Modelo de previsión del precio del mercado diario de la electricidad en el corto plazo

Abstract

La energía eléctrica tiene una gran influencia en el día a día de nuestra sociedad. Son innumerables sus aplicaciones desde el uso doméstico hasta los grandes procesos industriales, por lo que es fundamental poder disponer de ella. Las comercializadoras son las empresas encargadas de comprar dicha energía en el mercado mayorista (pool) y venderla a sus clientes. Pueden hacerlo de dos formas: mercado al contado y mercado a plazo. El mercado al contado está formado por el mercado diario (el que gestiona la mayor parte de la energía) y un mercado intradiario (basado en los ajustes que deben hacer las comercializadoras y plantas generadoras). El precio al que se compra la energía no es fijo pues varía en función de la oferta y la demanda. Cada hora una subasta fija el precio de casación al que las comercializadoras adquieran la electricidad. En un mercado a plazo, dos partes acuerdan una cantidad de energía y un precio que se comprará/venderá para un determinado período horario. La volatilidad en el precio de casación hace que para una comercializadora sea muy interesante un modelo de previsión del precio de la electricidad. Esto, unido a la volatilidad, a día de hoy la energía eléctrica no se puede almacenar a gran escala. Por eso la generación debe ser igual al consumo en todo momento. La capacidad de prever el precio permite adquirir la energía de la forma más rentable posible, es decir, acudir más o menos al mercado a plazo. Son muchos los factores que afectan a la volatilidad del precio entre los que destacan: la energía que el sistema eléctrico demande, la climatología (generación de energías renovables), la estacionalidad, día de la semana que sea, etc. En la actualidad los modelos de previsión están basados en modelos matemáticos y estadísticos, así como inferencia regresiva o series temporales y redes neuronales. La capacidad de previsión puede suponer una ventaja competitiva frente al resto de competidores por lo que dichos modelos están creciendo y evolucionando de manera destacada. El objetivo del proyecto será la creación e implementación de un modelo de previsión del precio de la electricidad en el corto plazo. Para ello se ha realizado con el software Matlab por su gran capacidad de cálculo y gestión de datos, así como por su fácil conexión con Microsoft Access, programa elegido para el almacenamiento de datos históricos.Electric energy has a big influence in our current society. It is innumerable the applications it have (from domestic use to big industrial processes), exactly for that reason it is basic being able to use it whenever it is needed. Energy companies are the responsible to buy that energy in the trading market and sell it to their clients. Companies buy the energy in the trading market of electricity (called pool). There exist two ways in which the companies can acquire the energy. The first one is the spot market and the second one is the forward market. On the one hand, spot market consists on daily market (in which the majority of the energy is traded) and intra-day market (based on adjusts companies and generations plants have to do to make generation and consumption meet). Electricity price is not fixed, instead it fluctuates depending on supply and demand. One bid is made for every hour, which will determine the market price electric companies will have to pay to acquire every MWh of energy. On the other hand, forward market consist on an agreement two different parts make fixing a price and the energy it will be bought/sold for a determinate horary period. Volatility in price market is the reason why a prediction algorithm is very interesting for energy companies. Having the ability to forecast the market price allows to choose the way to buy the energy (spot or forward market). There are many the factors that affects price volatility standing out: demand of the electric system, climatology (renewable technology generation), day of the week, etc. Currently, forecasting algorithms are based on mathematical and statistic models, as in countdown inference or temporal series and neuronal networks. The forecasting ability can mean a competitive advantage against the rest of the competitors. That is precisely why these models are growing and evolving in such an accentuated way. The objective of the project is the creation and implementation of a forecasting algorithm of the market price in the short term period of time. Matlab software is used for the project for its great computation ability and data management, as well as for its easy connection with other programs such as Microsoft Access (chosen program for the historic data storage).