Contribuciones a la predicción a corto plazo del precio de la electricidad mediante modelos de series temporales

Abstract

Uno de los elementos clave para el funcionamiento de la mayoría de los mercados eléctricos liberalizados es una subasta diaria donde las empresas participantes son convocadas para que envíen sus ofertas de compra y venta de energía. De la casación de estas ofertas se obtiene tanto la programación de unidades del sistema que cubrirán la demanda de energía como el precio marginal, para cada una de las 24 horas del día siguiente. Puesto que la predicción de dicho precio marginal es un problema intrínsecamente estocástico, resulta crucial para las empresas participantes en un horizonte de corto plazo no solamente disponer de una estimación de su valor sino de caracterizar su función de distribución, es decir, estimar la probabilidad de obtener cualquier otro precio.

En esta tesis se pone el foco de atención en la predicción de los 24 precios horarios resultantes de la casación del mercado diario en un horizonte de un día. Partiendo de la estructura básica del modelo de función de transferencia con ruido ARIMA-ARCH, se proponen en la tesis dos posibles mejoras. La primera de ellas está en línea con la debilidad que presenta el modelo para representar fielmente las distribuciones empíricas obtenidas. La mejora consiste en la especificación de la densidad de las innovaciones como una función semiparamétrica, cuya forma fue sugerida por Gallant & Nychka (1987). Esta familia de densidades permite representar de manera flexible la asimetría y las colas pesadas que habitualmente presentan las distribuciones de los precios eléctricos.

La segunda de las contribuciones está relaciona con la limitación que presenta el modelo de función de transferencia con ruido ARIMA-ARCH para representar el comportamiento no lineal que presentan las series de precios eléctricos, evidenciado tanto en los patrones de autocorrelación como en sus respuestas frente a variables explicativas. La mejora propuesta pasa por utilizar una representación equivalente en espacio de estados, para a partir de ésta plantear un modelo en el que las matrices que lo definen cambian con el tiempo en función de un conjunto reducido de regímenes no observados, los cuales están a su vez determinados por las variables fundamentales que afectan al precio. De este modo, es posible modelar distintas respuestas del precio a diferentes situaciones en función de las variables que condicionan el comportamiento del mercado.

Las capacidades predictivas de los modelos propuestos son comprobadas utilizando los precios eléctricos de los mercados de OMIE, PJM, POWERNEXT y NEM. Así mismo, se ponen de manifiesto los beneficiosos de utilizar densidades no paramétricas o utilizar modelos de cambios de régimen.