presentación de powerpoint - energía y sociedad | las … · 2016-10-19 · en el medio y largo...
TRANSCRIPT
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
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
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
Demanda eléctrica y contexto económico actual
-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
Demanda eléctrica y contexto económico actual
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
Demanda eléctrica y contexto económico actual
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
Demanda eléctrica y contexto económico actual
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
Demanda eléctrica y contexto económico actual
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
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
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
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
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
Factores que afectan a la previsión de la demanda a largo plazo
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
Factores que afectan a la previsión de la demanda a largo plazo
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
Factores que afectan a la previsión de la demanda a largo plazo
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
Factores que afectan a la previsión de la demanda a largo plazo
Estrategia de fomento de la eficiencia energética en España
Fuente: MITyC.
11 de mayo de 2010
21
Factores que afectan a la previsión de la demanda a largo plazo
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
Factores que afectan a la previsión de la demanda a largo plazo
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
Factores que afectan a la previsión de la demanda a largo plazo
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
Factores que afectan a la previsión de la demanda a largo plazo
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
Factores que afectan a la previsión de la demanda a largo plazo
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
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
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
Previsión de la demanda a muy largo plazo en la práctica
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
Previsión de la demanda a muy largo plazo en la práctica
Ejemplo 1: Previsión a largo plazo de la demanda de FortisBC Inc.
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
Previsión de la demanda a muy largo plazo en la práctica
Ejemplo 1: Previsión a largo plazo de la demanda de FortisBC Inc.
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
Previsión de la demanda a muy largo plazo en la práctica
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
Previsión de la demanda a muy largo plazo en la práctica
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.
Fuente: BC Hydro (2008).
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
Previsión de la demanda a muy largo plazo en la práctica
Ejemplo 2: Previsión a largo plazo de la demanda punta de BC Hydro
Fuente: BC Hydro (2008).
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
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
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
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
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