de la electricidad, como del volumen demandado.


Se dispone de datos de demanda eléctrica total peninsular con frecuencia diaria, proporcionados por REE

Se ha analizado previamente sus características estacionales (diaria, semanal y mensual)

300

350

400

450

500

550

600

1/01

/199

8

1/02

/199

8

4/03

/199

8

4/04

/199

8

5/05

/199

8

5/06

/199

8

6/07

/199

8

6/08

/199

8

6/09

/199

8

7/10

/199

8

7/11

/199

8

8/12

/199

8

Fecha

De

ma

nd

a d

iari

a (

GW

h)

6000

8000

10000

12000

14000

16000

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

Año

Dem

and

a m

ensu

al (

GW

h)


El análisis de las características estacionales se ha efectuado mediante los índices de variación estacional diario (IVED) y mensual (IVEM)

IVEMij=j

ij

X

X IVEDijk=

jk

ijk

X

X

0,75

0,88

1,00

1,13

1,25

en

ero

feb

rero

ma

rzo

ab

ril

ma

yo

jun

io

julio

ag

os

to

se

pti

em

bre

oc

tub

re

no

vie

mb

re

dic

iem

bre

M es

IVE

M

medio máximo mínimo

0,60

0,80

1,00

1,20

1,40

lun

es

ma

rte

s

mié

rco

les

jue

ves

vie

rne

s

sá

ba

do

do

min

go

Día de la sem ana

IVE

D

medio máximo mínimo


La idea fundamental del estudio radica en que diferentes variables pueden modificar la demanda de electricidad actuando sobre las sensaciones de “frío” y “calor” de los individuos

Existen índices que tratan de cuantificar esas “sensaciones” basándose en el análisis de los intercambios de energía con el ambiente a través de la piel. Como ejemplo podemos citar el HUMIDEX (temperatura y humedad) y el WINDCHILL (temperatura y viento)

En nuestro caso hemos empezado usando todas las variables disponibles en estación meteorológica susceptibles de ejercer algún tipo de influencia, en concreto:

• Temperatura del aire (ºC)• Humedad relativa (%)• Presión atmosférica (hPa)• Precipitación total (mm)• Insolación (h)• Velocidad (km/h) y dirección del viento (º)


Valores medios o

acumulados diarios

El uso de datos de consumo eléctrico a escala peninsular plantea el problema de la elección de la estación meteorológica. En el caso español, el uso de una sola estación es insuficiente

Para resolver el problema se han creado un conjunto de índices calculados a partir de las medidas realizadas en diferentes estaciones meteorológicas, mediante valores medios ponderados por pesos poblacionales:

IXt=

4

1iititwX

4

1iit

itit

p

pw

0.18

0.20

0.22

0.24

0.26

0.28

0.30

0.32

197 0 197 5 198 0 198 5 199 0 199 5

A ño

wi

M ad rid

Bilb ao

Va len c ia

Se villa



5

10

15

20

25

30

83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

Año

ITE

me

nsu

al

(ºC

)

50

55

60

65

70

75

80

83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

Año

IHR

me

nsu

al

(%)

100

150

200

250

83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

Año

IDV

me

nsu

al

(º)

20

25

30

35

40

45

83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

Año

IVV

me

nsu

al

(km

/h)

985

990

995

1000

1005

83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

Año

IP m

en

sua

l (h

Pa

)

0

1

2

3

4

5

6

7

83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

Año

IPR

me

nsu

al

(mm

)

0

2

4

6

8

10

12

83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

Año

IHS

me

nsu

al

(ho

ras)


0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8en

e

feb

mar abr

may jun jul

ago

sep

oct

nov

dic

Mes

ITE

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

ene

feb

mar abr

may jun jul

ago

sep

oct

nov

dic

Mes

IHR

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

ene

feb

mar abr

may jun jul

ago

sep

oct

nov

dic

IDV

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

ene

feb

mar abr

may jun jul

ago

sep

oct

nov

dic

Mes

IVV

0.98

0.99

1

1.01

1.02

ene

feb

mar abr

may jun jul

ago

sep

oct

nov

dic

Mes

IP

0

0.5

1

1.5

2

2.5

3

3.5

4

ene

feb

mar abr

may jun jul

ago

sep

oct

nov

dic

Mes

IPR

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

ene

feb

mar abr

may jun jul

ago

sep

oct

nov

dic

Mes

IHS

Antes de abordar el análisis conviene aislar los posibles efectos derivados de la meteorología, de aquellos otros que dependen de otros factores (demografía, evolución de la economía, etc.). La tendencia observada en la demanda de electricidad responde a estos otros criterios, de modo que conviene eliminarla de alguna manera

Con ese fin se ha efectuado una corrección de tendencia mediante la definición del siguiente factor:

fi=E

Ei

i

N

1jij

iN

EE

i

A

1ii

A

1i

N

1jij

N

EE

i

Ecij = i

ij

f

E


0,7

0,8

0,9

1

1,1

1,2

1,3

19

83

19

84

19

85

19

86

19

87

19

88

19

89

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

A ño

f i

7000

8000

9000

10000

11000

12000

13000

14000

15000

16000

84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

Año

E (

GW

h)

Se rie original

Se rie sin tendencia

Factor corrector

Corrección de tendencia


La cuantificación de la posible influencia de las distintas variables sobre el consumo de electricidad se ha realizado mediante un análisis econométrico, en el que se establece una regresión lineal entre las variables mencionadas, y se determina la significación estadística de los coeficientes de regresión así como su importancia relativa

En el análisis se han descartado de entrada los índices IDV, por su carácter marcadamente local, e IP por su escasa variabilidad. Por otra parte, se ha añadido una variable artificial, D, para tener en cuenta el diferente comportamiento de los días laborables frente a los festivos

)IHS,IPR,IHR,IVV,ITE,D(fEC

Dada la relación no lineal entre demanda e ITE, se han realizado dos estimaciones separando las muestras en datos de “invierno” (ITE<18ºC) y “verano” (ITE>18ºC)




Variable Coeficiente Error estd. Estadístico t Prob.

C 495000 4000 130,02 0,00

D -76900 800 -96,73 0,00

ITE -6580 250 -26,56 0,00

IHS -2020 240 -8,43 0,00

IPR -590 180 -3,22 0,00

R2 0,76 DW 1,09

R2-ajustado 0,76 AIC 23,00

LMV -32121,3 SC 23,00

EE 24000 MVD 375823

Muestra de invierno

Muestra de veranoVariable Coeficiente Error Estd. Estadístico t Prob.

C 258000 8000 34,28 0,00

D -69900 1200 -58,40 0,00

ITE 4200 210 19,60 0,00

IHR 490 80 6,46 0,00

IPR -500 150 -3,32 0,00

R2 0,72 DW 1,26

R2-ajustado 0,72 AIC 22,77

LMV -25347,0 SC 22,78

EE 21000 MVD 351452

La demanda eléctrica se ve influida fundamentalmente por la temperatura del aire, mientras que el resto de variables matiza esa relación. De hecho, se ha comprobado que se obtienen resultados casi tan buenos usando sólo la variable ITE. Por ello, nos quedamos sólo con esta última con el fin de simplificar el modelo

Antes de proseguir con la modelización, conviene analizar con más detalle la relación entre consumo y temperatura

Se trata de una relación no lineal que va evolucionando con el tiempo, observándose que:

- Existe un intervalo de temperatura en el que el consumo es insensible

- El intervalo divide la función demanda-temperatura en dos ramas

- Existen dos temperaturas de “saturación”, una por rama

- La sensibilidad del consumo a la temperatura ha ido aumentando



Con el fin de desarrollar un modelo predictivo de consumo único para todo el año (en lugar de usar una ecuación para verano y otra para invierno), interesa utilizar una variable derivada de la temperatura que incluya ambos comportamientos en un solo modelo

El concepto adecuado es el de grado-día, que se define como la diferencia entre la temperatura media diaria y una temperatura base o de referencia

¿Cuál debe ser la temperatura de referencia? Aquella en la que se produce el cambio de comportamiento. Hemos estimado que para el caso español ésta se encuentra alrededor de los 18ºC

Normalmente, en lugar de usar una sola función definida en ]-,+ [, se usan dos definidas ambas positivamente:

Grados-día frío: GDF=max(ITE-ITEref; 0)

Grados-día calor: GDC=max(ITEref-ITE; 0)


R2 = 0.62

440

460

480

500

520

540

560

580

600

0 2 4 6 8 10 12 14

HDD (°C)

E (

GW

h)

R2 = 0.75

420

440

460

480

500

520

540

0 2 4 6 8 10 12

CDD (°C)

E (

GW

h)

Función calor

Función frío



Un buen modelo debe ser capaz de explicar el comportamiento observado, y además predecir el consumo futuro a partir de una serie de datos externos con el menor error posible

El modelo a desarrollar debe pues incorporar los aspectos que se han detectado, tanto de tipo económico como relacionados con la meteorología:

- Tendencia

- Laboralidad (día de la semana, fin de semana)

- Días festivos y postfestivos, distinguiendo los festivos regulares de los de la Semana Santa

- Estacionalidad mensual (mes de agosto)

- Temperatura


t

12

2jjtjt1tt

7

2iitittt MGHHWGDFGDCtcLE

c: constante

t: tendencia

GDCt, GDFt: grados-día

Wit: variables artificiales (“dummy”) semanales

Ht, Ht-1: “dummies” festivos y postfestivos

Gt: “dummies” Semana Santa

Mjt: “dummies” mensuales

t: residuos de regresión



Equation 6

Variable Coefficient Std. Error t-Statistic Prob.

c 12.096 0.019 633.740 0.000

t 89.8E-6 0.000 43.196 0.000

HDDt 0.006 0.000 11.544 0.000

HDDt-1 0.003 0.000 6.648 0.000

HDDt-2 0.002 0.001 4.203 0.000

HDDt-3 0.002 0.001 3.552 0.000

HDDt-4 0.001 0.001 2.901 0.004

HDDt-5 0.001 0.000 1.365 0.172

CDDt 0.005 0.001 9.913 0.000

CDDt-1 0.004 0.001 6.364 0.000

CDDt-2 0.000 0.001 -0.276 0.782

CDDt-3 0.001 0.001 2.009 0.045

CDDt-4 0.000 0.001 0.175 0.861

CDDt-5 0.000 0.001 0.316 0.752

W2t 0.043 0.001 30.292 0.000

W3t 0.047 0.002 22.178 0.000

W4t 0.046 0.002 19.024 0.000

W5t 0.037 0.002 17.089 0.000

W6t -0.097 0.002 -48.182 0.000

W7t -0.226 0.002 -103.370 0.000

Equation 6

Variable Coefficient Std. Error t-Statistic Prob.

Ht -0.172 0.007 -23.351 0.000

Ht-1 -0.047 0.003 -14.146 0.000

Gt -0.188 0.006 -31.995 0.000

M2t -0.009 0.005 -1.881 0.060

M3t -0.018 0.007 -2.466 0.014

M4t -0.030 0.012 -2.512 0.012

M5t -0.067 0.013 -5.113 0.000

M6t -0.064 0.012 -5.286 0.000

M7t -0.064 0.012 -5.408 0.000

M8t -0.111 0.012 -8.896 0.000

M9t -0.054 0.011 -4.704 0.000

M10t -0.046 0.012 -3.847 0.000

M11t -0.036 0.010 -3.553 0.000

M12t -0.038 0.011 -3.461 0.001

AR(1) 0.646 0.023 27.573 0.000

AR(2) -0.019 0.019 -0.992 0.321

AR(3) 0.126 0.015 8.588 0.000

AR(4) -0.043 0.020 -2.179 0.029

AR(5) 0.020 0.017 1.218 0.223

AR(6) 0.097 0.014 7.012 0.000

AR(7) 0.182 0.021 8.633 0.000

AR(8) -0.049 0.019 -2.591 0.010

AR(9) -0.087 0.014 -6.093 0.000

Adjusted R-squared 0.972 AIC -3.960

DW 1.997 SC -3.911

Consumo eléctrico y Clima Enric Valor i Micó Departament de Física de la Terra i Termodinàmica

Documents