presentación de powerpoint - energía y sociedad | las … · 2016-10-19 · en el medio y largo...

Previsión de la demanda eléctrica en el muy largo plazo

Jorge Fernández GómezDirector General AdjuntoInterMoney Energía, S.A.

Madrid, 11 de mayo de 2010

2

Contenidos

Introducción: Relevancia de las previsiones de demanda.

Demanda eléctrica y contexto económico actual.

Metodologías de previsión de la demanda eléctrica.

Factores que afectan a las previsiones de demanda en el largo plazo.

Ejemplos prácticos de previsión de la demanda eléctrica a muy largo plazo.

Algunas conclusiones.

Referencias.

11 de mayo de 2010

3

Introducción: Relevancia de las previsiones de demanda

¿Por qué es importante analizar la evolución de la demanda eléctrica?

Diseño de la política energéticaModelo energético, objetivos de seguridadde suministro, eficiencia, emisiones, etc.

Planificación de infraestructurPrioridad de las inversioImpacto sobre las tarifas de acceso

asnes en redes

Decisiones de inversiónValoración de riesgos (hueco térmico,

restricciones normativas, etc.)

Regulación energéticas adecuados enEsquemas de incentivo

términos de competencia, eficiencia, etc.

Las expectativas sobre la evolución de la demanda eléctrica afectan a las decisiones de todos los agentes en el mercado eléctrico (reguladores, inversores, operadores de redes, etc.)

11 de mayo de 2010

4

Introducción: Relevancia de las previsiones de demanda

1.000

2.000

3.000

4.000

5.000

6.000

7.000

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

Horas de funcionamiento estimadas de CCs y unidades de carbón

Manteniendo las horas de funcionamiento del carbón

en 3.500, una variación tendencial del PIB de +/-0,5% daría lugar a una

variación en las horas de funcionamiento de los CCs de +/-1.000 horas/año en 2020

Hora

s de

func

iona

mie

nto

equi

vale

ntes

Fuente: FMI, INE, REE y elaboración propia.

Ejemplo: Previsión de la demanda y horas de funcionamiento de los CCGTs

Fuente: Gobierno (2010).

Previsión de evolución de la demanda basada en previsiones del PIB (FMI) y escenarios Escenario de potencia del Gobierno para 2020

Previsiones del FMI (abril 2010)

Estrimación de la variación en la

demanda basada en la elasticidad respecto del PIB

11 de mayo de 2010

5

Contenidos







Referencias.

11 de mayo de 2010

6

Demanda eléctrica y contexto económico actual

Evolución de la demanda peninsular en barras de central desde 1996

2,73%

4,58%

4,49%3,93%

6,59% 6,51%5,78%

5,46%

2,86%

6,78%

3,07%

0,75%

-4,51%

0,0

25,0

50,0

75,0

100,0

125,0

150,0

175,0

200,0

225,0

250,0

275,0

300,0

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009-6%

-4%

-2%

0%

2%

4%

6%

8%

Demanda anual (TWh) (eje izqdo.) Tasa de variación (%) (eje dcho.) Var. PIB (%) (eje dcho.)

Fuente: REE, INE.

Estructura del consumo peninsular en 2008 (Fuente: CNE).

Industrial

Doméstico

Servicios

Otros

11 de mayo de 2010

7


-6%

-4%

-2%

0%

2%

4%

6%

dic-

05

abr-

06

ago-

06

dic-

06

abr-

07

ago-

07

dic-

07

abr-

08

ago-

08

dic-

08

abr-

09

ago-

09

dic-

09

abr-

10

Fuente: REE.

Tasa de variación interanual de la demanda anual en España(*)

(*) Sin corregir por efectos de laboralidad y temperatura.

Crisis económica y evolución de la demanda eléctrica

Fuente: INE.

En 2009, la demanda peninsular en b.c. cayó un 4,3% (corregida por efectos de laboralidad y temperatura). Es la tasa de variación más negativa desde el comienzo de la serie estadística actual en 1959 y la tercera vez que cae la demanda (-0,3 en 1992 y –0,8% en 2008).

11 de mayo de 2010

8


Evolución de la demanda peninsular por nivel de tensión

Tasa de variación anual de la demanda peninsular (últ. 12 meses)

Fuente: CNE (marzo 2010).

La caída en la demanda eléctrica como consecuencia

de la crisis es especialmente

significativa en la industria, mientras

que el consumo doméstico ha caído en menor medida.

En los últimos años, la demanda

industrial creció a tasas superiores al

5% anual.

11 de mayo de 2010

9


Cambio en la trayectoria de largo plazo (1)

Previsión de REE de evolución de la demanda eléctrica en España en 2009-2013 (mayo 2009) y escenarios de evolución de la demanda

Fuente: CNE (2009).

Demanda b.c. en 2020 según el Gobierno (01/03/2010)

= 341 TWh

Fuente: BBE (2010).

En España, la previsión de la tasa de crecimiento de la demanda eléctrica en el medio plazo se encontraba hace dos años en un 2% anual. El efecto de la fuerte caída de la demanda eléctrica en 2009 implica una nueva senda de evolución de la demanda en el largo plazo. Las últimas previsiones de REE retrasan hasta 4 años el retorno a una senda alcista.

11 de mayo de 2010

10


Cambio en la trayectoria de largo plazo (2)

TWh

TWh

TWh

TWh

Fuente: NERC (2009).

El efecto a largo plazo de la crisis actual sobre la senda de evolución esperada de la demanda eléctrica en España es similar al observado en otros sistemas eléctricos, implicando un menor consumo de energía eléctrica de carácter estructural.

Evolución prevista de la demanda eléctrica en los EE.UU.

11 de mayo de 2010

11


Incidencia sobre medidas de política energética y regulatorias

Efectos de la caída de la

demanda enel largo plazo

Incidencia sobre las decisiones de planificación e inversión

“...Falling U.S. electricity productionin the past two years is frustrating the utility industry and shaking up timetables for some major infrastructure projects... The recent downward trend is making it trickier for utilities to forecast future power consumption, a critical component of planning investments in new power plants and transmission lines...”Wall Street Journal, “Turmoil in Power Sector. Falling Electricity Demand Trips Up Utilities' Plans for Infrastructure Projects”, 14 de enero de 2010.

Ciclos combinados previstos en 2010-2013 (10º Informe de Seguimiento de Infraestructuras, CNE, febrero 2010)

11 de mayo de 2010

12

Contenidos







Referencias.

11 de mayo de 2010

13

Metodologías de previsión de la demanda eléctrica

Demanda eléctrica

Factores determinantes de la demanda eléctrica

Regulación, incentivos a la eficienciay la gestión de la demanda

En el medio y largo plazo, los incentivos y la regulación afectarán al comportamiento de los agentes.

Actividad económica y estructura productiva

El principal driver de la demanda eléctrica a largo plazo es la actividad económica (PIB).

Intensidad energética

Efecto de las distintas políticas y normativas sobre los procesos productivos y los equipamientos.

Precios y tarifas ycombust. alternativos

Sustitución de energía eléctrica por otras fuentes de energía (p. ej., gas natural)

Preferencias de los agentes

P. ej., tecnológicas, medioambientales (emisiones de CO2), etc.

Pérdidas de red

El desarrollo de las redes (smart grids), generación distribuida, etc., puede dar lugar a menores pérdidas.

Medio y largo plazo

Población

Uno de los determinantes de la demanda doméstica.

Temperatura

La temperatura (junto con otros factores meteorológicos) es uno de los principales drivers de la demanda eléctrica en el corto plazo.

Periodo temporal

La demanda eléctrica tiene fuerte estacionalidad mensual, diaria y horaria, debido a los distintos usos de la energía (industrial, comercial, doméstica, etc.).

Precios y tarifas

La señal del precio de la electricidad de corto plazo tiene influencia sobre una pequeña parte de la demanda eléctrica en la actualidad.

Corto plazo

11 de mayo de 2010

14

Metodologías de previsión de la demanda eléctrica

Modelosestadísticos

Modelos de redes neuronales

Modelos de regresión o series temporales que explican las variaciones de demanda a través de

su historia y otras variables determinantes

Otras metodologías

Previsiones de demanda en el

corto plazo Modelos que relacionan variables de forma no lineal y con retroalimentación a través

de circuitos de “neuronas” (submodelos)

Modelos desimilitud

Modelos que basan las previsiones de demanda en la identificación de situaciones (días, horas)

similares (temperatura, etc.)

Reglas heurísticas (“modelos de experto”), lógica difusa (“fuzzy logic”), modelos no paramétricos (regresiones kernel, etc.)

Previsiones dedemanda en el

medio y largo plazo

Modelos de usofinal de la energía

Modelos econométricos

Caracterizan los distintos usos finales de la energía (según el consumidor, el equipamiento,

etc.), agregando los resultados

Métodos no paramétricos

Relacionan la demanda con variables explicativas en el largo plazo (población, PIB,

intensidad energética, precios, etc.)

Permiten estimar la relación entre la demanda y variables explicativas mediante modelos

(*) Más detalles en Feinberg y Genethliou (2005).

Modelos de previsión de la demandaeléctrica(*)

11 de mayo de 2010

15

Contenidos







Referencias.

11 de mayo de 2010

16

Factores que afectan a la previsión de la demanda a largo plazo

Evolución de la actividad económica y previsión del PIB

Evolución prevista del PIB en España a un año (Funcas)

Fuente: FMI.

Previsiones del FMI de evolución del PIB en España

-4%

-3%

-2%

-1%

0%

1%

2%

3%

4%

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

abr-08 oct-08abr-09 oct-09abr-10

-4,5%

-4,0%

-3,5%

-3,0%

-2,5%

-2,0%

-1,5%

-1,0%

-0,5%

0,0%

0,5%

1,0%

1,5%

2,0%

jun-

08

jul-0

8

ago-

08

sep-

08

oct-

08

nov-

08

dic-

08

ene-

09

feb-

09

mar

-09

abr-

09

may

-09

jun-

09

jul-0

9

ago-

09

sep-

09

oct-

09

nov-

09

dic-

09

ene-

10

feb-

10

mar

-10

abr-

10

Prev 08 Prev 09 Prev 10 Prev 11 Real 08 Real 09 Real 10 (tasa interanual en abr. 10)

Fuente: Diversas fuentes citando las previsiones de Funcas y Funcas.

Predecir la evolución de los indicadores de actividad económica es una tarea compleja. Las previsiones a muy corto plazo (uno o dos años) están sujetas a errores significativos. En horizontes más lejanos, las previsiones deberán ser ajustadas a menudo para tener en cuenta nueva información relevante.

11 de mayo de 2010

17


Intensidad energética (eficiencia en el uso de la energía) en España

La evolución de la intensidad energética en España muestra una tendencia negativa entre 1996 y 2004. Desde 2004, la eficiencia económica de la economía española mejora gradualmente, aunque sin converger rápidamente a los valores medios en la UE. El consumo medio de los hogares mantiene una tendencia creciente desde comienzos de los años 90.

Fuente: IDAE (2010).

Eficiencia energética global Eficiencia energética en los hogares

11 de mayo de 2010

18


Evolución prevista de la intensidad energética

Fuente: MITyC (2010)

La senda real de evolución de la intensidad energética dependerá de la eficacia de los programas de eficiencia

energética

Uno de los objetivos del Gobierno es reducir el consumo de energía en 2020 en un 20%. Alcanzar este objetivo supondría una mejora significativa de los índices de intensidad energética (en torno al 25%).

11 de mayo de 2010

19


Medidas de eficiencia energética y gestión de la demanda

Programas de información y formación de consumidores

Iluminación, equipamientos domésticos y ofimáticos, etc.

Fomento de cogeneración y trigeneración

Racionalización del transporte urbano e interurbano

Fomento del vehículo eléctrico

Mejoras en las redes energéticas

Regulación y fiscalidad(incentivos, señales de precios, etc.)

Agricultura y sector pesquero (motores, riegos, etc.)

Auditorías, servicios de asesoría, servicios energéticos, etc.

Generación distribuida (renovables, microcogeneración, etc.)

Aislamientos en edificios, etc.

11 de mayo de 2010

20


Estrategia de fomento de la eficiencia energética en España

Fuente: MITyC.

11 de mayo de 2010

21


Fuente: MITyC.

0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

4,00

4,50

5,00

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 20200

200

400

600

800

1000

1200

1400

1600

MW en horas 0-8 (eje dcho.) Consumo anual (TWh) (eje izqdo.)

Consumo anual y efecto medio sobre la demanda horaria (valle)

Consumo: 0,15 kWh/kmUso medio: 20.000 km/año

Fuente: Laverón et al. (2009)

Fuente: Elaboración propia.

Efecto sobre la demanda eléctrica del desarrollo del vehículo eléctrico

252.000 vehículos eléctricos

343.850 puntos de recargaObjetivos2014

325.000 puntos de infraestructura vinculada

11 de mayo de 2010

22


Smart grids

Fuente: Energía y Sociedad.

Fuente: Pratt et al. (2010).

Los beneficios derivados del desarrollo de “smart grids” están ligados a la integración de generación distribuida (energías renovables, microgeneración), equipamientos “inteligentes”, vehículos eléctricos, un consumo más eficiente (gestión activa de la demanda), y una gestión de redes más eficiente, que inducirá menores pérdidas.

11 de mayo de 2010

23


Medidas regulatorias para incentivar la gestión de la demanda

Antes de las medida s de G D

Después de la s medida s de GD

Curva de duración de la demanda

Dem

anda

(MW

)

Duración (% horas)

Incremento de demanda por desplazamiento de cargas

(p. e j. ACS), VEs , e tc.

Reducción de la demanda punta por desp lazamiento

de cargas

Reducción de la demanda por menor consum o o

mayor efic iencia energética

Antes de las medida s de G D

Después de la s medida s de GD

Curva de duración de la demanda

Dem

anda

(MW

)

Duración (% horas)

Incremento de demanda por desplazamiento de cargas

(p. e j. ACS), VEs , e tc.

Reducción de la demanda punta por desp lazamiento

de cargas

Reducción de la demanda por menor consum o o

mayor efic iencia energética

Fuente: Elaboración propia.

Efecto sobre la demanda

Participación directa en el mercado eléctrico

Programas de gestión de la demandaMercados de capacidad

Señales económicas sobre el valor de la

energía

Plan Contador (contadores con discriminación horaria)

Diseño de tarifas Discriminación horaria (t. acceso y TUR)Reducción de la elegibilidad para las TUR

Fomento de nuevas tecnologías

Smart gridsEquipamiento inteligente en el hogar

Participación directa en el mercado eléctrico

Programas de gestión de la demandaMercados de capacidad

Señales económicas sobre el valor de la

energía

Plan Contador (contadores con discriminación horaria)

Diseño de tarifas Discriminación horaria (t. acceso y TUR)Reducción de la elegibilidad para las TUR

Fomento de nuevas tecnologías

Smart gridsEquipamiento inteligente en el hogar

La regulación y el diseño de los mercados ayuda a fomentar decisiones de consumo eficientes. En general, cuanto más expuestos estén los consumidores a las variaciones en el valor de la energía (precios del mercado), mayores serán sus incentivos a gestionar su demanda de forma activa.

11 de mayo de 2010

24


El problema de los incentivos

Fuente: Accenture (2010), “Understanding Consumer Preferences in Energy Efficiency”.

La eficacia de las medidas de fomento de la eficiencia energética dependerá crucialmente de las preferencias y los incentivos a los que se enfrenten los consumidores finales.

11 de mayo de 2010

25


Crecimiento de la población

De acuerdo con las últimas proyecciones del INE, la población total crecerá en el futuro en España de forma moderada (con tasas anuales inferiores a 0,25%, frente a una tasa de crecimiento media anual entre 2002 y 2010 de 1,5%).

Fuente: INE, “Proyecciones de población a largo plazo, 2009-2048”, 28 de enero de 2010.

11 de mayo de 2010

26

Contenidos







Referencias.

11 de mayo de 2010

27

Previsión de la demanda a muy largo plazo en la práctica

Herramientas de previsión de la demanda eléctrica a muy largo plazo

Previsión de

la evolución

de la demanda

a largo plazo

Análisis bottom-upModelización de la demanda por usos finales o

tipos de consumidor

Uso de modelos estadísticosSi se identifican correlaciones estables y no se

prevén cambios estructurales

Análisis de escenariosBasado en juicio de expertos, permite estimar

el impacto de cambios regulatorios, etc.

SimulacionesEspecialmente relevantes en planificación y

previsión de la demanda punta

11 de mayo de 2010

28


Además, se tienen en cuenta en el análisis, identificación y calibración de los modelos otras variables y otros factores que

pueden tener influencia sobre la evolución de la demanda2

Ejemplo 1: Previsión a largo plazo de la demanda de FortisBC Inc.

Inicialmente, se identifican los principales inductores de la evolución de la demanda y se especifican metodologías

de previsión para cada uno de ellos1

Fuente: Fortis BC (2009).

11 de mayo de 2010

29



Se utilizan datos históricos para estimar distribuciones de la variación anual de la población y la demanda industrial y bandas de evolución en el futuro3

Fuente: Fortis BC (2009).

11 de mayo de 2010

30



Las simulaciones y estimaciones para cada grupo de demanda (doméstica, mercado regulado, industrial, etc.)

permiten derivar bandas probabilísticas de evolución de la demanda agregada

4

Previsión de la demanda total en 2009-2028

Para estimar la evolución de la demanda punta, se tiene en cuenta (a) la relación entre la demanda punta y la temperatura (HDDs y CDDs)(*) y (b) la

correlación entre la variación en la demanda agregada y la variación en la demanda punta.

5

Las previsiones no tienen en cuenta el efecto de los programas de eficiencia energética y gestión de la demanda

(*) Heating Degree y Cooling Degree Days.Fuente: Fortis BC (2009).

Previsión de la demanda punta en 2009-2028

11 de mayo de 2010

31


Ejemplo 2: Previsión a largo plazo de la demanda de BC Hydro

Demanda doméstica

La demanda doméstica depende del número de clientes (R) y de la tasa de uso (RUR o use rate) (que, a su vez, depende de la temperatura – TDD= Total Degree Days)

Comercial(distribución) La demanda comercial conectada en las redes de

distribución se estima a través de un modelo bottom-up detallado.

El modelo tiene en cuenta la demanda para generar calor, la demanda para generar frío y otras fuentes de consumo.

Las previsiones se basan en estimaciones detalladas sobre la evolución probable de las ventas, los niveles de empleo, los equipamientos, la sensibilidad a los cambios en las temperaturas, etc.

Comercial(transporte)

Para los primeros 11 años se utiliza un modelo bottom-up basado en información detallada sobre la actividad comercial, etc. Posteriormente, se liga el consumo a la evolución del PIB.

Fuente: BC Hydro (2008).

11 de mayo de 2010

32


Ejemplo 2: Previsión a largo plazo de la demanda de BC Hydro

Industrial(distribución)

Se liga la evolución de la demanda industrial conectada a las redes de distribución a la evolución de la actividad económica a través de un modelo estadístico exponencial con tendencia.Posteriormente se realizan ajustes en las previsiones

de corto plazo para tener en cuenta factores que afectan a la demanda (p. ej., cierre de una serrería, etc.)

Industrial(transporte)

(1) Informes de expertos externos para los sectores clave.

(2) Contraste con previsiones internas y otras fuentes externas.

(3) Previsiones particularizadas para el resto de sectores y uso de modelos estadísticos:

Informes especializados realizados por expertos sobre sectores concretos (forestal, minería, petróleo y gas)

Ajustes a los informes anteriores utilizando otras referencias externas e internas (p. ej., datos históricos, nuevos proyectos, riesgos asociados a los nuevos proyectos, etc.)

Para el resto de sectores (químico y otros), previsiones concretas durante 11 años y posteriormente evolución ligada a la evolución del PIB.


La metodología de previsión de la demanda a largo plazo de BC Hydro se basa en un análisis muy detallado del uso de la energía eléctrica por parte de los distintos consumidores finales, caracterizados según su naturaleza (doméstico, comercial, industrial) y su tamaño (conectados a D, conectados a T, etc.)

11 de mayo de 2010

33


Ejemplo 2: Previsión a largo plazo de la demanda punta de BC Hydro


Previsión de la demanda punta en cada subestación en el área de distribución

Tiene en cuenta diversos modelos que ligan la demanda punta en las subestaciones con la temperatura y con otras variables:

Número de viviendas unifamiliares (SFD) y multifamiliares (MULT) con calefacción eléctrica (HTG) y sin calefacción eléctrica (NON) y demanda por debajo de 35 kW (U35E) y por encima de 35 kW (O35E)

1

1

Previsión de la demanda punta en cada región

Tiene en cuenta la punta en la red de transporte, la demanda en otros sistemas vecinos, etc.

Factores de coincidencia regionales, puntas de transporte, media ponderada

de la demanda en las subestaciones

2

2

2

Previsión de la demanda agregada del sistema3

3

Se estima como la demanda punta coincidente de las cuatro demandas punta regionales

Tiene en cuenta las pérdidas en la redde transporte (TL) y los factores de

coincidencia de las puntas regionales (SCF).

11 de mayo de 2010

34

Contenidos







Referencias.

11 de mayo de 2010

35

Algunas conclusiones

El análisis de la evolución esperada de la demanda en el muy largo plazo es esencial para el adecuado funcionamiento del sistema eléctrico, al afectar tanto al diseño de la regulación como a las decisiones sobre planificación e inversión.

En la actualidad, la incertidumbre sobre la evolución de la demanda eléctrica es aún mayor, debido a la crisis económica y a las medidas regulatorias que deberán implementarse para alcanzar los objetivos medioambientales y de eficiencia energética que se plantean en el largo plazo.

En los últimos tiempos se han desarrollado metodologías cada vez más sofisticadas para prever la evolución de la demanda en el muy largo plazo, incluyendo el uso de herramientas estadísticas y de simulación.

La variedad de cambios regulatorios que se implementarán en los próximos años exigirá un análisis desagregado de la evolución de la intensidad energética y de los usos de la energía eléctrica y un seguimiento de los efectos de las medidas de eficiencia energética concretas para definir escenarios razonables de crecimiento de la demanda.

11 de mayo de 2010

36

Contenidos







Referencias.

11 de mayo de 2010

37

Referencias

BBE (2010), “Ciclos combinados. Explotación actual-Retos futuros”, CSSG, 10 de marzo.

BC Hydro (2008), “Electric Load Forecast 2008/09 to 2028/29”, diciembre.

Chui, F., Elkamel, A., Surit, R. et al. (2009), “Long-term electricity demand forecasting for power system planning using economic, demographic and climatic variables”, European Journal of Industrial Engineering, vol. 3., nº 3, 277-304.

CNE (2009), “Informe marco sobre la demanda de energía eléctrica y gas natural y su cobertura. Año 2009”, 22 de diciembre.

Energía y Sociedad (2010), “Smart grids: Redes eléctricas inteligentes”, marzo.

Feinberg, E. y Genethliou, D. (2005), “Load forecasting”, en “Applied mathematics for restructured electric power systems”,ed. por Chow, J., Wu, F. y Momoh, J., Springer, NY, Capítulo 12, 269-285.

FortisBC Inc. (2009), “2009 Resource Plan”, octubre.

Gobierno de España (2010), “Acuerdo político para la recuperación del crecimiento económico y la creación de empleo”, marzo.

IDAE (2010), “Informe anual de indicadores energéticos. Año 2008”.

IESO (2009), “Methodology to perform long-term assessments”, noviembre.

Laverón, F., Muñoz, M. A. y Sáenz de Miera, G. (2009), “Análisis energético y económico del vehículo eléctrico”, Cuadernos de Energía 26, octubre, 67-82.

MITYC (2008), “Planificación de los sectores de electricidad y gas natural”, mayo.

MITYC (2010), “Balance energético 2009”, Secretaría de Estado de Energía, 19 de abril.

MITYC (2010), “Estrategia integral para el impulso del vehículo eléctrico en España”.

NERC (2009), “2009 Long-Term Reliability Assessment 2009-2018”, octubre.

Pratt, R. et al. (2010), “The Smart Grid: An Estimation of the Energy and CO2 Benefits”, PNNL para el U.S. Dept. of Energy, enero.

REE (2010), “Grupo de seguimiento de la planificación”, 8 de abril.

11 de mayo de 2010

38

11 de mayo de 2010

presentación de powerpoint - energía y sociedad | las … · 2016-10-19 · en el medio y largo...

Documents