Estudio de precios extremos de la electricidad en el mercado eléctrico español

Forte Pérez-Minayo, Joaquín (2017). Estudio de precios extremos de la electricidad en el mercado eléctrico español. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Descripción

Título: Estudio de precios extremos de la electricidad en el mercado eléctrico español
Autor/es:
  • Forte Pérez-Minayo, Joaquín
Director/es:
  • González Fernández, María Camino
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: Septiembre 2017
Materias:
Palabras Clave Informales: Mercado eléctrico, Spikes, Random Forest, CART
Escuela: E.T.S.I. Industriales (UPM)
Departamento: Ingeniería de Organización, Administración de Empresas y Estadística
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (3MB) | Vista Previa

Resumen

El mercado eléctrico español es un mercado complejo, influenciado por muchas variables y con características asociadas que hace que resulte complicado compararlo con el resto de mercados tradicionales. La imposibilidad de almacenar el bien que se oferta en dicho mercado (la energía eléctrica) hace que en todo momento la energía producida deba casar con la demanda existente Sin embargo, a priori no se conoce la demanda que existirá en un momento concreto, por lo que resulta de vital importancia desarrollar técnicas fiables que permitan predecirla. Lo mismo sucede con el precio de la energía, ya que éste irá siempre de la mano de la demanda requerida. El precio de liquidación de la electricidad es la fuente de información más valiosa de la que disponen todos los agentes participantes del mercado eléctrico. Como tampoco se puede conocer de manera exacta con antelación, se hace necesario a su vez el desarrollo de técnicas que permitan realizar su predicción con suficiente precisión. Ésta no resulta una tarea sencilla. El mercado eléctrico es un mercado muy volátil, en el que el precio final de la energía puede llegar a sufrir importantes variaciones en períodos muy cortos de tiempo. El resultado de tales variaciones se traduce en lo que se conoce como precios “spikes” o precios extremos de la energía eléctrica. Estos precios extremos, a pesar de ocurrir con relativa baja frecuencia (en torno al 5% de los precios totales según estudios del propio TFG) no deben menospreciarse, ya que por la diferencia de órdenes de magnitud que presentan con respecto a los precios “normales” pueden causar serios estragos en la planificación de los miembros participantes del mercado si no se predicen con antelación. Bajo el contexto del presente proyecto, los tipos de spikes estudiados serán los siguientes: - “Spikes Superiores”: Aquellos cuyo valor supera el de un límite previamente fijado. - “Spikes Inferiores”: Aquellos cuyo valor queda por debajo de un límite también fijado de antemano. En el desarrollo de modelos de predicción de precios de la energía se ha alcanzado considerable éxito cuando los precios se mueven dentro de los rangos “habituales”. Sin embargo, en la predicción de precios o comportamientos extremos del mercado, los resultados obtenidos por las técnicas actuales siguen sin demostrar ser demasiado prometedores. Este hecho, junto con la ya citada necesidad de conocer y ser capaces de predecir la evolución futura del precio de la energía, motivan el desarrollo de investigaciones centradas en la creación de modelos que permitan predecir y caracterizar los precios extremos de la energía. La consecución de tal objetivo, contextualizado al mercado eléctrico español durante el período que abarca desde octubre del año 2015 hasta marzo del 2017, constituirá la línea de flotación del presente TFG. Para ello, la principal herramienta empleada a lo largo del proyecto la constituye los algoritmos de árboles de decisión de la familia CART (“Classification and Regression Trees”), enmarcados en la metodología “Random Forest” (en adelante RF). Los árboles de decisión son una técnica estadística perteneciente al conjunto de ciencias englobadas por la minería de datos, que mediante el estudio de un gran conjunto de datos (como los que se dispondrán referentes al mercado eléctrico) pretende establecer patrones y relaciones entre ellos. El objetivo escondido tras esta pretensión será el lograr tanto caracterizar de manera descriptiva toda la información relativa al mercado eléctrico como, especialmente, lograr realizar predicciones sobre el futuro del precio de la energía eléctrica. Dentro de la familia CART, se distinguen entre dos tipos de árboles de decisión: - Árboles de Clasificación: Ofrece como respuesta una variable cualitativa. Se emplearán para predecir la clase futura a la que pertenecerá el precio de la energía eléctrica. - Árboles de Regresión: Su respuesta es de tipo cuantitativo, y se emplearán para predecir el valor exacto que tomará el precio de la electricidad en el futuro. De cara a su estudio, los precios de la energía se dividirán en las siguientes clases: "Alto"Spike superior. Precio extremo de gran magnitud."Medio"No spike. Precio en rangos normales."Bajo"Spike inferior. Precio extremo de escasa magnitud. Una vez definidas, se hace necesario establecer el valor de los umbrales que darán lugar a tal clasificación. Ante la variabilidad de precios reflejada y la necesidad de asegurar una clasificación de precios veraz y realista que discrimine en función de la época considerada, se concluye que los límites de clasificación deben basarse en datos históricos y no aplicarse sobre periodos temporales demasiado extensos. Previo a la formulación de modelos computacionales, se llevará a cabo un estudio descriptivo multivariante sobre cómo afectan las variables que se consideran relacionadas con el precio final de la energía a la evolución de tal precio. El objetivo será extraer primeras conclusiones sobre los factores que afectan al precio de la energía, siempre centrado en los precios extremos. De este modo, además de la primera impresión extraída, se dispone de una fuente de contraste de cara a los análisis en etapas avanzadas del proyecto, que ayudará a determinar si dichos modelos reflejan con veracidad la fenomenología inherente a las peculiaridades del mercado eléctrico. El estudio descriptivo constará de dos etapas principales. ➢Primera etapa: Evolución en la tendencia seguida por el precio, mediante este análisis se pretende conocer en qué medida la tendencia seguida por el precio de la energía se ve influenciada por la seguida por el resto de variables consideradas. ➢Segunda etapa: Relación precio – variables de entrada, se pretende complementar el paso anterior cuantificándolo mediante el estudio de la relación lineal existente entre el precio con las diferentes variables consideradas. Dicha cuantificación se realizará mediante el coeficiente de correlación. Una vez se ha llevado a cabo la etapa correspondiente al estudio descriptivo y se conocen los umbrales que se emplearán a la hora de clasificar los precios de la energía, se está en disposición de afrontar la etapa de mayor relevancia del proyecto: la formulación y el desarrollo de modelos computacionales con técnicas de árboles de decisión. Los análisis se dividirán en dos grandes familias, en función del tipo de árbol empleado. - Árboles de Clasificación Se dividirá el análisis realizado en modelos sobre la muestra total de datos y sobre cada uno de los trimestres particulares que conforma el periodo completo estudiado, a fin de determinar que forma de proceder resulta más ventajosa. Este tipo de modelos están en virtud de predecir con éxito la ocurrencia de spikes ya que los resultados más pobres se corresponden con épocas en las que la ocurrencia de un tipo específico de spike se dio con muy poca frecuencia. Al disponer de tan pocos datos sobre los que formular el modelo, las predicciones asociadas no los captaban con éxito. El éxito logrado en el modelo global no muestra significativas diferencias con respecto a los trimestrales. Sin embargo, ante la gran variabilidad de precios experimentada durante la época estudiada, se concluye que se refleja con mayor veracidad el comportamiento del mercado eléctrico español subdividiendo los datos analizados en muestras trimestrales. - Árboles de Regresión Los modelos desarrollados bajo esta técnica se dividirán en estudios sobre el global de datos y sobre cada una de las clases de precios particulares. La gran ventaja asociada al modelo sobre los datos globales reside en el hecho de que, al alimentar al modelo una base de datos continua en términos temporales, se está en disposición de determinar el momento exacto en el que se producirá cada una de las observaciones predichas. Sin embargo, este modelo mostró dificultades a la hora de captar variaciones fuertes en la evolución del precio. Tal dificultad desembocó en la clasificación errónea de numerosos precios. A fin de salvar esta circunstancia, los modelos asociados a cada una de las clases particulares determinaron con mayor exactitud el valor que tomaría el precio en el futuro. El principal inconveniente es que, a diferencia del caso anterior, no se puede ubicar con exactitud el momento de ocurrencia de cada uno de los spikes, y tan sólo se puede dar un intervalo temporal. Los análisis mediante técnicas de árboles de decisión demostraron éxito en los propósitos para los que fueron diseñados, por lo que se concluye que constituyen una técnica solvente a la hora de afrontar esta tarea y que se encuentra en disposición de ofertar resultados satisfactorios. Esto es, mediante estos modelos junto con los estudios complementarios realizados, se desarrolló un método que permitía tanto predecir con acierto la ocurrencia de este fenómeno como caracterizarlo cualitativa y cuantitativamente con respecto a sus variables asociadas. Algunos ejemplos de tal caracterización se muestran a continuación. Las variables “PrecioT1”, “PrecioT24” y “Demanda” mostraron una fuerte correlación positiva con respecto al precio final. Por el contrario, “Eólica” y “Embalses” ejercen una dependencia negativa sobre la misma que hace que, ante producciones importantes de este tipo de energía, el precio de la electricidad tienda a disminuir. Con respecto a la variable “Hora”, durante las horas centrales del día afectan de manera positiva sobre el aumento del precio. Dentro de esta franja horaria, durante la primera hora del día se dieron los spikes superiores de mayor magnitud. El resto de horas, especialmente las correspondientes a las primeras horas de la madrugada, resultaron las más propicias de cara a la ocurrencia de spikes inferiores. Finalmente, en cuanto a la variable “Temperatura”, valores extremos de la misma desembocan en aumentos del precio de la energía, especialmente cuando se trata de temperaturas frías. Temperaturas medias suaves conducen a disminuir el precio eléctrico.

Más información

ID de Registro: 48071
Identificador DC: http://oa.upm.es/48071/
Identificador OAI: oai:oa.upm.es:48071
Depositado por: Biblioteca ETSI Industriales
Depositado el: 11 Oct 2017 06:37
Ultima Modificación: 11 Oct 2017 06:37
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM