estimación de curva de consumo eléctrico a futuro de...

ESCUELA TÉCNICA SUPERIOR DE

INGENIERÍA

UNIVERSIDAD DE SEVILLA

ESTIMACIÓN DE CURVA DE

CONSUMO ELÉCTRICO A

FUTURO DE AGREGACIONES DE

SUMINISTROS ELÉCTRICOS

NOMBRE: Mª de los Ángeles Gámiz Juárez

TITULACIÓN: Grado en Ingeniería de Tecnologías

Industriales

AÑO: 2014

DIRECTORES: Manuel Bernal Martín

Dr. Esther Romero Ramos

2

AGRADECIMIENTOS

En primer lugar, quiero agradecer a Manuel Bernal Martín el haber tenido la idea de

este trabajo y haberme ayudado en la realización del mismo, además del tiempo que me

ha dedicado durante estos meses. Ha sido mucho lo que he aprendido de ti.

También, agradecer a Esther Romero Ramos no solo su ayuda con este trabajo, sino

también todo el apoyo y confianza que ha mostrado en mí durante estos años. Gracias

por la dedicación y el entusiasmo que has mostrado y transmitido. Por personas como tú

me adentré en este mundo que tanto me apasiona. Gracias.

Dar las gracias a mis padres y a mi hermano, por ser los pilares de mi vida y hacer de mí

quien soy hoy. Vuestro amor incondicional ha hecho que no tire la toalla nunca y que

luche por todo aquello que quiero conseguir. A vosotros os lo debo todo.

Gracias a mi novio por haber caminado junto a mí siempre. La distancia y la espera

empiezan a dar su recompensa.

Por último, quiero agradecer a mi tío Rafa todos los consejos que me ha dado, sus

largas charlas al teléfono y el cariño y la confianza que ha depositado en mí.

3

ÍNDICE

1. Objetivos y alcance del proyecto..…………………………………….…...pág 7

2. El Sector Eléctrico………………………………………………………....pág 10

2.1.Consumo eléctrico en España……………………………………………...pág 11

2.2. Tipos de consumidores…………………………………………………....pág 12

2.3. Estructura básica del sector eléctrico español…………………………….pág 13

2.4. Funcionamiento del mercado eléctrico mayorista………………………...pág 15

2.4.1. Otras formas de compra de electricidad……………………………….pág 18

2.4.2. Cuestiones que se plantean…………………………………………….pág 18

2.5.Funcionamiento del mercado eléctrico minorista………………………….pág 19

3. Curvas de carga y tipos de consumidores………………………………….pág 21

3.1.Clasificación de predicciones de consumo……………………...…………pág 22

3.2.Caracterización de la demanda de energía eléctrica……………………….pág 22

3.3. Clasificación de los consumidores a tratar………………………………..pág 24

3.4. Modelos predictivos de la demanda…………………………………….....pág 25

3.4.1. Modelos predictivos causales………………………………………….pág 27

3.4.2. Modelos predictivos de series temporales……………………………..pág 27

3.4.3. Modelo predictivo de coeficientes……………………………………..pág 28

4. Consumidores con curvas de consumo no disponibles…………...…….....pág 29

4.1.Metodología y procedimiento……………………………………………...pág 30

4.1.1. Datos de entrada……………………………………………..………....pág 30

4.1.2. Creación de las tablas de trabajo………..……………………………...pág 31

4.2.Resultados………………………………………………………….………pág 32

5. Consumidores con base de datos históricos……………….……………….pág 35

5.1.Análisis previo orientativo………………………..………………………..pág 36

5.1.1. Datos y tratamiento………………………………………………….…pág 37

5.1.2. Cálculo de coeficientes………………………………………………...pág 38

5.1.3. Método 1……………………………………………………………….pág 40

5.1.3.1.Resultados……………………………………………………………...pág 43

5.1.4. Método 2…………………………………………………………….…pág 44

5.1.4.1.Resultados………………………………………………………….......pág 44

5.1.5. Conclusiones del análisis……………………………………………....pág 45

5.2.Modelo empleado para la estimación del consumo………………………..pág 45

5.2.1. Metodología y procedimiento………………………………………….pág 46

5.2.1.1.Tabla de datos inicial…………………………………………………..pág 46

5.2.1.2. Manipulación de la tabla dinámica……………………………………pág 46

5.2.1.3. Algoritmo de cálculo de los coeficientes de estimación de la

demanda……………………………………………………….……….pág 49

5.2.1.4. Estimación de las curvas…………………………………………..…..pág 51

4

5.2.2. Resultados y conclusiones……………………………………………..pág 53

5.3.Estimación de todos los consumidores…………………………………….pág 61

6. Conclusiones y trabajos futuros…………………………...……………….pág 64

7. Anexos………………………………………………………………..........pág 67

7.1.Índice……………………………………………………………………....pág 68

8. Bibliografía………………………………………………………………...pág 92

5

LISTA DE FIGURAS

Figura 1: Energía diaria por tecnologías en España

Figura 2: Esquema de funcionamiento del mercado eléctrico hasta 1997

Figura 3: Esquema de funcionamiento del sector eléctrico en la actualidad

Figura 4: Casación entre oferta y demanda de electricidad

Figura 5:Funcionamiento del mercado eléctrico (I)

Figura 6: Funcionamiento del mercado eléctrico (II)

Figura 7: Empresas comercializadoras en España

Figura 8: Curvas de generación de fotovoltaica

Figura 9: Ejemplo de curva de demanda

Figura 10: Evolución de los precios de la demanda

Figura 11: Curvas consumidores tipo B

Figura 12: Promedios de consumos iniciales en la base de datos recibida

Figura 13: Representación de captura de datos con la función BUSCARV

Figura 14: Representación comparativa de las predicciones iniciales con la curva real.

Método 1

Figura 15: Representación comparativa de las predicciones calculadas con la curva real.

Método 2

Figura 16: Lista de campos que aparecen en la tabla dinámica

Figura 17: Tabla dinámica creada. Suministro industrial

Figura 18: Visualización del proceso de operación para determinar los coeficientes

Figura 19:Comparativa curvas real y prevista. Semana 7, Consumidor industrial

Figura 20: Comparativa curvas real y prevista. Semana 7, Comunidad de regantes

Figura 21: Comparativa curvas real y prevista. Semana 7, Centro universitario

Figura 22: Comparativa curvas real y prevista. Semana 11, Consumidor industrial



6







Figura 31: Estimación de todos los consumos semana 11

Figura 32: Estimación de todos los consumos sin tener en cuenta la comunidad de

regantes

[ESTIMACIÓN DE CURVA DE CONSUMO ELÉCTRICO A FUTURO DE AGREGACIONES DE SUMINISTROS ELÉCTRICOS] Julio de 2014

7

BLOQUE 1. OBJETIVOS Y

ALCANCE DEL PROYECTO


8

1. OBJETIVOS Y ALCANCE DEL PROYECTO

El sistema eléctrico español ha sufrido en las últimas décadas numerosos

cambios con respecto a su estructura y funcionamiento. Antes de 1997 el mercado

eléctrico era rígido y estaba regulado por un único organismo: El Gobierno.

Posteriormente, surgieron modificaciones que llevaron a una gestión repartida del

mercado, con actividades reguladas por diferentes empresas y organismos.

En la actualidad se están introduciendo múltiples novedades con respecto a la

factura de la luz. Con ello, aumenta la curiosidad y la necesidad de saber cuánto es

exactamente lo que se consume, y los términos por los que se está pagando.

Existen muchos consumidores y de dimensiones muy diferentes. A la hora de

determinar cuál es su demanda hay que conocer cuáles son las carácterísticas de dicho

suministro y de qué depende su consumo principalmente. Por ejemplo, no será lo

mismo, conocer el consumo de una industria que tuviera unos patrones de

comportamiento más o menos predecibles sin importunios, que un consumo que se vea

afectado por parámetros poco predecibles, como la lluvia.

Es importante saber exactamente qué es lo que se está consumiendo a cada hora,

o al menos, establecer una estimación lo suficientemente buena como para que el error

sea lo menor posible. Siempre se ha de tener en cuenta que la electricidad no es un bien

fácil de almacenar, y que todo aquello que se produce en un instante dado tiene que ser

consumido en el mismo instante. Además, la demanda eléctrica varía con el tiempo en

función de los hábitos de los consumidores, la estructura productiva de la economía,

cómo sea la climatología, en qué estación del año se esté, etc. Cada instalación de

generación de electricidad tiene unos costes diferentes dependiendo del precio del

combustible, gastos de mantenimiento y amortización de las instalaciones. Estas

características influyen en lo que se denomina perfil de la demanda y de la distribución

horaria de precios de la energía eléctrica.

Éste es el principal interés de conocer el consumo, pero también hay que tener

en cuenta lo que se conoce como el interés económico del consumidor. Son múltiples

las ocasiones en las que los consumidores quieren ser conocedores de lo que van a

consumir a futuro con la mayor exactitud posible. Normalmente, es de interés para los

que acceden directamente al mercado a comprar su electricidad, o también para las

comercializadoras que llevan la gestión de la compra de electricidad para múltiples

consumidores.

Estas inquietudes son la base del objeto de este proyecto, en el cual se tratará de

estimar la curva de consumo eléctrico a futuro de una agregación de suministros

eléctricos de diversas características. Se explicará el estudio que se ha llevado a cabo

para automatizar de alguna forma la predicción de la demanda, desde el punto de vista

de una comercializadora, la cual recibirá una lista de suministros de diferentes


9

características y, posteriormente, aplicará una clasificación para trabajar de un modo u

otro con ellos.

En principio se trabajará con consumidores de un tamaño relativamente grande.

Se pretende conseguir una estimación aproximada del consumo, sin alcanzar una

precisión del 100% del mismo, ya que no se tendrán en cuenta variables externas que

afecten a la demanda. Lo que se desea conocer es el consumo de numerosos suministros

diferentes, y se abordará el problema teniendo en cuenta una compensación del

consumo entre los mismos, es decir, puede ser que se estime menos energía a una hora

determinada para un consumidor dado, mientras que para otro se determine más que la

que realmente necesite, con lo que se produciría una compensación entre ellos.

Para la realización de este trabajo se hará uso de una aplicación distribuida para

hojas de cálculo muy conocida de Microsoft Office: Excel. Con este software, se

manejarán los datos, se realizarán estudios y se utilizarán sus funciones para optimizar

al máximo los resultados.


10

BLOQUE 2. EL SECTOR

ELÉCTRICO


11

2. EL SECTOR ELÉCTRICO

Antes de profundizar más, es necesario dejar claro una serie de conceptos

relacionados con la estructura del sector eléctrico en España y su funcionamiento, la

clasificación de los consumidores, así como el conocimiento de las principales energías

que participan en la generación de electricidad.

2.1. CONSUMO ELÉCTRICO EN ESPAÑA

Se puede establecer una primera clasificación de las fuentes de energía

atendiendo a los siguientes criterios:

En función de su forma de utilización:

•Fuentes de energía primaria: las que no han sufrido ningún proceso de

transformación obteniéndose directamente de la naturaleza. Son las siguientes:

•Carbón

•Petróleo

•Gas natural

•Uranio natural

•Viento

•Sol

•Agua (elevada, mareas, olas)

•Biomasa

•Energía final: se obtiene a partir de la energía primaria mediante procesos de

transformación para su utilización directa por el consumidor final. Entre ellas están:

• Refinerías

• Centrales eléctricas

• Etc

En función de su naturaleza renovable o no renovable:

•Fuentes renovables: Son conocidas como las teóricamente inagotables, como

las siguientes:

•Radiación del sol

•Viento

•Sol

•Agua (elevada, mareas, olas)

•Biomasa

•Fuentes no renovables: son aquellas que existen de forma limitada en la

naturaleza y que no se renuevan a corto plazo. Entre ellas se encuentran:


12

•Carbón

•Petróleo

•Gas natural

•Combustibles nucleares

En base a esta clasificación previa de las fuentes de energía, se puede decir que

la electricidad ocupa hasta una cuarta parte del consumo español de energía final

clasificado por fuentes de energía:

Fig 1.- Energía diaria por tecnologías en España (Mayo 2014)

2.2. TIPOS DE CONSUMIDORES

En este punto del documento se va a tratar de clasificar los diferentes

consumidores existentes en el mercado eléctrico actual. Antes de llevar a cabo la

clasificación, se deja claro que los consumidores se pueden agrupar atendiendo

diferentes criterios, y que esta forma de agruparlos es totalmente personalizada,

pudiéndose tener en cuenta cualquier otra.

La clasificación que se va a realizar está establecida en función del tamaño del

consumidor:

- Pequeños consumidores: Su potencia contratada es inferior a 10 kW. Como

opción de contratación pueden acudir a comercializadores normales (los que


13

acuden a mercado de electricidad de forma habitual) o a comercializadores de

último recurso (los únicos que pueden impartir la Tarifa de Último Recurso

estipulada por el Gobierno, ahora llamada tarifa de PVPC o de Precio Voluntario

al Pequeño Consumidor). Aunque no es lo habitual, también pueden acceder

directamente a mercado.

- Grandes consumidores: Son los conocidos como clientes cualificados, porque no

se acogen a la tarifa regulada. Para la contratación de la electricidad pueden

acudir al mercado mayorista directamente o también pueden recurrir a

comercializadoras.

2.3. ESTRUCTURA BÁSICA DEL SECTOR ELÉCTRICO ESPAÑOL

En los últimos años la electricidad ha ido adquiriendo una mayor presencia en

las vidas de todos los ciudadanos. La Agencia Internacional de la Energía también

considera que el futuro será cada vez más eléctrico por la posibilidad de consumir una

energía que se generará de manera creciente por tecnologías no contaminantes. Todo

ello hace que el precio de la electricidad se esté convirtiendo en un elemento muy

importante para la sociedad en su conjunto, tanto para los usuarios domésticos, como

para la empresa y la industria, por el impacto que representa en su competitividad en un

entorno abierto y globalizado.

Hasta el año 1997 fue el Gobierno el encargado de fijar las tarifas eléctricas.

Existía un sector estructuralmente rígido, en el que las actividades de generación,

transporte y distribución estaban muy relacionadas entre sí, donde la misma compañía

podía realizar las tres actividades a la vez; un mercado donde no existía competencia en

la generación. Se puede decir que el mercado estaba monopolizado.

Fig 2.-Esquema de funcionamiento del mercado eléctrico hasta 1997


14

En el mismo año, se promulgó la Ley 54/1997 de 27 de noviembre del Sector

Eléctrico, la cual liberalizaba el mercado eléctrico en España. Posteriormente le

sucedieron a esta ley diversas modificaciones como: Ley 53/2002 de 30 de diciembre,

Ley 24/2005 de 18 de noviembre y la Ley 17/2007 de 4 de julio (prácticamente

derogada con la nueva Ley 24/2013 aprobada en diciembre de 2013).

El mercado actual es un oligopolio, es decir, un mercado dominado por un

pequeño número de vendedores o prestadores de servicio. Se reparte entre cinco grandes

eléctricas, las cuales tienen la responsabilidad de generar el 80% del total y se encargan

del 90% de la venta o comercialización. Éstas son:

- Iberdrola

- Gas Natural Fenosa

- Endesa

- EDP-Energías de Portugal

- EON

La generación y la comercialización de electricidad se realizan en competencia

en el nuevo mercado eléctrico, mientras que el transporte y la distribución se mantienen

como actividades en monopolio reguladas por el Gobierno. La comercialización es una

actividad nueva desde 1998, realizada por empresas que tienen como función la compra

de energía en el mercado mayorista y su venta a los clientes cualificados o a otros

agentes del sistema. Las comercializadoras no pueden poseer redes de distribución, pero

tienen derecho de uso de las redes de transporte y distribución para llevar la energía

hasta sus clientes, a cambio del pago de un peaje o tarifa de acceso a la red.

Esta reestructuración del sector eléctrico ha significado el paso de una estructura

vertical, donde todas las actividades estaban agrupadas, a otra organización donde

generación, transporte, distribución y comercialización operan independientemente.

Fig 3.- Esquema de funcionamiento del sector eléctrico en la actualidad


15

2.4. FUNCIONAMIENTO DEL MERCADO ELÉCTRICO MAYORISTA

Según OMIE (empresa perteneciente al grupo del Operador del Mercado

Ibérico), antes conocida como OMEL, el mercado eléctrico se define como el conjunto

de transacciones derivadas de la participación de los agentes del mercado en las

sesiones de los mercados diario e intradiario, y de la aplicación de los procedimientos

de operación técnica del sistema. Los generadores ofertan la electricidad que van a

producir al día siguiente, y las empresas compran esa electricidad. Así es como se

consigue que la demanda sea igual a la generación.

Representantes de los productores, distribuidores, comercializadores y

consumidores cualificados constituyen una comisión, la cual supervisa el

funcionamiento y operación que lleva a cabo OMIE.

El mercado donde se realizan esas múltiples operaciones de oferta y demanda al

por mayor de energía, se denomina pool. En él intervienen los que se conocen como

agentes de mercado (productores de electricidad, comercializadores y consumidores

cualificados). Es importante destacar que las compañías distribuidoras no pueden

vender energía, solamente pueden distribuirla. También están, por otro lado, los agentes

externos; empresas o consumidores extranjeros que pueden comprar o vender

electricidad a través de las conexiones internacionales.

El Estado define los procedimientos de autorización de nuevas centrales

eléctricas, pero no convoca ninguna licitación ni obliga a ninguna empresa a

construirlas. Existen dos tipos de centrales generadoras:

Los productores en Régimen Ordinario: compiten entre sí en el mercado

mayorista para vender electricidad cada hora (centrales eléctricas nucleares, de

carbón, de ciclo combinado a gas, fuel-gas, hidráulicas, etc.).

Los productores en Régimen Especial: energías renovables y cogeneradores con

una producción menor o igual de 50 MW. Tienen preferencia de venta, aunque

también pueden competir en el mercado mayorista desde 2004.

El funcionamiento de la operación de OMIE consiste en la subasta para las

veinticuatro horas del día siguiente, entrando con prioridad las energías más baratas,

seguidas del resto de los diversos sistemas de producción, hasta que la demanda

proyectada sea cubierta. Los consumidores, por otro lado, lanzan sus ofertas al mercado,

ofreciendo un precio por la energía que se va a producir. En primer lugar, acceden las

nucleares, debido a que sus parones y arranques serían muy costosos, saliéndole

rentable la pérdida de dinero durante algunas horas. A éstas, le siguen las energías

renovables, porque sus costes variables son casi nulos, y siempre les sale rentable

vender energía. Las renovables no marcan precio en el pool, produciendo el efecto de

abaratar la subasta. Ambas fuentes energéticas, nucleares y renovables, son ofrecidas en

el mercado a precio cero. A partir de aquí, les siguen en función de la demanda, las

energías más caras, el gas y el carbón. La última en cubrir la demanda proyectada


16

marcará el precio marginal de la energía de ese día (el precio que marca la intersección

de las curvas de oferta y demanda), siendo el resto de fuentes retribuidas también a ese

mismo precio. Precio que recibirán todos los generadores que han casado por debajo del

precio marginal resultante, y lo que tendrán que pagar los consumidores que hayan

casado sus ofertas de adquisición (superiores al precio marginal).

Cuando esté calculada la primera casación, se añaden los contratos bilaterales

(contratos suscritos entre un productor directamente con un consumidor, sin pasar por el

mercado). Es cuando hay que evaluar la viabilidad del programa, teniendo en cuenta

diversos condicionantes (capacidades de las líneas de transporte, conexiones

internacionales, etc.). Cuando se hayan sucedido todas estas múltiples iteraciones, se

obtiene el Programa Diario Viable Definitivo (programa completo de generación,

consumo y transporte del día siguiente). Este programa no siempre se cumple de manera

exhaustiva, y aparecen desvíos (diferencias entre la generación y consumos previstos).

Para resolver esto, existe el mercado intradiario, que divide el día en 6 sesiones de 4

horas. En éste, se lanzan ofertas de venta y de compra, y en cada una de ellas se produce

una nueva casación. Cuando se llevan a cabo cada una de estas casaciones, se vuelve a

estudiar nuevamente las restricciones técnicas del sistema, hasta alcanzar un nuevo

programa, siendo éste el Programa Horario Final.

Fig 4.- Casación entre oferta y demanda de electricidad

Aún con todo lo que se ha empleado hasta aquí, no se puede garantizar la

coincidencia de generación con demanda, con lo que se establecen además, las bandas

de regulación secundaria y terciaria. Las instalaciones participantes en estas

regulaciones no intervienen en el mercado, y reciben una fuente de compensación por

disponibilidad. Al final, el último programa es el Programa Horario Operativo, y es éste

el que establece definitivamente lo que se genera en cada instalación.


17

Fig 5.- Funcionamiento del mercado eléctrico (I)

Fig 6.- Funcionamiento del mercado eléctrico (II)


18

2.4.1. OTRAS FORMAS DE COMPRA DE ELECTRICIDAD EN EL

MERCADO ELÉCTRICO MAYORISTA

Además del mercado de OMIE, existen otras opciones de contratación de

energía eléctrica al por mayor:

a) Mercado Organizado de Derivados (contratos a plazo).

Los tipos de productos financieros están normalizados en el mercado organizado

de derivados (gestionado por OMIP/OMIClear): se pueden contratar futuros con o sin

entrega física de energía eléctrica. Existen dos mecanismos básicos de contratación, uno

mediante subastas y otro mediante mercado continuo. Es un mercado regulado con un

organismo que lo gestiona OMIP y se negocian productos estándar (un día, una semana,

un mes, un trimestre, o un año). Se contrata una cantidad de energía en banda base (la

misma cantidad de energía para todas las horas del periodo contratado (día, semana,

mes o año). También existen productos pico, en los que la cantidad comprada de energía

en las horas centrales del día es mayor que en el resto de horas…

OMIClear es la cámara de compensación que asegura la liquidación de los

contratos registrados, tanto la liquidación diaria de ganancias y pérdidas de los contratos

de futuros durante el periodo de negociación como la liquidación financiera de las

operaciones en el periodo de entrega, y si es el caso de futuros con entrega física de la

energía, la notificación y envío de las posiciones a la entidad responsable de la

liquidación física de los contratos.

b) Mercado no Organizado de Derivados (OTC).

La negociación y contratación de productos financieros a plazo se hace

directamente entre las partes, sin cámara de compensación, y los contratos no están

normalizados. La negociación va surgiendo de manera espontánea entre los agentes del

mercado de forma bilateral y no organizada (contando típicamente con la colaboración

de un bróker intermediario), por lo que estos mercados se denominan OTC.

2.4.2. CUESTIONES QUE SE PLANTEAN

Tras presentar el funcionamiento del pool, se barajan diversas cuestiones de si

éste lleva a cabo una gestión eficiente y políticamente justa para cada uno de los

consumidores. Es decir, se puede analizar que, por ejemplo, las centrales hidráulicas y

las nucleares perciben precios muchos más altos comparados con sus costes y, teniendo

en cuenta que por antigüedad ya están amortizadas, están encareciendo la factura de los

consumidores. Por otro lado, también, requiere atención el caso en que cuando la

demanda es baja y existe gran oferta de nuclear y renovables (con la que se podría

cubrir la baja demanda), el precio es entonces cero, lo cual hace que se genere un efecto

totalmente opuesto al anterior.


19

Según la CNE (Comisión Nacional de Energía) se está tratando de resolver los

problemas del pool, para así conseguir que éstos no destruyan y alteren el sistema.

A todo esto, hay que sumarle la inestabilidad actual del mercado energético,

debido a que en España aún interfieren las energías fósiles extranjeras, lo que produce

el encarecimiento de las mismas.

2.5. FUNCIONAMIENTO DEL MERCADO ELÉCTRICO MINORISTA

En la actualidad, todos los consumidores pueden elegir libremente su

suministrador de electricidad (negociando su contrato con una empresa

comercializadora de energía) o comprar directamente la energía en el mercado de

producción. En cualquier caso, es obligatorio el pago adicional al de la energía

comprada en el mercado horario de producción, de un peaje o tarifa de acceso a las

redes eléctricas de las empresas de transporte y distribución, regulado por el Gobierno.

Todos los consumidores están obligados a buscar un contrato de suministro en el

mercado libre.

El Gobierno ha dejado únicamente como refugio una tarifa conocida hasta hace

poco como Tarifa de Último Recurso (TUR), siendo conocida en la actualidad como

Precio Voluntario al Pequeño Consumidor (PVPC), publicada en el Boletín Oficial del

Estado, para consumidores de potencia contratada no superior a 10 kW, que en todo

caso se contrata con unas nuevas empresas eléctricas, denominadas comercializadoras

de último recurso (Endesa Energía XXI, S.L., Iberdrola Comercialización de Último

Recurso, S.A.U., Unión Fenosa Metra, S.L., Hidrocantábrico Energía de Último

Recurso, S.A.U. y E.ON Comercializadora de Último Recurso, S.L). Así, la mayoría de

los consumidores domésticos podrán optar entre acogerse a la tarifa del PVPC, con un

precio fijo, o buscar una oferta de suministro de energía eléctrica en el mercado libre.

Para el resto de consumidores con potencia contratada superior a 10 kW, la

única alternativa es el mercado libre. Aquí los consumidores pueden elegir su

suministrador, habitualmente eligiendo alguna de las ofertas realizadas por las empresas

comercializadoras de electricidad, o incluso comprar directamente la electricidad en el

pool (opción minoritaria).

Puede afirmarse que el mercado minorista no se ha desarrollado como cabía

esperar, debido sobre todo, a la excesiva concentración empresarial, ya que cinco

grupos empresariales poseen más del 95% del sector eléctrico, estando presentes,

además de en el ámbito de la comercialización, en el de generación y distribución,

aunque a través de entidades jurídicas diferenciadas.

El comercializador es un agente económico cuyo principal objetivo es comprar

energía eléctrica en el mercado mayorista y venderla a consumidores finales de su

cartera de clientes. Busca oportunidades en el mercado para comprar al precio más bajo

y vender al más alto posible.

La energía que las comercializadoras compran en el mercado mayorista para

venderla a sus clientes tiene que fluir necesariamente por las redes eléctricas. Los

consumidores pagan, en concepto del tránsito de esa energía por las redes de las


20

empresas eléctricas de transporte y distribución, un cargo denominado tarifas de acceso

o peajes, cuyas cantidades están reguladas por el estado de forma similar a las tarifas

eléctricas integrales como se ha mencionado anteriormente.

Fig 7.- Empresas comercializadoras en España

En resumen, los comercializadores:

- Adquieren la electricidad en el mercado mayorista (pool), o directamente

mediante contratos bilaterales físicos, contratos financieros, subastas, etc.

- Gestionan en nombre del consumidor el contrato de acceso a las redes.

- Venden electricidad a los clientes cualificados, en condiciones libremente

pactadas.

- También pueden ofrecer otros productos y servicios.

Es importante destacar que, si bien la empresa comercializadora gestiona el

contrato de acceso a redes con la empresa distribuidora, el titular de dicho contrato es el

consumidor.

Por lo que respecta al negocio de las empresas distribuidoras, éste se ha quedado

limitado al cobro de peajes por el tránsito de energía por sus redes eléctricas a los

consumidores.


21

BLOQUE 3. CURVAS DE

CARGA Y TIPOS DE

CONSUMIDORES


22

3. CURVAS DE CARGA Y TIPOS DE CONSUMIDORES

3.1. CLASIFICACIÓN DE PREDICCIONES DE CONSUMO

El estudio a realizar recibirá datos de distintos consumidores y serán clasificados

de la siguiente forma:

Predicción en base a un programa de consumo: Es una “predicción” que

viene dada como dato. Se conoce exactamente el consumo del suministro.

No hay que manipular el dato, solamente implementarlo en el sistema de

predicción como posteriormente se definirá.

Predicción en base a un consumo anual: Con ayuda de datos suministrados

por el BOE, y a partir de una serie de coeficientes que posteriormente se

definirán y explicarán, se establece la demanda para estos suministros.

Predicción en base a datos históricos: A partir de datos históricos conocidos

de estos consumidores, se pretende establecer un algoritmo y la

programación para la estimación de la curva de demanda horaria preparada

para posibles agregaciones de nuevos suministros.

3.2. CARACTERIZACIÓN DE LA DEMANDA DE ENERGÍA

ELÉCTRICA

Red Eléctrica de España publica en su red a tiempo real gráficos en los que se

puede ver el comportamiento de la producción eléctrica y cómo ésta se adapta a las

curvas de demanda. Resulta interesante ver las variaciones diarias en función del día

semanal, o de factores externos a los que puede afectar la generación o el consumo.

Otra característica a resaltar es la variación que se produce en generación y

consumo entre diferentes días. Por ejemplo, en un día soleado la generación de

fotovoltaica es una parábola perfecta (Fig 8, derecha). Sin embargo, en un día de nubes

y claros aparecen picos muy marcados (Fig 8, izquierda). Resulta interesante también,

comparar las curvas para un día cualquiera entre semana, con un fin de semana, o un día

festivo, por ejemplo.

Fig 8.- Curvas de generación de fotovoltaica


23

A modo de ejemplo, la siguiente figura muestra el consumo agregado diario del

viernes 20 de junio de 2014 en España, e ilustra la idea del perfil, o curva de la demanda

eléctrica.

Fig 9.- Ejemplo de curva de demanda

En este ejemplo, se aprecia cómo la demanda va variando a lo largo del día,

dándose el momento de máximo consumo sobre las 13:00 horas, y el de mínimo

consumo sobre las 4:00 horas. Estos datos no son casuales o específicos del día en que

se tomaron, sino que la curva de demanda, aunque varía, lo hace dentro de ciertos

parámetros conocidos por la experiencia. La razón de esto hay que buscarla en los

patrones de consumo de los principales segmentos de consumidores, los cuales no

varían drásticamente en cortos intervalos, sino que son más bien estables y predecibles

debido a las tendencias que van mostrando a lo largo del tiempo:

Ciclos de consumo en sector residencial: iluminación, consumo de TV,

lavadoras y electrodomésticos, etc.

Horarios del sector terciario (Oficinas y Servicios): horario de entrada y

salida, periodos de máximo consumo de calefacción y aire.

acondicionado.

Patrón de consumo industrial y sector primario.

En la gran mayoría de los casos, los principales consumidores de energía

eléctrica son los sectores industrial y residencial. El primero se caracteriza por un

pequeño número de consumidores con un elevado consumo y, el segundo, por un

elevado número de consumidores con un bajo consumo eléctrico.

La demanda eléctrica no sólo tiene patrones diarios, sino que también se

aprecian fluctuaciones dependiendo del mes, año, etc. La curva agregada mensual de


24

demanda eléctrica, refleja la estacionalidad del consumo en el año, así como su clara

tendencia alcista a largo plazo.

Respecto a la influencia de la demanda en el precio de la energía eléctrica, sirve

de ejemplo la siguiente figura, que muestra la evolución de los precios del mercado

diario de la energía eléctrica durante las 24 horas del día (para evitar confusiones se

debe tener en cuenta que el precio diario sólo es una de las partes del precio total de la

energía):

Fig 10.- Evolución de los precios de la demanda

Como se puede ver en la figura anterior, el precio es mayor en las zonas pico que

en las zonas valle de la demanda eléctrica. Dependiendo de las condiciones estructurales

y específicas del sistema eléctrico, la diferencia entre precios máximos y mínimos a lo

largo de un día puede variar más o menos. La gestión de la demanda puede ayudar en

gran medida a disminuir la volatilidad de los precios y hacer, de esta manera, que éstos

se aproximen en mayor medida al coste marginal de la generación y el transporte de

energía.

En definitiva, los costes reales incurridos en atender la demanda eléctrica

derivan básicamente de cuánto y cuándo se consume, y por tanto, los programas de

gestión de la demanda eléctrica se centran en la optimización relativa de estos dos

parámetros.

3.3. CLASIFICACIÓN DE LOS CONSUMIDORES A TRATAR

Antes de explicar la metodología y el procedimiento que se ha seguido para la

estimación del consumo, es necesario explicar los tipos de suministros que se van a


25

tratar según los datos que se tengan de los mismos. Dependiendo de esta clasificación se

procederá de un modo u otro.

Existen tres tipos de consumidores en base a los datos que se tienen de ellos:

Tipo A: Representa a un conjunto de consumidores cuya demanda anual viene

dada, es decir, se sabe exactamente qué va a consumir. Con este tipo de

consumidor no se tiene que hacer nada, solamente será introducido en la base de

datos final.

Tipo B: Representa a un conjunto de consumidores que no disponen de curvas

de consumo horarias, sino que se conoce su consumo anual total. Con unos datos

suministrados por el BOE (posteriormente serán detallados) se pueden crear

dichas curvas y se puede tener un consumo determinado para lo que se está

buscando.

Tipo C: Representa a un conjunto de consumidores de los que se dispone de una

serie de datos históricos, de varios años, y con los que se va a trabajar, de forma

que se sacarán unos coeficientes que ayuden a poder determinar una predicción

lo más real posible. Una vez obtenidos los coeficientes, se podrá estimar una

curva de consumo y añadirla a la base de datos final para obtener el consumo

total de todos los suministros.

Este trabajo está pensado para ir añadiendo suministros nuevos, teniendo en

cuenta el tipo de consumidor del que se trata y actuando de una forma u otra según

tenga las características del tipo A, B o C.

En las siguientes secciones se tratará de explicar de forma precisa cómo se ha

actuado con cada uno de los suministros que se han tenido, se analizarán los resultados

y se encasillarán en una hoja de datos final.

3.4. MODELOS PREDICTIVOS DE LA DEMANDA

La ola de desregulación y privatización que se está dando en el sector eléctrico

de algunos países, ha aumentado el interés de las compañías por los modelos predictivos

de la demanda. De este modo, los modelos predictivos, que habitualmente tenían interés

para la planificación de las redes, están siendo aplicados para obtener modelos de los

consumos en el muy corto plazo (minutos) y corto plazo (horas). La consecuencia es el

elevado auge que las técnicas predictivas están experimentando debido a la competencia

en el mercado eléctrico.

Como se conoce, la demanda posee una serie de singularidades desde el punto

de vista cualitativo que hacen de la predicción un problema de difícil solución.


26

Como ya se ha dicho anteriormente, se sabe cuál el carácter aleatorio de los

consumos eléctricos debido a su incontrolabilidad y dependencia de variables ajenas a la

propia red eléctrica. Además, la utilización eléctrica no se centra en una única actividad,

sino por el contrario, se presenta prácticamente en todas las actividades de la sociedad

(alumbrado, espectáculos, servicios…). En consecuencia, el carácter aleatorio unido a la

generalidad y extensión del consumo eléctrico, hacen de la caracterización de la

demanda un problema complejo. Sin embargo, se observan ciertas condiciones en la

demanda que pueden ayudar a su conocimiento y caracterización. En concreto, se

admiten las siguientes características y dependencias observadas en los consumos:

Dependencia de los consumos con la hora del día: como se observa en cualquier

curva diaria, existe una variación en los consumos a lo largo del día. Así, se sabe

que, en general, las horas de menor consumo se tienen en el período nocturno,

debido a la menor actividad social, y el mayor consumo se presenta durante las

horas diurnas.

Dependencia de los consumos con el tipo de día: debido a la fuerte relación que

existe entre los consumos y las actividades económicas, aquellos presentan

tipologías muy diferentes entre los días denominados laborables y los días no

laborables o festivos.

Dependencia de los consumos con el tipo de sociedad o zona: para un mismo día

tipo, los consumos presentan curvas diarias distintas en relación con la actividad

que se desarrolla en la zona. De este modo, el comportamiento de los consumos

en una zona claramente industrial es muy diferente a otra residencial, de

servicios o agraria.

Dependencia de los consumos con las condiciones atmosféricas: admitiendo una

misma zona y día tipo, los consumos se ven fuertemente influenciados con las

condiciones atmosféricas.

Es por esta variabilidad por la que se puede considerar que el modelo utilizado

no aportará gran exactitud en los resultados obtenidos, ya que se precisa de modelos

capaces de algún modo, de controlar las condiciones de cambio que se le escapan al

modelo que se abordará en este trabajo.

Existen dos modelos que podrían resultar útiles a la hora de buscar el

perfeccionamiento de este trabajo. Estos modelos son los basados en series temporales

en los que el consumo se define de acuerdo con valores históricos, los modelos causales

o funcionales, donde la carga es modelada en función de ciertos factores o variables

ajenas a la red (exógenas), como por ejemplo las condiciones atmosféricas o el ámbito

social, y los modelos más recientes, basados en técnicas de inteligencia artificial y

computación neuronal. Cada uno de estos procedimientos presenta ventajas e

inconvenientes y tienen sus defensores y detractores.

Los modelos causales y temporales han sido extensamente utilizados con éxito y

utilizan técnicas estadísticas para su cálculo. Sin embargo, los modelos causales

presentan la ventaja de entender físicamente el comportamiento de la demanda. Los


27

modelos que se basan en técnicas de inteligencia artificial, reconocimiento de formas y

redes neuronales son los que en la actualidad están siendo objeto de un mayor número

de trabajos. Hay autores que consideran que estos modelos están todavía poco

contrastados y necesitan sistematizar sus procedimientos para que lleguen a ser una

técnica de predicción con garantías en su aplicación.

3.4.1. MODELOS PREDICTIVOS CAUSALES

Los modelos causales se fundamentan, básicamente, en la búsqueda de la

relación entre la demanda eléctrica y las condiciones atmosféricas, admitiéndose una

clasificación previa de aquella respecto a la componente temporal para eliminar sus

efectos sobre el modelo. La clasificación más elemental de la demanda es considerar

separadamente los días laborables del resto y admitir una periodicidad en la curva diaria

de la demanda que se atribuye a las actividades de la zona. De este modo, los modelos

causales, en general, admiten una descomposición de la demanda Y(t), para una zona

específica y días tipo:

donde representa la componente determinista de la carga, que se obtiene, por

ejemplo, a partir del valor medio de las curvas horarias de los consumos en un día tipo,

e es la parte del consumo que se considera dependiente de las condiciones

atmosféricas.

A pesar de existir un elevado número de técnicas para abordar el modelo

predictivo causal, los modelos más extendidos son los basados en la regresión lineal.

Para ello, la formulación del problema de predicción de la demanda es del tipo:

Donde son los coeficientes a calcular y T, W, L y P son las

variables de las condiciones atmosféricas (temperatura, velocidad de viento,

luminosidad y precipitación).

3.4.2. MODELOS PREDICTIVOS DE SERIES TEMPORALES

Estos modelos predictivos, fundamentados en el análisis de series temporales,

utilizan, de forma combinada, métodos auto-regresivos y de media móvil, denominados

ARMA (Auto-Regressive Moving Average). La versión que considera además variables

exógenas (por ejemplo temperatura atmosférica) se denomina ARMAX (Auto-

Regressive Moving Average with exogenous variable).


28

Los métodos de series temporales, conceptualmente se basan en la existencia de

periodicidades en los datos a analizar (estacional, diaria, semanal u horaria), sin entrar a

buscar las causas de dicha periodicidad.

3.4.3. MODELO PREDICTIVO DE COEFICIENTES

Como los modelos anteriores se escapan del alcance de un Trabajo de Fin de

Grado, en este documento se ha abordado un método de estimación basado en datos

históricos de diferentes suministros manejados con Excel. Con estos datos se

determinarán unos coeficientes que serán utilizados para la estimación aproximada del

consumo, olvidándose de todas aquellas influencias externas sobre el mismo,

asumiendo que los resultados tendrán errores y que no se obtendrá una gran precisión en

los mismos. El método empleado y el procedimiento de este modelo predictivo se

explicará en las sucesivas secciones de este trabajo.


29

BLOQUE 4. CONSUMIDORES CON

CURVAS DE CONSUMO NO

DISPONIBLES (Tipo B)


30

4. CONSUMIDORES CON CURVAS DE CONSUMO NO

DISPONIBLES (Tipo B)

4.1. METODOLOGÍA Y PROCEDIMIENTO EMPLEADO

Existen cuatro perfiles de carga diferentes, dependiendo del nivel de tensión y de

la potencia contratada del consumidor:

TARIFA

NIVEL DE

TENSIÓN

POTENCIA

CONTRATADA

(kW)

PERIODOS

PERFIL DE

CARGA

2.0 A BT 1

2.1 A BT 1

2.0 DHA BT 2

2.1 DHA BT 2

3.0 A BT 3

3.1 A AT 3

2.0 DHS BT 2

2.1 DHS BT 2

Tabla 1.- Perfiles de carga

Se ha tenido en cuenta el documento del Boletín Oficial del Estado que aparece

en el Anexo 1º, al final de este trabajo. En él se muestran unas tablas donde aparecen

unos coeficientes, que dependiendo de la potencia contratada del consumidor

pertenecerán a un grupo o a otro ( ). Con estos coeficientes, que

vienen dados según el día del mes y la hora del día, se tiene una tabla inicial que se

puede encontrar en el Anexo 2º de este documento.

Para la creación de las curvas de consumo, se hará uso de esos coeficientes

dependiendo de las características que tengan los suministros que se manejen y el

consumo total de los mismos.

4.1.1. DATOS DE ENTRADA

El dato que se tiene en principio, además de lo aportado por el BOE, es un

listado de consumos anuales, donde aparece el cliente (identificado por un número), la

suma de días que han sido facturados, la suma del consumo total, los años que han sido

facturados, y el consumo anual. Esta tabla se encuentra en una hoja de Excel llamada

listado de consumos anuales. También se puede ver un fragmento de la misma en el

Anexo 3º.


31

4.1.2. CREACIÓN DE LAS TABLAS DE TRABAJO

A partir de los perfiles que se han mostrado en la Tabla 1, lo siguiente que se

hace es, en base a los datos aportados por el BOE, una clasificación de los suministros

con los que se va a trabajar, de forma que se obtendrán cuatro tablas más, atendiendo al

perfil que tenga cada consumidor. Se trata de almacenar los datos en tablas

diferenciadas, según el perfil del suministro sea de los tipos a, b, c, o d, para así poder

trabajar de una forma más sencilla y ordenada. En la tabla siguiente se puede observar el

almacenamiento de los consumidores que poseen las características del perfil a:

Tabla 2.- Consumidores perfil a. Consumidores tipo B

Además de esta tabla se crearán tres más con los perfiles b, c y d. La tabla 2 y las

otras tablas que almacenan los consumidores de los otros perfiles, se encuentran en el

Anexo 4º.

Cuando ya se tienen creadas estas tablas, se procede a diseñar la hoja de las

curvas con el orden siguiente:

1º. En una hoja nueva de Excel se dispone la tabla del Anexo 2º, donde

aparecerán en sus columnas el año (el perfil de 2014), el mes (del 1 al 12, siendo el 1

Enero y el 12 Diciembre), la semana del año (reconocida por números, desde el 1 hasta

el número de semanas del año que tenga 2014), el día de la semana (reconocido con

números del 1 al 7, siendo el 1 Lunes y el 7 Domingo), el día del mes y la hora (con

números del 1 al 24, donde 1 significa el consumo durante la primera hora, es decir, de

las 00.00 a las 01.00 horas).


32

2º. A esta primera tabla, se le añade una segunda que tiene 4 columnas. En ellas

aparecerán los consumos totales almacenados en la clasificación previa de los

suministros que se han presentado en la tabla 2 y el resto que aparecen en el Anexo 4º.

Estos datos se ponen en esta nueva hoja de forma que, si cambian los datos que se

encuentran en las tablas 3, 4, 5 y 6, se actualicen de manera automática. Esto se ha

hecho con un copiado del contenido de las celdas.

3º. Para la siguiente explicación se llamarán a las columnas de la primera tabla

(donde están los coeficientes de ) H, I, J y K. A las columnas de la

segunda tabla (donde están almacenados en su primera fila los consumos de los totales)

se las conocerá como P, Q, R y S. Si disponemos en nuestra tabla de x filas, lo que se

pretende es realizar el producto de los coeficientes de cada perfil, con el consumo total

del mismo perfil, para cada hora, día, semana, del mes del año en que se quiera:

Siendo filaf, la fila donde están los datos de los consumos totales almacenados.

4º. Una vez se tenga el algoritmo del cálculo de los perfiles, se trata ahora de

sacar solo los datos que sean necesarios, es decir, filtrando las columnas del mes, día,

semana, semana del año, etc, se puede extraer las curvas de lo que se requiera en el

momento, sin necesidad de trabajar con todos los datos a la vez.

4.2. RESULTADOS

En la Tabla 3 se ilustra un fragmento de un ejemplo realizado con una semana de

febrero, concretamente la semana 7 (que va de los días 10 al 16 de febrero). Esta tabla

también se puede encontrar en el Anexo 5º. Además de esto, en la Figura 11 se muestra

una representación gráfica de los consumidores que han sido tratados según su perfil.

Con esto ya se tendrían los perfiles calculados, es decir, el consumo de los

suministros de tipo a, b, c, y d para esa semana (haciéndose del mismo modo para

cualquier otra fecha o más consumos). En el caso de que la lista de consumos de un

perfil vaya aumentando, se introduce en sus tablas respectivas los datos nuevos (Anexo

4º). Automáticamente los valores se actualizan en la hoja de trabajo y se calculan de

nuevo las curvas.


33

Tabla 3.- Cálculo final de las curvas. Consumidores tipo B


34

Fig 11.- Curvas consumidores tipo B


35

BLOQUE 5. CONSUMIDORES CON

BASE DE DATOS HISTÓRICOS

(Tipo C)


36

5. CONSUMIDORES CON BASE DE DATOS HISTÓRICOS

(Tipo C)

En esta parte del documento se trata de estudiar unos consumos de los que se

tienen únicamente datos históricos. Se dispone de tres suministros de características

diferentes:

Una industria

Un centro universitario

Una comunidad de regantes

De cada uno de ellos se tiene una base de datos con el consumo total y horario

de un tiempo determinado. En la figura 12 se puede observar el resumen del consumo

de cada suministro (dado por una base de datos inicial que posteriormente será

ampliada). Además, en el Anexo 6º, se puede encontrar un fragmento de la base de

datos con los consumos horarios de los tres suministros:

Fig 12.- Promedios de consumos iniciales en la base de datos recibida

5.1. ANÁLISIS PREVIO ORIENTATIVO

Como al inicio de este trabajo no se conocía muy bien el camino a seguir para

emprender el estudio y poder, de esta forma, encontrar alguna solución que determinara

la estimación del consumo, se optó por comenzar con un análisis que diera nociones de

la evolución de la demanda a lo largo de las semanas y que estableciera relaciones entre

consumos según las fechas de los mismos.

En primer lugar, se realizó un estudio previo de los datos históricos que se tenían

con el fin de conocer cuál era la relación que existía entre las semanas previas a la que

se deseaba estimar, y estas mismas con respecto a años anteriores. Este estudio se

realizó con un suministro (la industria), obteniéndose resultados similares con los

restantes. Este análisis preliminar tenía dos vías de estudio (Método 1 y Método 2) y se

presentan a continuación.


37

5.1.1. DATOS Y TRATAMIENTO

En primer lugar, se tiene la base de datos históricos del consumidor industrial.

Un fragmento se puede encontrar en la Tabla 9 del Anexo 7º. La base de datos inicial

posee información desde el 27/11/2012 a las 00.00, hasta el 28/02/2014 a las 23.00

horas.

La tabla consta de cuatro columnas en las que aparecen, con el siguiente orden:

Código identificativo del suministro. No viene dado en la base de datos original

(posteriormente se explicará cómo se ha obtenido).

Fecha del consumo. El formato será dd/mm/aaaa.

Hora. Expresada con la hora digital según hh:mm.

Consumo en kWh.

El consumo viene dado de una forma tal que, por ejemplo, a las 00.00 horas, es

el consumo que se ha producido desde las 00.00 hasta las 01.00 horas. Del mismo

modo, el consumo a las 14.00 representa el consumo que se ha producido desde las

14.00 a las 15.00 horas. Es decir, el consumo dado a una hora, es el que se ha producido

desde esa hora hasta la siguiente.

Los datos de los otros dos suministros poseen un formato similar.

En otro libro de Excel se extrae toda la información del suministro industrial. Se

tiene en cuenta que el manejo de información es grande, así que cuanto más ordenado

esté todo más fácil resultará el trabajo.

Este es el motivo por el cual se trata de identificar cada hora de cada día, de cada

mes, del año en que se esté con un código que se explicará a continuación cómo se ha

creado.

A este código se le conocerá en este trabajo como CUP, y para su formulación se

ha hecho lo siguiente:

1º. La tabla de consumos que se tiene inicialmente de la industria, posee tres

columnas, en las que aparece lo que se ha expuesto antes (fecha, hora y consumo).

2º. Se crea una columna adicional a la izquierda de la primera columna de la fecha,

donde aparecerán los CUPs creados. Se trata de sacar un código esquematizado de la

siguiente manera:

3º. Para ello, se utilizarán algunas instrucciones de Excel como son las siguientes:

Año_SemanaDelAño_DíaDeLaSemana_Hora


38

AÑO(num_de_serie) Devuelve el año correspondiente a una fecha. Entre los

formatos que admite en num_de_serie está el de dd/mm/aaaa.

NUM.DE.SEMANA(num_de_serie; [tipo_devuelto]) Devuelve la semana

del año que corresponde a la fecha introducida en num_de_serie. Para que

considere como semana 1 a la primera semana de enero se tiene que poner como

tipo_devuelto un 2.

DIASEM(num_de_serie; [tipo_devuelto]) Devuelve el día de la semana. Para

que considere el 1 como lunes y el 7 como domingo, es necesario poner como

valor_devuelto un 2.

HORA(num_de_serie) En num_de_serie se introduce la hora y la instrucción

devuelve un valor del 0 al 23.

Con esto se establece el código, teniendo en cuenta que la fecha está almacenada

en celdas de Excel y que se hará alusión a ellas cuando se necesite. Lo siguiente que se

muestra es un código de ejemplo para ver el formato empleado:

En la celda B16 se encontraría la fecha, y en la C16 la hora. Así para la fecha

27/11/2012 y la hora 00:00, el código identificativo será: 2012_49_2_0.

5.1.2. CÁLCULO DE COEFICIENTES

En este punto se trata de explicar la línea que se ha seguido para entablar las

relaciones entre los consumos teniendo en cuenta como lazo de unión sus fechas. Es

decir, como primera inmersión en el estudio, se evalúan una serie de coeficientes que

posteriormente se utilizarán para realizar las primeras estimaciones dentro de este

análisis previo orientativo.

El análisis se centrará en los datos históricos correspondientes a:

a) Las tres semanas previas a la semana a estimar.

b) La semana que se desea estimar correspondiente al año anterior de la

estimación.

c) Las dos semanas previas a la que se desea estimar situadas en el año anterior

a la estimación.

=AÑO($B16)&”_”&NUM.DE.SEMANA($B16;2)&”_”&DIASEM($B16;2)&HORA($C16)


39

La nomenclatura utilizada para la identificación de los consumos, teniendo en

cuenta el marco temporal, es la siguiente:

A(s): Semana real del año a predecir (esta semana se tiene como dato en el

estudio, pero luego se tendrá que trabajar con ella como incógnita, pues es ésta

la que se desea conocer).

A-1(s): Semana que se quiere predecir pero correspondiente al año anterior.

A(s-1): Semana anterior a la que se va a predecir correspondiente al mismo año

de la predicción.

A-1(s-1): Semana anterior a la que se va a predecir correspondiente al año

anterior de la predicción.

A(s-2): Segunda semana previa a la que se quiere predecir en el mismo año de la

predicción.

A-1(s-2): Segunda semana previa a la que se quiere predecir correspondiente al

año anterior de la predicción.

A(s-3): Tercera semana previa a la que se quiere predecir correspondiente al

mismo año de la predicción.

A-1(s-3): Tercera semana previa a la que se quiere predecir correspondiente al

año anterior de la predicción.

Los coeficientes que se proponen para cada hora k son:

C1:

C2:

C3:

C23:


40

C123:

Con estos coeficientes las estimaciones que resultarían de ellos se obtienen de aplicar:

Pred1:

Pred2:

Pred3:

2_Pred2 (no considera A(s-1)):

2_Pred3 (no considera A(s-1)):

5.1.3. MÉTODO 1

A continuación se muestran los pasos que se han seguido para el cálculo de las

primeras predicciones, teniendo en cuenta que se tiene como dato el consumo de la

semana previa a la semana que se quiere estimar, es decir, A(s-1):

1. En la misma hoja, donde se encuentra la tabla con los datos históricos de los

consumos de la industria, se crea otra tabla. En las columnas de ésta aparecerán

la hora y los datos de los consumos que se extraen en concordancia con el valor

que se busca. Por ejemplo, una de las columnas será los datos de consumo de la

semana 6, que sería la correspondiente a la semana previa a la que se quiere


41

estimar (A(s=7)), es decir, A(s-1). Se actuará igualmente para el resto de

semanas que se buscan (A(s-2), A(s-3)…).

2. A continuación, de la tabla que contiene los consumos históricos (Tabla 9 del

Anexo 7º) se extrae en una tabla aparte los datos correspondientes a A-1(s),

A(s-1), A-1(s-1), A(s-2), A-1(s-2), A(s-3), A-1(s-3), siendo s la semana que se

desea estimar, que como se ha dicho antes, sería la 7. Para llevar a cabo esta

labor de extracción de datos y, teniendo en cuenta que la manipulación de los

datos es muy grande, se utiliza la instrucción BUSCARV de Excel. Esta

instrucción permite extraer datos de manera ordenada de una matriz o tabla.

Busca un valor en la primera columna de la izquierda de una tabla y

posteriormente, devuelve un valor en la misma fila desde una columna

especificada. De forma predeterminada, la tabla se ordena de modo ascendente.

El formato de BUSCARV es el siguiente:

Valor_buscado: Obligatorio. Es el valor que se va a buscar en la primera

columna de la tabla o rango. El argumento valor_buscado puede ser un valor o

una referencia. Si el valor que se proporciona para el argumento valor_buscado

es inferior al menor valor de la primera columna del argumento

matriz_buscar_en, BUSCARV devuelve al valor de error #N/A.

Matriz_buscar_en: Obligatorio. Es el rango de celdas que contiene los datos.

Puede usar una referencia a un rango (por ejemplo, A2:D8) o un nombre de

rango. Los valores de la primera columna de matriz_buscar_en son los valores

que busca valor_buscado. Estos valores pueden ser texto, números o valores

lógicos. Las mayúsculas y minúsculas del texto son equivalentes.

Indicador_columnas: Obligatorio. Es un número de columna del argumento

matriz_buscar_en desde la cual debe devolverse el valor coincidente. Si el

argumento indicador_columnas es igual a 1, la función devuelve el valor de la

primera columna del argumento matriz_buscar_en; si el argumento

indicador_columnas es igual a 2, devuelve el valor de la segunda columna de

matriz_buscar_en y así sucesivamente. Si el argumento indicador_columnas es

Inferior a 1, BUSCARV devuelve al valor de error #¡VALOR!. Si por el

contrario, es superior al número de columnas de matriz_buscar_en, BUSCARV

devuelve el valor de error #¡REF!.

Ordenado: Opcional. Es un valor lógico que especifica si BUSCARV va a

buscar una coincidencia exacta o aproximada. Si omite ordenado o es

VERDADERO, devolverá una coincidencia exacta o aproximada. Si no

BUSCARV(Valor_buscado;Matriz_buscar_en;indicador_columnas;[ordenado])


42

encuentra ninguna coincidencia exacta, devolverá el siguiente valor más alto

inferior a valor_buscado. Si ordenado es FALSO, no es necesario ordenar los

valores de la primera columna de matriz_buscar_en. En este caso BUSCARV

solo buscará una coincidencia exacta. Si hay dos o más valores en la primera

columna de matriz_buscar_en que coinciden con el argumento valor_buscado, se

usará el primer valor encontrado. Si no se encuentra una coincidencia exacta, se

devolverá el valor de error #N/A.

Es ahora cuando destaca la importancia de haber diseñado previamente los CUPs

de los suministros, que son diferentes para cada día de la semana, semana del

año y hora. Así, cuando se introduzcan esos valores en la instrucción

BUSCARV se podrán extraer de la tabla todas las semanas que se buscan. Con

esto ya se tendrían las columnas correspondientes de los consumos que se iban

buscando (A(s-1), A(s-2),…).

En la Figura 13, se puede observar una captura de pantalla con la operación de

extracción de datos. Obsérvese los colores de las celdas que dejan ver la relación

entre las mismas.

3. Se calculan los coeficientes C1, C2, C3 y C123 como se indica en las ecuaciones

[5], [6], [7] y [9].

4. Se crean las tres curvas que han sido llamadas como pred1, pred2 y pred3

atendiendo a su definición en las ecuaciones [10], [11] y [12].

5. Se representan esas curvas cada una independientemente y se comparan con la

curva real. Con esto se puede determinar con qué predicción entabla más

relación la curva real, que al fin y al cabo, se traduce en decir con qué semana

posee mayor similitud su funcionamiento. La representación se observa en la

Figura 14.

Fig 13.- Representación de la captura de datos con la función BUSCARV


43

5.1.3.1. RESULTADOS

Fig 14.- Representación comparativa de las predicciones iniciales con la curva real.

Método 1

Se puede ver un fragmento de los cálculos realizados en la Tabla 12 del Anexo

8º. Además, a continuación se muestra una tabla de errores de las predicciones con

respecto a la curva real:

ERM(%) ERMAX(%) ERMIN(%)

Pred1 18.62 74.55 -10.87

Pred2 -76.84 74.78 -616.56

Pred3 -150.26 12.75 -926.35

Tabla 4.- Errores relativos. Método 1

ERM: Error Relativo Medio

ERMAX: Error Relativo Máximo

ERMIN: Error Relativo Mínimo


44

5.1.4. MÉTODO 2

Este otro método se fundamenta en abordar una nueva estimación teniendo en

cuenta el desconocimiento del consumo correspondiente a la semana previa a la que se

desea estimar, es decir, ahora se consideraría que no se tienen los valores

correspondientes a la semana A(s-1), y se trabaja de la siguiente manera:

1. Los apartados 1 y 2 anteriores se llevarían a cabo de igual modo. En este método

la diferencia es que no se incluyen los valores del consumo correspondientes a

A(s-1).

2. Aquí se calculan los coeficientes C2, C3 y C23 como se ha indicado

previamente en las fórmulas [6], [7] y [8].

3. Ahora se procede con la creación de las nuevas curvas de predicción del

consumo de la semana que se desea estimar, que atienden a los nombres de

2_pred2 y 2_pred3 según las ecuaciones [13] y [14].

4. Se representan esas curvas comparándolas con la curva real. Esta representación

se puede visualizar en la Figura 15.

5.1.4.1. RESULTADOS

Fig 15.- Representación comparativa de las predicciones calculadas con la curva real. Método 2


45

A continuación se muestra una tabla con los errores relativos calculados en este

método:

ERM(%) ERMAX(%) ERMIN(%)

2_Pred2 -124.63 65.26 -941.34

2_Pred3 -229.06 9.25 -1391.54

Tabla 5.- Errores relativos. Método 2

En la Tabla 13 del Anexo 8º se puede ver un fragmento de los cálculos

realizados en este método.

5.1.5. CONCLUSIONES DEL ANÁLISIS

Como se puede comprobar, en el caso en que se conozca los consumos de la

semana previa a la estimación, la relación que entablan estas dos semanas es mayor que

el resto (ERM de Pred1 es el más pequeño en valor absoluto). Eso ocurre debido a que

la relación temporal existente entre los consumos se hace más significativa cuanto más

próximos están los datos de la estimación, es decir, los consumos poseen patrones de

comportamiento parecidos entre semanas que están más cerca en el tiempo, y esto se

debe sobre todo a las influencias externas en el consumo, que se explicaron en el bloque

tres de este documento. En este caso, como se observa en la Figura 15, no es que la

predicción 1 siga exactamente la curva real, pero sí se refleja un seguimiento más

cercano de su comportamiento. La conclusión que se obtiene de esto, es que para

realizar una estimación del consumo, si se poseen los datos más próximos a la semana

que se desea predecir, los errores del consumo calculado serán menores.

En el caso de que se desconozca los datos de la semana previa al consumo, se

podrían utilizar datos algo más lejanos, como por ejemplo los datos que correspondan a

un mes anterior a la estimación, aunque los errores serán mayores. En el estudio que se

ha llevado a cabo, se observa que no existen variaciones extremas del consumo en el

tiempo para el suministro industrial, es decir, la demanda se mantiene en torno a unos

órdenes de magnitud la mayor parte del tiempo, salvo semanas que se podrían

considerar semanas atípicas, en las que el consumo es casi despreciable. Esto se podrá

visualizar más adelante.

5.2. MODELO EMPLEADO PARA LA ESTIMACIÓN DEL CONSUMO

El procedimiento que se ha llevado a cabo anteriormente ha servido de guía en el

camino de la estimación del consumo para los suministros. Lo siguiente es buscar un

método de cálculo viable de dicha estimación.


46

5.2.1. METODOLOGÍA Y PROCEDIMEINTO

Para la realización de un método que determine una curva de consumo

aproximada de la que realmente existe, lo que se hace es buscar una serie de

coeficientes por días de la semana con los que poder establecer dicha estimación.

En primer lugar se escoge el mes previo al mes donde se encuentra la semana

que se desea estimar. Con este mes se extraen unos coeficientes (C(s-1), C(s-2),

C(A-1(s)), C(A-1(s-1))), que serán definidos más adelante, como resultado de la

minimización de un sistema lineal formado por el producto de los mismos por la suma

de los consumos correspondientes a A(s-1), A(s-2), A-1(s), A-1(s-1) de las semanas del

mes escogido, y el consumo real, es decir, lo que viene representado en la ecuación

[16].

El sistema se resuelve mediante la utilización de una herramienta de Excel

llamada Solver. Una vez se tengan los coeficientes para cada día de la semana, serán

introducidos en el algoritmo de la estimación [17], detallado posteriormente, para poder

obtener así la curva de consumo estimada.

A continuación se explica el procedimiento que se ha seguido para el cálculo de

los coeficientes de estimación utilizando como ejemplo el consumidor industrial, y

posteriormente se aplicará a los otros dos suministros.

5.2.1.1. TABLA DE DATOS INICIAL

Se elabora una tabla inicial, a partir de los datos históricos de los que se dispone.

Como se ha explicado anteriormente, se toma un mes completo como referencia, en

concreto, el mes previo al mes en que se encuentra la semana que se desea estimar. De

cada semana del mes, se extrae el consumo correspondiente a A(s-1), A(s-2), A-1(s),

A-1(s-1) con ayuda de la instrucción BUSCARV. Además, no se debe olvidar extraer el

consumo real correspondiente a las semanas de ese mes, para posteriormente,

cuantificar el error de la metodología de predicción propuesta.

Esta tabla es muy parecida a las Tablas 12 y 13 del Anexo 8º, y se puede ver un

fragmento de la misma en la Tabla 14 del Anexo 9º para un mes concreto (febrero). Las

tablas de los otros dos suministros presentan la misma tipología pero con otros datos

diferentes.

5.2.1.2. MANIPULACIÓN DE LA TABLA DINÁMICA

Con la tabla previamente calculada, se diseña una tabla dinámica en otra hoja del

mismo Libro de Excel. Esta acción permite una manipulación secuencial de los datos, es

decir, permite filtrar los datos de una forma u otra atendiendo a las necesidades de


47

operación. En la hoja nueva donde aparece la tabla dinámica, existen opciones de

filtrado según la tabla que se haya querido dinamizar. Para este análisis se desea trabajar

con los datos de A(s-1), A(s-2), (A-1(s)), (A-1(s-1)) y A(s), para las semanas del mes

utilizado. Si el mes fuese febrero, las semanas serían las 6, 7, 8 y 9 del año. Excel da la

opción de incluir unos campos determinados al informe, además de organizarlos como

se desee. En la Figura 16 se muestra una captura de la organización de los campos para

esta tabla, y en la Figura 17 se muestra cómo queda la tabla dinámica finalmente.

Lo que interesa en este caso es poner la opción suma de los consumos para cada

semana (se ve en rótulos del informe Valores Suma), con lo que los datos que

aparecen en la Figura 18 son las sumas correspondientes a las semanas 6, 7, 8 y 9

(siendo estas semanas los rótulos de fila). Como filtro del informe (valores que irán

cambiando), se colocan los días de la semana (van desde el lunes 1 al domingo 7) y las

horas (de 0 a 23), de modo que se puede ver el valor de la suma de consumos para cada

día y cada hora. Esto será útil posteriormente, cuando se determinen los coeficientes de

estimación de la demanda.

Fig 16.- Lista de campos que aparecen en la tabla dinámica


48

Fig 17.- Tabla dinámica creada. Suministro industrial

A la tabla de la figura anterior se le añaden dos columnas más a la derecha. En

una de ellas se colocará la suma del consumo real de las semanas del mes a tratar, y en

la otra se introducirá el algoritmo que determine los coeficientes de estimación.

Además, a la tabla se le añade encima la fila donde se irán calculando los coeficientes

C(s-1), C(s-2), C-1(s) y C-1(s-1).

n=1 n=2 n=3 n=4

C(s-1) C(s-2) C-1(s) C-1(s-1)

Semanas

del mes

A(s-1)

A(s-2)

A-1(s)

A-1(s-1) A(s) Valor de

referencia*

h

i

j

k

Tabla 6.- Esquema de la Tabla Dinámica

Por ejemplo, para la primera celda (n=1), sería la suma del consumo de la semana

previa a la semana h. Para n=3 sería la suma del consumo de la semana correspondiente

a la semana h en el año anterior a la estimación.


49

*Valor de referencia

El valor de n=[1, …, 4] sirve únicamente para identificar las celdas y no tener que hacer

referencia a s-1, s-2, s en el año anterior, y a s-1 en el año anterior, siendo sustituida esta

nomenclatura por n=1,..,4 respectivamente.

5.2.1.3. ALGORITMO DE CÁLCULO DE LOS COEFICIENTES DE

ESTIMACIÓN DE LA DEMANDA

El siguiente paso es definir el algoritmo que va a extraer los coeficientes que se

están buscando.

En primer lugar se define el valor de Z:

Con n=1, …, 4.

Para la determinación de los coeficientes se utiliza un sistema de optimización,

de forma que lo que se desea es minimizar el valor de referencia, que como se ha

indicado antes, es .

Excel dispone de una herramienta muy útil con la que se puede resolver el

sistema que se ha planteado y así determinar los coeficientes: Solver. Solver es una

función de análisis Y SI que busca el valor óptimo de una celda objetivo cambiando los

valores de las celdas utilizados para calcular la celda objetivo. Genera el tipo de informe

que se especifique y lo coloca en una hoja independiente en la hoja de cálculo. Este

informe contiene los siguientes elementos:

Respuesta: Muestra una lista con la celda objetivo y las celdas ajustables con

sus valores originales y sus valores finales, las restricciones y la información

acerca de las mismas.

Sensibilidad: Facilita información acerca de la sensibilidad de la solución a que

se realicen pequeños cambios en la fórmula definida en el cuadro Definir celda

objetivo del cuadro de diálogo Parámetros de Solver o de las restricciones. No se

genera este informe para los modelos que tengan restricciones enteras. En

modelos no lineales, el informe facilita los valores para las gradientes y los

multiplicadores de Lagrange. En los modelos lineales, el informe incluye costos

reducidos, otros precios, coeficiente de objetivos (con aumentos y disminuciones

permitidos) y rangos de restricciones hacia la derecha.


50

Límites: Muestra una lista con la celda objetivo y las celdas ajustables con sus

valores correspondientes, los límites inferior y superior así como los valores del

objetivo. No se genera este informe para los modelos que tengan restricciones

enteras. El límite inferior es el valor mínimo que puede tomar la celda ajustable

mientras se mantienen todas las demás celdas ajustables fijas y se continúa

satisfaciendo las restricciones. El límite superior es el valor máximo.

Los coeficientes que se desea determinar responden a la nomenclatura y

significado que se presenta a continuación:

C(s-1): Es el coeficiente correspondiente al consumo de las semanas A(s-1)

(también identificado como el coeficiente correspondiente a n=1) para cada

semana del mes utilizado. En el caso de que fuese febrero, sería el coeficiente

correspondiente al consumo de las semanas previas a cada semana del mismo

mes, siendo para la semana 6, el consumo de la semana 5, para la semana 9, el

consumo de la semana 8, y así sucesivamente.

C(s-2): Es el coeficiente correspondiente al consumo de las semanas A(s-2)


semana del mes utilizado. Por ejemplo, para la semana 7, sería el consumo de la

semana 5.

C(A-1(s)): Es el coeficiente correspondiente al consumo de las semanas A-1(s)


semana del mes utilizado. Para la semana s de 2014, sería el consumo de la

semana s de 2013.

C(A-1(s-1)): Es el coeficiente correspondiente al consumo de las semanas

A-1(s-1) (también identificado como el coeficiente correspondiente a n=4) para

cada semana del mes utilizado. Para la semana 8 de 2014, sería la semana 7 de

2013.

Cuando se introducen los parámetros del Solver, se tiene en cuenta lo siguiente:

Como celda objetivo se introduce la celda que contiene el valor de referencia.

Como valor de la celda objetivo, se hace referencia a que éste es el que se desea

minimizar, con lo que se señala el valor mínimo.

Las celdas que irán cambiando de valor son las que contienen los coeficientes.

Para que Solver comience a funcionar, se le introducen valores pequeños

aleatorios de coeficientes mayores que cero.


51

Se desea que los coeficientes sean valores positivos, con lo que se señala en las

opciones de Solver que sean mayores o iguales a cero.

En resumen, se están buscando unos coeficientes tales que cumplan la ecuación

[16].

En la Figura 18 se muestra una captura de pantalla del procedimiento de

operación. Con colores se indica la relación de los valores que se han introducido en el

Solver.

Para cada día de la semana que se va filtrando en la hoja de cálculo, se

determinan unos coeficientes distintos. Con estos coeficientes se crea una tabla. Estas

tablas son las 15, 16 y 17 del Anexo 9º para cada uno de los suministros que se han

estudiado.

Fig 18.- Visualización del proceso de operación para determinar los coeficientes

5.2.1.4. ESTIMACIÓN DE LAS CURVAS

Una vez se tienen los coeficientes de un mes determinado, ¿Cómo se estima el

consumo para el resto de semanas?

En primer lugar se crea una tabla en cuyas columnas aparecen:


52

Los coeficientes calculados: C(s-1), C(s-2), C(A-1(s)) y C(A-1(s-1)). Se extraen

de la tabla de coeficientes que se ha calculado previamente, y con la función SI

de Excel se disponen de forma que cada coeficiente corresponda a su día de la

semana.

Semana del año

Día de la semana

Hora

A(s-1)

A(s-2)

A-1(s-1)

A(s)

Predicción o estimación del consumo de la semana que se busca, en este caso, la

semana 7.

Error relativo: se compara el valor real (exacto) con la estimación, de forma que

se vea cómo han salido los resultados.

La tabla la completan prácticamente datos o elementos que ya se han calculado

con anterioridad. Solamente se tienen que llamar a esos valores desde esa nueva hoja de

cálculo, y eso se puede hacer con las funciones BUSCARV y SI. La función SI

comprueba si se cumple una condición, devolviendo un valor si resulta ser verdadera, u

otro, si es falsa.

Prueba_lógica: es cualquier valor o expresión que pueda evaluarse como

VERDADERO o FALSO. Por ejemplo, A10=100 es una expresión lógica; si el

valor de la celda A10 es igual a 100, la expresión se evalúa como

VERDADERO. De lo contrario, se evaluará como FALSO. Este argumento

puede utilizar cualquier operador de comparación.

Valor_si_verdadero: es el valor que se devuelve si el argumento prueba_lógica

es VERDADERO. Por ejemplo, si este argumento es la cadena de texto "Dentro

de presupuesto" y el argumento prueba_lógica se evalúa como VERDADERO,

la función SI muestra el texto "Dentro de presupuesto". Si el argumento

prueba_lógica es VERDADERO y el argumento valor_si_verdadero está en

blanco, este argumento devuelve 0 (cero).

Valor_si_falso: es el valor que se devuelve si el argumento prueba_lógica es

FALSO. Por ejemplo, si este argumento es la cadena de texto "Presupuesto

excedido" y el argumento prueba_lógica se evalúa como FALSO, la función SI

muestra el texto "Presupuesto excedido". Si el argumento prueba_lógica es

FALSO y se omite valor_si_falso, (es decir, después de valor_si_verdadero no

SI(prueba_lógica;valor_si_verdadero;valor_si_falso)

http://office.microsoft.com/client/helppreview.aspx?AssetId=HP100788869990&lcid=3082&NS=EXCEL&Version=12&CTT=5&origin=HP010069829


53

hay ninguna coma), se devuelve el valor lógico FALSO. Si prueba_lógica es

FALSO y valor_si_falso está en blanco (es decir, después de valor_si_verdadero

hay una coma seguida por el paréntesis de cierre), se devuelve el valor 0 (cero).

Valor_si_falso puede ser otra fórmula.

La función lógica SI se ha utilizado para la extracción ordenada de los

coeficientes, ya que según el día de la semana serán unos u otros.

Para realizar la estimación lo que se hace es realizar la suma-producto de los

coeficientes por el consumo del día de la semana que corresponda. El procedimiento se

puede ver en la ecuación [17]:

[17]

En la tabla 18 del Anexo 10º se puede encontrar un fragmento de la disposición

de los cálculos de este procedimiento de operación para una semana en concreto.

5.2.2. RESULTADOS Y CONCLUSIONES

Para ver cómo resultan las estimaciones realizadas mediante el procedimiento

explicado en este trabajo, se estudiarán las curva de demanda de las semanas 7, 11, 16 y

18 del año 2014. Los coeficientes se han calculado con las semanas 6, 7, 8 y 9, y

estimar el consumo de la semana 7 será una formalidad para verificar que los resultados

obtenidos son buenos, es decir, si se cogen los coeficientes calculados y se utilizan para

estimar una de las semanas que han sido introducidas en el algoritmo, será solamente

para verificar que se producen pocos errores.

Como la base de datos que se posee inicialmente es pequeña, se busca una nueva

que contenga consumos hasta el 9/06/2014 para poder comprobar los resultados.

A continuación se muestran las representaciones gráficas de cada suministro

(Industria, Comunidad de Regantes y Centro Universitario) para esas semanas. Además

se indican los errores que existen en comparación con la curva real en la Tabla 7.

En el eje de las ordenadas se muestra el consumo en kWh y en el de las abscisas

se muestra las horas a lo largo de la semana (

).


54

Semana 7:

Fig 19.- Comparativa de curvas real y prevista para la semana 7. Suministro Industrial

Fig 20.- Comparativa de curvas real y prevista para la semana 7. Comunidad de regantes


55

Fig 21.- Comparativa de curvas real y prevista para la semana 7. Centro universitario

Semana 11:



56




57

Semana 16:




58


Semana 18:



59




60

A continuación se muestra una tabla de errores para poder cuantificar

numéricamente los resultados.

CONSUMIDOR SEMANA ERM(%) ERMAX(%) ERMIN(%)

Industria 7 -38.4 59.02 -868.48

C. Regantes 7 -9.92 61.52 -163.21

C. Universitario 7 -1.62 18.73 -54.01

Industria 11 -47.86 49.95 -666.67

C. Regantes 11 74.94 91.93 26.94

C. Universitario 11 -20.21 20.94 -67.47

Industria 16 -418.53 -6.00 -1159.08

C. Regantes 16 56.02 93.91 -36.79

C. Universitario 16 -73.52 11.3 -281.70

Industria 18 -171.17 92.22 -980.88

C. Regantes 18 33.52 59.91 -7.08

C. Universitario 18 -11.25 51.3 -239.05

Tabla 7.- Errores relativos en la estimación del consumo

ERM: Error Relativo Medio

ERMAX: Error Relativo Máximo

ERMIN: Error Relativo Mínimo

De las representaciones gráficas que se han mostrado se pueden extraer algunas

objeciones:

1) En todos los suministros la estimación de la semana 7 es bastante buena, y las

curvas predichas siguen el comportamiento de la demanda real. Esto quiere decir

que los coeficientes están bien calculados y que el método puede ser viable.

Ahora bien, ¿Por qué el consumo de la semana 7 de los tres suministros no es

exactamente igual al consumo real si se ha utilizado el dato real de esta semana

para el cálculo de los coeficientes? La respuesta a esta pregunta está en el

procedimiento de operación, ya que para determinar los coeficientes se ha tenido

en cuenta no solo los datos reales de la semana 7, sino también los datos de las

semanas 6, 8 y 9. Como el sistema que resuelve los coeficientes involucra a

ambas semanas, al utilizar los coeficientes obtenidos, no puede calcularse una

estimación exacta para una de las semanas, porque eso querría decir que para las

semanas 6, 8 y 9 la estimación sería muy mala, y los coeficientes no estarían

bien calculados. Lo único que haría que la estimación del consumo realizado con

los coeficientes calculados para una de las cuatro semanas fuese exacto, sería

que el consumo de las cuatro semanas fuese el mismo, y ese no es el caso.


61

2) Conforme las semanas se van alejando de las que han sido utilizadas para el

cálculo de los coeficientes, los resultados van empeorando para el caso de la

industria. Por ejemplo, la estimación para la semana 16 no sigue el

comportamiento de la demanda real, y se puede decir que el consumo de dicha

semana es atípico, pues como se observa en la figura que representa al

suministro, la demanda real es despreciable respecto a la que se ha estimado.

Sin embargo, para la semana 11 la estimación realizada posee errores

relativamente bajos en comparación con otros del mismo suministro. Esto se

puede observar en la Tabla 7.

Téngase en cuenta que se están tratando suministros agregados y que existe un

reparto del consumo entre los mismos. Lo que para unos dé un error positivo (el

consumo real es mayor que el estimado) en algunos casos puede ser compensado

con aquellos que tengan un error negativo (el consumo real es menor que el

estimado).

3) Para el centro universitario, sin embargo, como se puede visualizar en las figuras

que se han expuesto, posee unos patrones de comportamiento aproximadamente

constantes en el tiempo, con lo que el error no aumenta conforme se alejan las

semanas de la estimación de las utilizadas en el cálculo de los coeficientes.

4) Para la comunidad de regantes los resultados son muy aleatorios. Es muy difícil

caracterizar a este tipo de consumo con una base de datos pequeña, ya que está

muy influenciado por variables externas de diferentes características.

El cálculo de los coeficientes no puede permanecer constante en el tiempo, pues

los consumos tienen variabilidades durante todo el año debido a fuentes muy diversas.

Además, el suministro de la comunidad de regantes es un suministro complicado para

estimar con este método y alberga un error mayor que el resto, pues las condiciones

atmosféricas afectan mucho al mismo.

5.3. ESTIMACIÓN DE TODOS LOS CONSUMIDORES

Una vez se tiene todo lo anterior calculado, se crea una hoja de cálculo donde se

van a incluir todos los consumos que se han estimado para una semana determinada. En

este caso, en base a los datos que se tienen y a los resultados que han salido, se escoge

calcular la estimación del consumo de la semana 11. Para ello se utilizan los

coeficientes determinados con las semanas del mes previo al mes de la semana 11

(marzo), es decir, las semanas de febrero.

Se crea una plantilla en la que se van a copiar los cálculos para dicha semana de

los consumidores del tipo B y C. Esa plantilla recibe el nombre de suma de todas las

curvas semana 11, y en ella se ha realizado también, una representación gráfica que se

puede observar en la Figura 31.


62

Los cálculos llevados a cabo para la estimación son los explicados con

anterioridad en este documento, y se puede ver un fragmento de la plantilla en la Tabla

22 del Anexo 11º.

Fig 31.- Estimación de todos los consumos para la semana 11

ERM: 44.45%

ERMAX: 83.62%

ERMIN: 1.94%

El caso de que salga un error relativo medio tan elevado es debido a la

estimación de la comunidad de regantes. Como se ha dicho anteriormente, la estimación

de este suministro no es buena utilizando un método como este, ya que su consumo

depende mucho de agentes externos. La forma de abordar este problema se presenta en

el bloque siguiente. En la Figura 32 se puede observar cómo sería la estimación si no se

hubiera tenido en cuenta la comunidad de regantes. Además el error también hubiera

disminuido, teniendo en este caso un error relativo medio de -18.62%.


63

Fig 32.- Estimación de todos los consumos sin tener en cuenta la comunidad de regantes

ERM: -18.62%

ERMAX: 46.66%

ERMIN: -213.72%


64

BLOQUE 6. CONCLUSIONES Y

TRABAJOS FUTUROS A

REALIZAR


65

6. CONCLUIONES Y TRABAJOS FUTUROS A REALIZAR

Como se mencionó al principio del trabajo, en el objeto de este proyecto no

estaba el determinar con exactitud el consumo del conjunto de suministros agregados.

Bastaba con solo establecer una estimación que orientase sobre el consumo aproximado

de los mismos. Este estudio se inició teniendo en cuenta esta imprecisión, sabiendo que

al final existirían una serie de errores en los resultados. Como también se mencionó,

estas divergencias entre las curvas estimadas y la real, vienen dadas por los numerosos

agentes externos que influyen en los consumos y que no están dentro del alcance de este

trabajo, como son la temperatura, la humedad, el viento, etc.

A todo esto se suma la imprevisión de los cambios existentes en el sistema

eléctrico, que pueden derivar en numerosas alteraciones que se produzcan en la

demanda. No obstante, y pese a todas estas adversidades, se llevó a cabo este estudio

con el fin último de obtener una curva del consumo total de todos los suministros de los

que se disponía. El análisis llevado a cabo en este documento ha tenido en cuenta pocos

suministros. Si en lugar de ser así, se utilizara un mayor número de consumos

agregados, los errores de los resultados estarían más camuflados, ya que al existir un

mayor número de consumos, es mayor el reparto entre la diferencias de demanda de los

mismo. Por ejemplo, si se tienen tres consumos, y se establece la estimación para una

semana de los mismos, puede ser que las tres estimaciones sean mayores de lo que

realmente estos van a demandar, o que una de ellas sea menor y las otras dos mayor, o

que dos de ellas sean menores y una mayor, o que las tres sean menores que el consumo

real. Si en lugar de tener tres suministros, se estuviera tratando treinta suministros, la

probabilidad de que todas las estimaciones fueran a la alza o que todas ellas fueran a la

baja del consumo real sería menor, y en este caso, se produciría un mayor reparto entre

las estimaciones a la baja y a la alza.

En el estudio que se ha llevado a cabo con Excel se han utilizado tres

suministros de características muy diferentes. Los resultados que da el estudio dejan ver

que para suministros con patrones de consumo como la industria o el centro

universitario sí se puede utilizar unos coeficientes que no tengan en cuenta variables

externas. No obstante, se estaría incurriendo a algo de error ya que los agentes externos

como la temperatura, la humedad, etc., hacen que la demanda cambie.

Además se ha de tener en cuenta que, lo ideal en este modelo de estimación es ir

actualizando temporalmente los coeficientes conforme se conozcan los consumos reales,

ya que como se ha podido observar en la sección de los resultados obtenidos, cuanto

más se aleja la estimación del mes con el que se han calculado los coeficientes, mayor

es el error. Por ello, en el procedimiento del modelo, queda reflejada la utilización del

mes previo al mes de la semana que se desea estimar para realizar el cálculo de los

coeficientes.

Los resultados que da este trabajo establecen la posibilidad de continuar el

estudio, pero teniendo en cuenta todas aquellas variables externas que afectan a los


66

consumos y que aquí no se han introducido. Como se mencionó al principio de este

trabajo, existen unos modelos más elaborados que quedan fuera del alcance de un

Trabajo de Fin de Grado, con lo que se dejan propuestos para ser utilizados en un

trabajo futuro. Los modelos que se podrían utilizar son:

Modelos predictivos causales Tienen en cuenta la influencia de las

condiciones atmosféricas

Modelos predictivos de series temporales Tienen en cuenta la periodicidad de

los datos

Pese a los errores obtenidos, cabe destacar que este estudio aporta información

aproximada bastante útil y que da una buena idea del consumo de suministros que no

están sujetos, en gran medida, a agentes climatológicos.


67

BLOQUE 7. ANEXOS


68

7. ANEXOS

7.1. ÍNDICE

Anexo 1º: Documento de perfiles de curvas. Boletín Oficial del Estado…..……...pág 69

Anexo 2º: Coeficientes de los perfiles. Consumidores tipo B…………………......pág 73

Anexo 3º: Fragmento de consumos anuales. Consumidores tipo B………….........pág 74

Anexo 4º: Clasificación de consumidores tipo B………………………………….pág 75

Anexo 5º: Cálculo final de las curvas. Consumidores tipo B……………………...pág 77

Anexo 6º : Base de datos Industria, Centro Universitario y Comunidad de

Regantes………………………………………………………………………........pág 78

Anexo 7º: Tablas de consumo con códigos identificativos. Consumidores tipo C

…………………………………………………………………………………......pág 79

Anexo 8º: Cálculos iniciales. Métodos 1 y 2. Consumidores tipo C ……………...pág 82

Anexo 9º: Fragmento tabla inicial. Consumidor Industrial………………………..pág 84

Anexo 10º: Verificación de datos semanas 7, 11, 16 y 18. Consumidor

Industrial……………………………………………………………………….......pág 86

Anexo 11º: Cálculo final de estimación de la demanda…………………………...pág 90


69

Anexo 1º

I. DISPOSICIONES GENERALES MINISTERIO DE INDUSTRIA, ENERGÍA Y TURISMO

Resolución de 27 de diciembre de 2012, de la Dirección General de Política

Energética y Minas, por la que se aprueba el perfil de consumo y el método de cálculo

a efectos de liquidación de energía, aplicables para aquellos consumidores tipo 4 y tipo

5 que no dispongan de registro horario de consumo, así como aquellos que han pasado

de ser tipo 4 a tipo 3, según el Real Decreto 1110/2007, de 24 de agosto, por el que se

aprueba el reglamento unificado de puntos de medida del sistema eléctrico, para el año

2013.

Visto el artículo 9 del Real Decreto 1435/2002, de 27 de diciembre, por el que se

regulan las condiciones básicas de los contratos de adquisición de energía y de acceso

a las redes en baja tensión.

Vistos el artículo 32, así como el artículo 7 y la disposición transitoria segunda del

Reglamento unificado de puntos de medida del sistema eléctrico, aprobado por Real

Decreto 1110/2007, de 24 de agosto.

Vista la propuesta de revisión de los perfiles de consumo existentes para aquellos

puntos de suministro de clientes que, de acuerdo con la normativa aplicable, no tengan

la obligación de disponer de registro de consumo horario en sus equipos de medida,

realizada por Red Eléctrica de España, S.A. el 30 de noviembre de 2012 en

cumplimiento de la disposición adicional tercera de la Orden IET/3586/2011, de 30 de

diciembre, por la que se establecen los peajes de acceso a partir de 1 de enero de 2012

y las tarifas y primas de las instalaciones del régimen especial.

Visto el informe sobre la propuesta realizada por Red Eléctrica de España, S.A.

aprobado por el Consejo de Administración de la Comisión Nacional de Energía en

diciembre de 2012.

Esta Dirección General resuelve:

Primero.

Aprobar los perfiles de consumo y el método de cálculo a efectos de liquidación de

energía aplicables para aquellos consumidores tipo 4 y tipo 5 que no dispongan de

registro horario de consumo, así como para aquellos suministros que desde la entrada

en vigor del Real Decreto 1110/2007, de 24 de agosto, por el que se aprueba el

Reglamento unificado de puntos de medida del sistema de medidas eléctrico, han

cambiado su clasificación de tipo de medida pasando de ser puntos de medida tipo 4 a

ser puntos de medida tipo 3, y que no dispongan de registros horario de consumo. Los

perfiles y el método de cálculo, figuran como anexos de la presente resolución, y serán

de aplicación a partir del 1 de enero de 2013.

Segundo.

Contra la presente resolución cabe interponer recurso de alzada ante el Secretario

de Estado de Energía, en el plazo de un mes, de acuerdo con lo establecido en la Ley


70

30/1992, de 26 de noviembre, de Régimen Jurídico de las Administraciones Públicas y

del Procedimiento Administrativo Común.

Madrid, 27 de diciembre de 2012.–El Director General de Política Energética y Minas,

Jaime Suárez Pérez-Lucas.

ANEXO I

Método de cálculo de los perfiles de consumo para los consumidores tipo 4 y tipo 5

que no dispongan de registro horario de consumo, así como para aquellos que desde

la entrada en vigor del Real Decreto 1110/2007, de 24 de agosto, han cambiado su

clasificación pasando de ser puntos de medida tipo 4 a ser puntos de medida tipo 3, y

que no dispongan de registros horario de consumo

1. Objeto

El objeto de este procedimiento es establecer los perfiles de carga que serán

utilizados para obtener las medidas horarias necesarias para la liquidación de

la energía en el mercado de producción de energía eléctrica, a partir de los

datos de consumo registrados por equipos de medida no horarios.

2. Ámbito de aplicación

Los perfiles de carga serán de aplicación a aquellos consumidores que, no

teniendo obligación de disponer de registro horario de consumo, adquieran su

energía en el mercado de producción de energía eléctrica, directamente o a

través de un comercializador.

3. Definiciones

Perfil Inicial: Perfil de carga publicado a efectos indicativos y que sirve de base

para el cálculo de los perfiles de carga que se emplearán para obtener las

medidas horarias de los consumidores.

Perfil Final: Perfil de carga que se utilizará para obtener las medidas horarias

de los consumidores de un determinado tipo, a partir de registros de medida no

horarios.

Demanda de Referencia: Previsión de demanda del sistema peninsular que se

utilizará para el cálculo de los Perfiles Finales a partir de los Perfiles Iniciales.

La Demanda de Referencia tomará para 2013 los valores recogidos en el anexo

III de la presente resolución.

Demanda del Sistema: Demanda del sistema eléctrico peninsular publicada por

el Operador del Sistema a efectos de la determinación de los Perfiles Finales.

4. Clasificación de consumidores


71

Se establecen las siguientes categorías de consumidores que tendrán perfiles de

carga diferenciados:

a) Consumidores con peaje de acceso 2.0A y 2.1A y equipos de medida de un

solo período (Perfil tipo Pa).

b) Consumidores con peaje de acceso 2.0 DHA y 2.1 DHA y equipo de medida

adaptado al horario de dichos peajes de acceso (Perfil tipo Pb).

c) Consumidores con peaje de acceso 3.0A y 3.1A con medida en baja tensión y

registro en 6 períodos, de acuerdo a lo establecido en el punto 5 siguiente

(Perfil tipo Pc).

d) Consumidores con peaje de acceso 2.0 DHS y 2.1 DHS y equipos de medida

adaptado al horario de dichos peajes de acceso (Perfil tipo Pd).

5. Periodos

Los seis periodos a que hace referencia el artículo 9.7 del Reglamento unificado

de puntos de medida del sistema eléctrico, aprobado por Real Decreto

1110/2007, de 24 de agosto:

– Periodo 1: Horas punta de los días laborables de lunes a viernes para el peaje

de acceso de tres periodos según lo establecido en el anexo II de la Orden

ITC/2794/2007, de 27 de septiembre, por el que se revisan las tarifas eléctricas

a partir del 1 de octubre de 2007, y para el peaje de acceso de tres periodos

3.1A según lo establecido en la disposición adicional tercera de la Orden

ITC/3801/2008, de 26 de diciembre, por la que se revisan las tarifas eléctricas a

partir de 1 de enero de 2009.

– Periodo 2: Horas llano de los días laborables de lunes a viernes para el peaje

de acceso de tres periodos 3.0A según lo establecido en el anexo II de la Orden






– Periodo 3: Horas valle de los días laborables de lunes a viernes para el peaje







– Periodo 4: Horas punta de los sábados, domingos y los festivos de fecha fija

de ámbito nacional no sustituibles por las Comunidades Autónomas para el

peaje de acceso de tres periodos 3.0A según lo establecido en el anexo II de la

Orden ITC/2794/2007, de 27 de septiembre, por el que se revisan las tarifas

eléctricas a partir del 1 de octubre de 2007.


72

– Periodo 5: Horas llano de los sábados, domingos y los festivos de fecha fija de

ámbito nacional no sustituibles por las Comunidades Autónomas para el peaje







– Periodo 6: Horas valle de los sábados, domingos y los festivos de fecha fija de

ámbito nacional no sustituibles por las Comunidades Autónomas para el peaje







6. Perfiles Iniciales

Los perfiles iniciales para cada categoría de consumidores tomarán para 2013

los valores recogidos en el anexo IIl de la presente resolución.

7. Cálculo de los Perfiles Finales

Los Perfiles Finales se obtendrán a partir de los Perfiles Iniciales modificando

estos últimos en función de la evolución de la Demanda del Sistema en relación

con la Demanda de Referencia, tratando de incorporar en los perfiles aquellos

factores que afectan a las pautas de consumo y no son previsibles con

antelación, como la temperatura, luminosidad, etc.

8. Utilización de los Perfiles Finales

Los distribuidores, como encargados de lectura, serán los responsables de

obtener las medidas horarias de los consumidores a partir de los datos

registrados en sus equipos de medida. El cálculo de la media horaria se

realizará aplicando el Perfil Final, correspondiente a la categoría del

consumidor, a la energía registrada por el equipo de medida en el período

correspondiente. En aquellos casos en los que el equipo de medida registre la

energía en más de un bloque horario, el Perfil Final se aplicará

independientemente para las horas de cada bloque. En los casos en que no se

registre la hora exacta de realización de la medida, se considerará que ésta se

ha realizado a las 0 h del día en que se realizó la medida.


73

Anexo 2º

Tabla 1.- Fragmento de los coeficientes utilizados para la creación de los perfiles


74

Anexo 3º

Tabla 2.- Fragmento del listado de consumos anuales


75

Anexo 4º

Tabla 3.- Consumidores perfil a

Tabla 4.- Consumidores perfil b


76

Tabla 5.- Consumidores perfil c

Tabla 6.- Consumidores perfil d


77

Anexo 5º

Tabla 7.- Fragmento del cálculo final de las curvas


78

Anexo 6º

Tabla 8.-Fragmento de la base de datos del consumo horario de la Industria, el Centro

Universitario y la Comunidad de Regantes


79

Anexo 7º

Tabla 9.- Fragmento de datos de consumo con CUPs creados. Consumidor Industrial


80

Tabla 10.- Fragmento de datos de consumo con CUPs creados. Comunidad de Regantes


81

Tabla 11.- Fragmento de datos de consumo con CUPs creados. Centro Universitario


82

Anexo 8º

Tabla 12.- Fragmento de cálculos método 1 del Análisis Inicial. Suministro Industrial


83

Tabla 13.- Fragmento de cálculos método 2 del Análisis Inicial. Suministro Industrial


84

Anexo 9º

Tabla 14.- Fragmento de datos iniciales Industria. Diseño del algoritmo


85

Tabla 15.- Coeficientes de estimación de Consumo. Suministro Industrial

Tabla 16.- Coeficientes de estimación de Consumo. Comunidad de Regantes

Tabla 17.- Coeficientes de estimación de Consumo. Centro universitario


86

Anexo 10º

Tabla 18.- Fragmento de tabla de verificación de datos, semana 7. Suministro Industrial


87



88



89



90

Anexo 11º

Tabla 22.- Fragmento de tabla de cálculo de consumo total de todos los suministros: Tipos B y C


91

Nota: Los suministros del Centro Universitario y la Comunidad de Regantes poseen

tablas con el mismo formato que las 18, 19, 20 y 21pero con datos diferentes en cuanto

a las estimaciones de consumo y los coeficientes que se han usado para el mismo.


92

BLOQUE 8. BIBLIOGRAFÍA


93

8. BIBLIOGRAFÍA

IEA: International Energy Agency, Electricity, Demand

Boletín Oficial del Estado, 15708 de 29 de Diciembre de 2012

Comisión Nacional de la Energía (CNE), Consumidores de Electricidad, Descripción

del Mercado y Organización del Mercado

Antonio Gómez Expósito, Análisis y operación de sistemas de energía eléctrica,

Modelos predictivos de la demanda eléctrica

Operador del Mercado Ibérico Eléctrico (OMIE), Funcionamiento, Tipos de Mercado

Red Eléctrica Española (REE), Consumo a tiempo real, Descripción de la demanda

eléctrica peninsular

Tutorial de Microsoft Office, Excel

estimación de curva de consumo eléctrico a futuro de...

Documents