Usuario:Aleasoft Energy Forecasting/Previsiones energéticas
Las previsiones energéticas abarcan las previsiones de un amplio abanico de campos y fenómenos relacionados con la energía, desde la demanda de energía (electricidad, gas natural, combustibles fósiles, etc.), la producción con distintas tecnologías (eólica, solar, hidroeléctrica, nuclear, ciclos combinados, etc.), hasta el precio (mercados spot, productos financieros derivados, etc.).
Necesidad de previsiones energéticas[editar]
Las previsiones de demanda y precio de la energía son imprescindibles a la hora de planificar inversiones, estimar gastos y tomar decisiones de manera informada y responsable. Entre los sectores y ámbitos que requieren previsiones energéticas se encuentran operadores del sistema eléctrico (TSO), empresas distribuidoras y comercializadoras de electricidad, agencias estatales y gubernamentales[1], y grandes industrias.
Las previsiones de mercados energéticos son una de las previsiones empresariales más complicadas, debido a su dependencia de variables que entrañan volatilidades e incertidumbres que pueden ser muy significativas. Muchas de las variables que influyen en los mercados energéticos están ligadas a fenómenos naturales de los que no se disponen previsiones muy precisas, como viento, precipitaciones, temperaturas, etc. Además, como en muchos otros mercados, los mercados energéticos también se ven afectados por la evolución de la economía, cambios legislativos, cambios tecnológicos, etc.
Metodología[editar]
En la actualidad y a lo largo del tiempo se han ido usando distintos modelos estadísticos para las previsiones de mercados y variables energéticas[2]:
- Previsión de series temporales con el método Box-Jenkins
- Modelos regresivos múltiples
- Redes neuronales artificiales
- Máquinas de vectores de soporte
Además de modelos estadísticos también se usan técnicas de carácter más fundamental que intentan reproducir y predecir el comportamiento individual o agrupado de los participantes en el mercado, y aplicando teorías de juego y de competencia, para deducir el precio y la cantidad de energía negociada[3]. Muchos paquetes comerciales de previsiones energéticas combinan varios de estos modelos en complejos modelos híbridos[4][5] para ofrecer previsiones más robustas y con indicadores de confianza.
Previsiones energéticas y variables usadas[editar]
Las previsiones energéticas o de energía típicamente contienen las siguientes previsiones y horizontes de previsión.
Previsiones de demanda de gas y electricidad[editar]
Corto plazo[editar]
Las previsiones a corto plazo cubren el horizonte desde las primeras 24 horas hasta 8 ó 10 días. La granularidad temporal de estas previsiones es la misma que la de los datos registrados, normalmente entre 10 minutos y una hora. Las variables que intervienen en la determinación de estas demandas a corto plazo son:
- Variables meteorológicas[6]: temperatura, precipitaciones, humedad, presión atmosférica, radiación solar, cobertura nubosa y velocidad del viento.
Medio y largo plazo[editar]
Las previsiones a medio plazo cubren desde los primeros meses del horizonte hasta 3 años, típicamente, y suelen conservan la granularidad temporal de los datos registrados. Las previsiones de largo plazo pueden llegar a cubrir entre 5 y 20 ó 30 años, y acostumbran a presentar agrupaciones temporales mayores que las de los datos originales (semanales, mensuales o anuales). Las variables que se tienen en cuenta para las previsiones a medio y largo plazo son:
- Variables meteorológicas: temperatura.
- Variables socio-económicas: producto interior bruto, producción industrial, valor añadido bruto, etc.
- Población.
- Eficiencia energética.
Al no existir previsiones fiables de estas variables a tan largo plazo, las previsiones se acostumbran a presentar a partir de escenarios realistas de las variables. Estos escenarios se construyen a partir de medias históricas para las variables meteorológicas, y prolongando hacia el futuro (habitualmente de forma conservadora) las previsiones más recientes del resto de variables. El uso y la modificación de los escenarios permiten comprender el comportamiento de la demanda frente a posibles cambios en las variables (calentamiento global, aparición de nuevas tecnologías, flujos migratorios, etc.).
Previsiones de precio en mercados mayoristas de electricidad[editar]
Corto plazo[editar]
Las previsiones de precio a corto plazo son fundamentales tanto para los productores y comercializadores de electricidad como para los traders para planificar su estrategia y maximizar beneficios. Para las previsiones a corto plazo se tienen en cuenta[7]:
- Variables meteorológicas (temperatura, precipitaciones, humedad, presión atmosférica, radiación solar, cobertura nubosa y velocidad y dirección del viento) que determinan tanto la demanda de electricidad como la aportación de energía de fuentes no controlables como la producción eólica y solar.
- Disponibilidad de unidades de producción: para tener en cuenta la aportación de cada fuente de energía.
Medio y largo plazo[editar]
Las previsiones a medio y largo plazo son imprescindibles para las empresas con grandes consumos de electricidad (para planificar los gastos), para las empresas comercializadoras (para determinar el precio de las tarifas a aplicar a sus clientes) y para las empresas productoras y distribuidoras (para planificar y prever el rendimiento de sus inversiones). En las previsiones de precio a medio y largo plazo se tienen en cuenta los siguientes escenarios:
- Variables meteorológicas (temperatura y precipitaciones) que influyen tanto en la demanda de electricidad como en la producción eólica, solar e hidroeléctrica.
- Precio de los combustibles fósiles usados en la generación de electricidad: petróleo, carbón y gas natural.
- Potencia instalada de cada tecnología de generación.
- Variables socio-económicas: producto interior bruto, producción industrial, valor añadido bruto, tasas de ocupación, etc.
- Precio de los derechos de emisiones de CO2.
En el caso de las previsiones de precio, el uso de escenarios permite estudiar y anticipar el comportamiento del mercado frente a fenómenos como el aumento o disminución de la demanda, la variación de la capacidad de producción de una determinada tecnología o la incorporación de nuevos combustibles o tecnologías de producción.
Previsiones de consumo de otras energías finales (carbón y petróleo)[editar]
Para las previsiones de consumo de carbón y petróleo, se tienen en cuenta variables relacionadas con el sector donde estas energías son más utilizadas. En el caso del carbón, por ejemplo, se tendrá en cuenta la producción de bienes que requieran un uso intensivo del carbón, como la producción de cemento donde se requieren muy altas temperaturas. Para el caso del petróleo, una variable importante es el uso que se hace del petróleo como combustible para el transporte.
Iniciativas[editar]
- IEEE Working Group on Energy Forecasting
- Open Energy Modelling Initiative
- Global Energy Forecasting Competition
Véase también[editar]
Portal:Energía. Contenido relacionado con Energía.- Mercado Ibérico de la Electricidad
Referencias[editar]
- ↑ «Orden ITC/3520/2009, de 28 de diciembre» (pdf). BOLETÍN OFICIAL DEL ESTADO (Agencia Estatal Boletín Oficial del Estado, Ministerio de la Presidencia, Gobierno de España) (315): 112179. 31 de diciembre de 2009. ISSN 0212-033X. «Antes del 1 de diciembre de cada año la Comisión Nacional de Energía remitirá al Ministerio de Industria, Turismo y Comercio una previsión de facturación para el año siguiente a efectos de su consideración en la elaboración de las tarifas de último recurso y peajes de acceso.»
- ↑ Weron, Rafał (octubre-diciembre 2014). «Electricity price forecasting: A review of the state-of-the-art with a look into the future». International Journal of Forecasting (en inglés) (Elsevier) 30 (4): 1030-1081. ISSN 0169-2070. OCLC 641797772. doi:10.1016/j.ijforecast.2014.08.008.
- ↑ Mirbach, Tobias; Blaesig, Boris; Baltes, P.; Haubrich, Hans-Jürgen (2008). «A COMPETITIVE MARKET SIMULATION METHOD FOR THE INVESTIGATION OF THE PRICE DEVELOPMENT IN THE EUROPEAN MARKET FOR ELECTRICAL ENERGY» (pdf). Power Systems Computation Conference (PSCC) (en inglés) (Glasgow, Scotland). ISBN 9780947649289.
- ↑ Aleasoft. «AleaModel modelo híbrido». Barcelona.
- ↑ Amjady, Nima; Daraeepour, Ali; Keynia, Farshid (Marzo 2010). «Day-ahead electricity price forecasting by modified relief algorithm and hybrid neural network». IET Generation, Transmission & Distribution (en inglés) (Londres, Reino Unido: The Institution of Engineering and Technology) 4 (3): 432-444. ISSN 1751-8695. doi:10.1049/iet-gtd.2009.0297.
- ↑ Hong, Tao; Wang, Pu; White, Laura (abril-junio 2015). «Weather station selection for electric load forecasting». International Journal of Forecasting (en inglés) (Elsevier) 31 (2): 286-295. ISSN 0169-2070. doi:10.1016/j.ijforecast.2014.07.001.
- ↑ Monteiro, Claudio; Fernandez-Jimenez, L. Alfredo; Ramirez-Rosado, Ignacio J. (2015). «Explanatory Information Analysis for Day-Ahead Price Forecasting in the Iberian Electricity Market». Energies (en inglés) (MDPI AG) 8: 10464-10486. ISSN 1996-1073. doi:10.3390/en80910464.