Abstract
En un mundo cada vez más automatizado, la energía eléctrica se ha convertido en unos de los pilares fundamentales para el desarrollo industrial, social y tecnológico.
Prácticamente la totalidad de los procesos productivos incluyen maquinaria o mecanismos de control eléctricos mientras que el uso de electrodomésticos en el ámbito familiar se ha convertido en un aspecto indispensable en el día a día.
La energía eléctrica no se puede almacenar en grandes cantidades y, por lo tanto, en cada instante debe coincidir la producción con la demanda. Una estimación precisa del consumo eléctrico para las próximas horas permite al operador de la red planificar con suficiente antelación tanto las centrales que deberán estar preparadas para producir como el número de centrales de contingencia necesarias para asumir un pico de demanda imprevisto.
Dada la estructura del mercado eléctrico español estos dos aspectos son muy importantes pues el precio de la electricidad en el mercado diario queda marcado por la última central que entra a producir para satisfacer la demanda mientras que las centrales de contingencia
suponen un coste aún si éstas no se llegan a utilizar.
Debido a la relevancia de conocer con cierta certeza el consumo eléctrico en un futuro próximo, en este Trabajo Fin de Grado se pretende realizar un estudio sobre la predicción de la demanda a muy corto plazo para el sistema peninsular español, es decir, desde la hora
inmediatamente posterior al momento de realizar la predicción hasta el final del día. Para ello, se va a ampliar un programa de predicción de la demanda ya creado anteriormente incluyendo la información de los errores cometidos en la predicción de las distintas horas del día. El objetivo es comprobar si esta información permite obtener menores errores en la estimación de la demanda en las horas inmediatamente posteriores al momento de realizar la predicción y, en caso afirmativo, cuantificar la mejora que se produce respecto a un modelo que no tiene en cuenta dicha información.
El programa de predicción se basa en un modelo ARIMA en el cual a la dinámica de la propia serie de la demanda de energía eléctrica se le ha añadido el efecto de la temperatura y de la laboralidad. Este modelo expandido recibe el nombre de Reg-ARIMA y, puesto que el horizonte temporal es el muy corto plazo, se ha considerado que la mejor forma de modelar la demanda de cada hora es considerando este modelo como un conjunto de 24 modelos
univariantes, uno por cada hora del día.
Para un día laborable en el que no tiene lugar ningún fenómeno extraordinario, la curva de demanda presenta un perfil horario característico. Durante la madrugada se produce una bajada progresiva de la demanda hasta alcanzar el mínimo diario a las 6 de la mañana. A partir de esta hora, el inicio de las actividades residenciales, industriales y de servicios da lugar a una subida en rampa de la demanda que alcanza su pico más alto entre las 12 y las 13 horas. Una vez llegado este punto la demanda vuelve a bajar progresivamente de nuevo hasta alcanzar un mínimo relativo a las 17 horas. Finalmente, la llegada al domicilio tras la jornada laboral implica el uso de aparatos calefactores o de climatización así como de distintos electrodomésticos lo que provoca una nueva subida en rampa de la demanda que acabará
en el máximo del día a las 20h. A partir de esta hora la demanda comienza a decrecer de nuevo.
A pesar de que en condiciones normales la curva de demanda sea relativamente sencilla de predecir, unas temperaturas extremas o la presencia de días festivos pueden provocar que este perfil horario cambie por completo.
La relación entre la temperatura y la demanda de energía eléctrica no es lineal ni instantánea. Cuando se dan temperaturas relativamente altas o bajas, la variación de un grado en la misma tiene un mayor efecto en la demanda que cuando las temperaturas presentan valores cercanos a la media.
Este comportamiento se modela aplicando regresiones con splines (Hastie y Tibshirani, 1990). Se trata de una técnica que consiste en dividir el rango de temperaturas en tramos regulares con el objetivo de ajustar un polinomio a cada uno de dichos tramos. Este rango de temperaturas se define a partir de la media de las temperaturas más altas del día para 10 de las capitales más pobladas de España y que están repartidas por todo el territorio nacional. Es importante que en los tramos adyacentes los distintos polinomios se unan sin crear discontinuidades pues las temperaturas siguen una cierta tendencia y no se dan cambios súbitos en intervalos relativamente cortos de tiempo.
Los días festivos son especialmente difíciles de predecir pues no sólo afectan al día en concreto en el que se dan sino que también influyen en la demanda de los días anteriores y posteriores a los mismos. En función del día de la semana en el que ocurre el festivo en cuestión su efecto será más o menos intenso dando lugar a desplazamientos de los picos de demanda diarios y a una caída de la misma en el conjunto del día. Para modelar el efecto de los días festivos se introducen variables dummy las cuales adoptan el valor de 1 o 0 según el día considerado sea festivo o no respectivamente.
El estudio de la demanda a muy corto plazo para el sistema peninsular español se ha estructurado en dos fases.
En primer lugar, a fin de comprobar si el incorporar la información de los errores cometidos en la predicción de las distintas horas del día permite mejorar la precisión de la estimación de la demanda de horas posteriores, se ha comparado el modelo desarrollado en este trabajo con el presentado en el estudio “Forescasting the electricity load from one day to one week ahead for the Spanish system operator” de los autores Cancelo, Espasa y Grafe, el cual fue publicado en el año 2008. En este estudio se exponen las características principales de los modelos de predicción de la demanda a corto plazo utilizados por Red Eléctrica de España y, además, se analiza un caso de aplicación de estos modelos para la demanda en la Península en el año 2006.
Para valorar si las predicciones del modelo desarrollado en este trabajo se ajustaban mejor o peor a la demanda que realmente tuvo lugar con respecto al modelo expuesto en el estudio, se han analizado los valores del error cuadrático medio obtenidos para tres casos
distintos:
● Modelo desarrollado cuando se realiza la predicción al inicio del día considerando los errores en la estimación de las horas inmediatamente anteriores.
● Modelo desarrollado cuando se realiza la predicción a las de 10 de la mañana considerando los errores en la estimación de las horas inmediatamente anteriores.
● Modelo desarrollado cuando se realiza la predicción a las 6 de la tarde considerando los errores en la estimación de las horas inmediatamente anteriores.
Los resultados obtenidos en este punto son satisfactorios pues las predicciones son más precisas para el modelo desarrollado en este trabajo para los tres casos, es decir, el error cuadrático medio de las horas predichas es menor para el modelo desarrollado con respecto al modelo expuesto en el estudio.
Seguidamente, una vez se ha llegado a la conclusión anterior se procede a aplicar el modelo desarrollado con los mismos tres casos pero ahora para la serie de la demanda de la energía eléctrica en la Península para el año 2015. Se trata de comprobar si los resultados
obtenidos para el año 2006 son particulares para ese año en concreto o si, por el contrario, se pueden tomar como generales.
Aún con las particularidades de cada año, las conclusiones extraídas para el año 2006 se mantienen en líneas generales para el año 2015. Los resultados obtenidos demuestran que los errores al estimar la demanda de horas contiguas están correlacionados y que, por lo tanto, incluir en el modelo la información de lo ocurrido en las horas anteriores a realizar la
predicción supone una ventaja con respecto a no hacerlo.
