La previsión energética incluye la previsión de la demanda ( carga ) y el precio de la electricidad , los combustibles fósiles (gas natural, petróleo, carbón) y las fuentes de energía renovable (RES; hidroeléctrica, eólica, solar). La previsión puede ser tanto el valor de precio esperado como la previsión probabilística . [1] [2] [3] [4]
Fondo
Cuando se regularon los sectores de la electricidad, los monopolios de servicios públicos utilizaron pronósticos de carga a corto plazo para garantizar la confiabilidad del suministro y los pronósticos de demanda a largo plazo como base para planificar e invertir en nueva capacidad. [5] [6] Sin embargo, desde principios de la década de 1990, el proceso de desregulación y la introducción de mercados eléctricos competitivos han estado remodelando el panorama de los sectores de energía tradicionalmente monopolísticos y controlados por el gobierno. En muchos países de todo el mundo, la electricidad se comercializa ahora según las reglas del mercado mediante contratos al contado y de derivados . [7] A nivel empresarial, las previsiones de carga y precio de la electricidad se han convertido en un insumo fundamental para los mecanismos de toma de decisiones de las empresas energéticas. Los costos de sobrecontratar o subcontratar y luego vender o comprar poder en el mercado de equilibrio son típicamente tan altos que pueden conducir a enormes pérdidas financieras y a la quiebra en el caso extremo. [8] [9] A este respecto, las empresas eléctricas son las más vulnerables, ya que generalmente no pueden trasladar sus costos a los clientes minoristas. [10]
Si bien ha habido una variedad de estudios empíricos sobre pronósticos puntuales (es decir, la "mejor estimación" o valor esperado del precio al contado), los pronósticos probabilísticos , es decir, de intervalo y densidad, no se han investigado extensamente hasta la fecha. [6] [11] Sin embargo, esto está cambiando y hoy en día tanto los investigadores como los profesionales se están enfocando en esto último. [12] Mientras que el Concurso Global de Previsión de Energía en 2012 estuvo en el punto de previsión de carga eléctrica y energía eólica, la edición de 2014 tuvo como objetivo la previsión probabilística de carga eléctrica, energía eólica, energía solar y precios de la electricidad.
Beneficios de reducir la carga eléctrica y los errores de pronóstico de precios
La extrema volatilidad de los precios mayoristas de la electricidad , que pueden ser hasta dos órdenes de magnitud más altos que los de cualquier otro producto básico o activo financiero, [6] ha obligado a los participantes del mercado a protegerse no solo del riesgo de volumen sino también de los movimientos de precios. Un generador, una empresa de servicios públicos o un gran consumidor industrial que sea capaz de pronosticar los precios al por mayor volátiles con un nivel razonable de precisión puede ajustar su estrategia de licitación y su propio programa de producción o consumo para reducir el riesgo o maximizar las ganancias en el día a día. comercio. Sin embargo, dado que muchos departamentos de una empresa de energía utilizan los pronósticos de carga y precio, es muy difícil cuantificar los beneficios de mejorarlos. Una estimación aproximada de los ahorros de una reducción del 1% en el error porcentual absoluto medio (MAPE) para una empresa de servicios públicos con una carga máxima de 1 GW es: [13]
- $ 500,000 por año de la previsión de carga a largo plazo ,
- $ 300,000 por año de la previsión de carga a corto plazo,
- $ 600,000 por año a partir de la carga a corto plazo y la previsión de precios.
Principales áreas de interés
Los subcampos más populares (en términos de la cantidad de artículos de investigación y técnicas desarrolladas) de pronóstico de energía incluyen:
- Previsión de carga ( previsión de carga eléctrica, previsión de demanda eléctrica). Aunque " carga " es un término ambiguo, en el pronóstico de carga, la "carga" generalmente significa demanda (en kW ) o energía (en kWh ) y dado que la magnitud de la potencia y la energía es la misma para los datos horarios, generalmente no se hace distinción entre demanda y energía. [14] El pronóstico de carga implica la predicción precisa tanto de las magnitudes como de las ubicaciones geográficas durante los diferentes períodos del horizonte de planificación. La cantidad básica de interés suele ser la carga horaria total del sistema (o zona). Sin embargo, la previsión de carga también se ocupa de la predicción de valores de carga por hora, día, semana y mes y de la carga máxima . [5] [8] [11]
- Previsión del precio de la electricidad
- Previsión de energía eólica
- Previsión de energía solar
Horizontes de pronóstico
Es habitual hablar de pronósticos a corto, mediano y largo plazo, pero no hay consenso en la literatura sobre cuáles deberían ser realmente los umbrales:
- La previsión a corto plazo generalmente implica horizontes desde unos pocos minutos hasta unos días por delante, y es de primordial importancia en las operaciones diarias del mercado . En el pronóstico de carga, el pronóstico a muy corto plazo con tiempos de entrega medidos en minutos se considera a menudo como una clase separada de pronósticos. [15]
- Por lo general, se prefiere la previsión a medio plazo , desde unos pocos días hasta unos meses antes, para los cálculos del balance , la gestión de riesgos y la fijación de precios de los derivados . En muchos casos, especialmente en los pronósticos de precios de la electricidad , la evaluación no se basa en los pronósticos puntuales reales, sino en las distribuciones de precios durante ciertos períodos de tiempo futuros. Dado que este tipo de modelado tiene una larga tradición en las finanzas , se observa una afluencia de "soluciones financieras". [6]
- La previsión a largo plazo , con plazos de entrega medidos en meses, trimestres o incluso años, se concentra en el análisis y la planificación de la rentabilidad de la inversión , como la determinación de los sitios futuros o las fuentes de combustible de las centrales eléctricas. [dieciséis]
Iniciativas
- Grupo de trabajo del IEEE sobre previsión energética
- Concursos mundiales de previsión energética
Referencias
- ^ VanDeventer, William; Jamei, Elmira; Thirunavukkarasu, Gokul Sidarth; Seyedmahmoudian, Mehdi; Pronto, Tey Kok; Horan, Ben; Mekhilef, Saad; Stojcevski, Alex (1 de septiembre de 2019). "Previsión de energía fotovoltaica a corto plazo mediante técnica híbrida GASVM" . Energía renovable . 140 : 367–379. doi : 10.1016 / j.renene.2019.02.087 . ISSN 0960-1481 .
- ^ Seyedmahmoudian, Mehdi; Jamei, Elmira; Thirunavukkarasu, Gokul Sidarth; Pronto, Tey Kok; Mortimer, Michael; Horan, Ben; Stojcevski, Alex; Mekhilef, Saad (mayo de 2018). "Pronóstico a corto plazo de la potencia de salida de un sistema fotovoltaico integrado en un edificio utilizando un enfoque metaheurístico" . Energías . 11 (5): 1260. doi : 10.3390 / en11051260 .
- ^ Das, Utpal Kumar; Tey, Kok Soon; Seyedmahmoudian, Mehdi; Mekhilef, Saad; Idris, Moh Yamani Idna; Van Deventer, Willem; Horan, Bend; Stojcevski, Alex (1 de enero de 2018). "Previsión de generación de energía fotovoltaica y optimización de modelos: una revisión" . Revisiones de energías renovables y sostenibles . 81 : 912–928. doi : 10.1016 / j.rser.2017.08.017 . ISSN 1364-0321 .
- ^ Das, Utpal Kumar; Tey, Kok Soon; Seyedmahmoudian, Mehdi; Idna Idris, Mohd Yamani; Mekhilef, Saad; Horan, Ben; Stojcevski, Alex (julio de 2017). "Modelo basado en SVR para pronosticar la generación de energía fotovoltaica en diferentes condiciones climáticas" . Energías . 10 (7): 876. doi : 10.3390 / en10070876 .
- ^ a b Shahidehpour, Mohammad; Yamin, Hatim; Li, Zuyi (2002). Operaciones de mercado en sistemas de energía eléctrica: pronóstico, programación y gestión de riesgos . Wiley. doi : 10.1002 / 047122412x . ISBN 978-0471443377.
- ^ a b c d Weron, Rafał (2014). [Acceso abierto]. "Previsión del precio de la electricidad: una revisión del estado de la técnica con una mirada al futuro" . Revista Internacional de Pronósticos . 30 (4): 1030–1081. doi : 10.1016 / j.ijforecast.2014.08.008 .
- ^ Bunn, Derek W., ed. (2004). Modelos de precios en mercados competitivos de electricidad . Wiley. ISBN 978-0-470-84860-9.
- ^ a b Weron, Rafał (2006). Modelado y pronóstico de cargas y precios de electricidad: un enfoque estadístico . Wiley. ISBN 978-0-470-05753-7.
- ^ Kaminski, Vincent (2013). Mercados de energía . Libros de riesgo. ISBN 9781906348793.
- ^ Joskow, Paul L. (2001). "Crisis de la electricidad de California". Oxford Review of Economic Policy . 17 (3): 365–388. CiteSeerX 10.1.1.363.5522 . doi : 10.1093 / oxrep / 17.3.365 . hdl : 1721,1 / 44978 . ISSN 0266-903X .
- ^ a b Hong, Tao; Dickey, David A. Predicción de carga eléctrica: fundamentos y mejores prácticas . OTexts . Consultado el 29 de noviembre de 2015 .
- ^ Hong, Tao; Fan, Shu. "Pronóstico probabilístico de carga eléctrica: una revisión del tutorial" . blog.drhongtao.com . Consultado el 29 de noviembre de 2015 .
- ^ Hong, Tao (2015). "Lecciones de Crystal Ball en Análisis Predictivo" . Revista EnergyBiz . Primavera: 35–37.
- ^ "Previsión de energía: carga, demanda, energía y potencia" . blog.drhongtao.com . Consultado el 29 de noviembre de 2015 .
- ^ "Previsión de energía: previsión de carga a muy corto, corto, medio y largo plazo" . blog.drhongtao.com . Consultado el 29 de noviembre de 2015 .
- ^ Ventosa, Mariano; Baı́llo, Álvaro; Ramos, Andrés; Rivier, Michel (2005). "Tendencias de modelización del mercado eléctrico". Política energética . 33 (7): 897–913. doi : 10.1016 / j.enpol.2003.10.013 .
enlaces externos
- Grupo de trabajo del IEEE sobre previsión energética