Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
Debido a la reestructuración del sector eléctrico colombiano, durante las dos últimas
décadas, el comportamiento del precio de la energía eléctrica ha incrementado su
volatilidad, reflejando el riesgo existente para los diferentes agentes que intervienen en
el mercado. El objetivo de este artículo es presentar una metodología para la
implementación de modelos de regresión, sobre la serie histórica de precios de bolsa de
energía en Colombia. A medida que la cantidad de datos aumente, podrán desarrollarse
modelos más amplios, que describan de forma adecuada comportamientos del mercado,
que, empleando las técnicas y la información disponible actualmente, no es posible
identificar.
Los mercados competitivos de este bien son muy recientes en la historia, dado que
desde sus comienzos esta industria fue un monopolio natural. En algunos casos de
carácter estatal y en otros de carácter privado con una alta regulación por parte del
Estado.
Estudiar los factores que afectan la formación de los precios de bolsa e identificar
nuevas metodologías para la predicción de los mismos, tiene un objetivo final
(generalmente, intangible para muchos): el empleo de este tipo de herramientas debe
reflejarse sobre el precio del kW-h pagado por los usuarios. En otros términos,
proyectar adecuadamente el futuro, podría mejorar el desempeño económico de los
agentes y aumentar la eficiencia del mercado; en este sentido, el precio final del
producto debería reflejar cada vez más el valor real de la energía.
Durante los años ochenta, el sector eléctrico colombiano entró en crisis, al igual que en
otros de países de América Latina. El deterioro en su desempeño se debió,
especialmente, al subsidio de tarifas y a la politización de las empresas estatales. De
igual forma, los grandes proyectos de generación, llevados a cabo con sobrecostos y
atrasos considerables, condujeron a que el sector se convirtiera en una gran carga para
el Estado.
Por otra parte, en el mundo comenzó a ponerse en duda la eficacia de los monopolios
estatales para la prestación de los servicios públicos, iniciándose grandes reformas en
países como: Nueva Zelanda, Inglaterra, los miembros de la Unión Europea, Australia y
Argentina (Rudnick 1999).
Dentro de los principales motivos para la revisión del esquema de funcionamiento del
sector eléctrico en Colombia, se encuentran:
El racionamiento de energía en 1992.
El elevado porcentaje de la deuda del sector eléctrico dentro de la deuda
externa nacional.
Los altos costos de la energía.
La ineficiencia en la administración de muchas empresas.
No prioridad en el gasto público para mejorar los servicios públicos.
Un régimen tarifario inadecuado que no permitía recuperar la inversión.
La baja cobertura (sobre todo en el sector rural).
La calidad deficiente en la prestación de los servicios (no se cumplía con
estándares internacionales).
La inexistencia de políticas de protección al usuario.
La concentración de funciones: operación, regulación y control.
La Bolsa de Energía es una figura comercial tipo subasta en sobre cerrado, la cual toma
las ofertas de precio y declaración de disponibilidad hora a hora de cada recurso de
generación y establece un programa diario de generaciones, igualmente, hora a hora.
Al inicio de todos los días, en forma confidencial, cada agente generador hace una
oferta de precio (en $/MWh) y la declaración de disponibilidad (en MW) de cada uno de
sus recursos de generación. Se presenta una única oferta para las 24 horas del día
siguiente.
Tal como se observa en la Figura 2, el Centro Nacional de Despacho (CND) recibe las
ofertas de los generadores e inicia el predespacho de energía basado en las
proyecciones de demanda construidas a partir de: datos históricos, modelos de
planeación y estudios dados por la Unidad de Planeación Minero Energética (UPME), sin
considerar las restricciones del sistema; es decir, que no se toman en consideración los
límites operativos de los elementos asociados al Sistema Interconectado Nacional (SIN)
ni las indisponibilidades de los mismos no declaradas por los agentes (por ejemplo,
voladuras de torres). Posteriormente, se realiza el despacho de energía considerando
las restricciones del sistema y se incorporan las curvas de oferta de los generadores y
las inflexibilidades de los mismos, por lo tanto, se tienen en cuenta las curvas de
operación de cada generador dependiendo de su estado anterior (frio, tibio, caliente),
tanto para el arranque como para su parada.
Posteriormente, se despacha los generadores con los precios de oferta más bajos
acorde con la disponibilidad comercial (cantidad de MW), hasta cubrir la demanda total.
De esta forma, el Precio de Bolsa, es el precio de oferta del último recurso de
generación no-inflexible requerido para atender la demanda real hora a hora (Gráfica
3); y es con este precio que se realiza la liquidación de las transacciones realizadas por
los agentes (Cano 2004).
Teniendo clara la dinámica empleada para el cálculo del Precio de Bolsa, es importante
resaltar que, a pesar de considerar las limitantes del sistema durante todo el proceso,
éstas finalmente no afectan el Precio de Bolsa. En consecuencia, el valor calculado
obedece, básicamente, al punto de equilibrio entre la demanda real y las ofertas de los
agentes generadores, evaluada hora a hora.
El despacho ideal se simula para determinar un balance sin las restricciones eléctricas
que vician el proceso comercial. Este despacho considera que las redes tienen capacidad
de transporte ilimitada, convirtiéndose así en un juego comercial de oferta y demanda.
A partir de la Gráfica 2, se podría inferir que los generadores con menores costos serían
los que ofertarían a menor precio y, por ende, serían despachados completamente (caso
de los recursos 1 y 2), mientras que, un generador que tenga mayores costos ofertaría
a un precio mayor (caso de los recursos 3 y 4). Como se observa el recurso 4 no
generaría toda su capacidad, puesto que, proveería energía hasta el punto en el cual se
cubriera la demanda programada, determinando el precio de bolsa o marginal en ese
momento, este tipo de generador se denomina generador marginal.
En un mercado libre los agentes pueden ofertar a un precio determinado con libre
albedrío; sin embargo, el sistema regulatorio ha establecido algunos parámetros para
orientar lo que se espera sea la oferta de cada generador. La regulación CREG 055 de
1994, emitida cuando se estaba comenzando el nuevo mercado de energía en Colombia,
es un claro ejemplo de las señales dadas a los agentes que tomen la decisión de
participar en el mercado.
"Los precios a los cuales las empresas generadoras ofrecen diariamente al CND, deben
reflejar los costos variables de generación en que esperan incurrir.
SERIES DE TIEMPO
Los pronósticos se realizan con el fin de orientar las decisiones en muchas áreas del
mundo como los mercados, el transporte, la identificación de fallas, el clima, entre
otros. Para pronosticar una variable se debe construir un modelo y estimar sus
parámetros usando datos históricos, es decir, logrando una caracterización estadística
de los enlaces entre el presente y el pasado. En forma simple se usa el modelo
estimado del pronóstico para extrapolar los datos observados (Diebold 2001).
En el caso de la energía, algunos modelos ARIMA y ARMAX han sido probados para la
serie de tiempo del Mercado de California, empleando como variable exógena la carga
del sistema (Weron 2005). Otro tipo de modelos y comparación de resultados como:
modelos lineales, regresión dinámica, función de transferencia y redes neuronales han
sido evaluados para el Mercado de PJM (Guang 2005).
La estimación de precios con los modelos desarrollados en este trabajo se realiza para
un horizonte mensual, el cual será de gran utilidad para un agente comercializador al
momento de tomar decisiones de contratos a corto o largo plazo, comprar en bolsa,
pujar para obtener un mejor precio, entre otras. De igual manera, sería de utilidad para
un agente generador que decida acumular sus recursos en busca de un mejor precio.
En otros términos, conocer con certeza un valor o el intervalo de valores posibles del
precio de la energía en bolsa para meses futuros, implica para los agentes del mercado
la reformulación de muchas de sus estrategias de compra o venta de energía.
Definiciones
n : Origen de los pronósticos. Entero que indica la posición de la última observación
disponible, el presente o el punto a partir del cual se empieza a pronosticar.
Como Zt es un valor que toma la variable aleatoria Zt en el tiempo t , si t < n , Zt es una
observación del pasado; si t = n , Zt es la bóxervación presente; y si t > n , Zt es un
valor que tomará la variable Zt . Cabe anotar que los valores de Zt para t > n son
desconocidos y es el objeto de estudio del presente trabajo.
Modelos de regresión
Para inferir sobre los parámetros estimados es necesario establecer algunos supuestos
sobre las variables independientes y sobre los errores que deben validarse antes de
utilizar los resultados obtenidos de la estimación del modelo.
Modelo autoregresivo
i. Para todo t I , la media y varianza existen y son constantes ( E [ Zt ] = µ y
Var [ Zt ] = σ2 ) y
ii. Si para cualquier i, j I, Cov (Zt , Zj ) depende únicamente del número de períodos
que separa las variables, es decir, de j - i, que se denota k : número de rezagos (Correa
2000).
A partir de la FAC obtenida en SAS se observa que la variable " precios de Bolsa de
Energía (MEM)" presenta una alta correlación con sus rezagos hasta el orden 3. Esto
quiere decir que un valor determinado de la serie en cualquier instante de tiempo
depende de los valores anteriores que la serie hubiese tomado hasta 3 períodos de
tiempo atrás.
donde:
A partir del cálculo del Total R-Square, se tiene que el modelo representa la serie de
precios en un 74,62%; los valores de criterio de información de Akaike (AIC) y del
criterio de información bayesiano de Schwarz (SBC) son empleados para comparar los
modelos y determinar cuál permite una mejor estimación.
Para evaluar si la serie de tiempo de los residuales obtenida, luego de aplicar el modelo
autoregresivo es ruido blanco, se debe determinar el cumplimiento de las condiciones
descritas anteriormente. Los resultados de la evaluación de los residuales se presentan
en el Cuadro 2.
Con los resultados del Cuadro 2 se observa que la serie de tiempo formada por los
residuales del modelo autoregresivo, no cumple las condiciones del supuesto de
normalidad de los errores. El valor p de la prueba de Shapiro-Wilk es vpnor = 0,00
(menor que el valor de significancia de 0,05), luego se rechaza Ho, es decir, los errores
NO son normales.
La Gráfica 3 presenta el comportamiento del modelo comparado con los datos históricos
de la serie, a pesar de que la serie de residuales no hubiese cumplido con los supuestos
de ruido blanco.
Modelo de estacionalidades
Una serie de tiempo tiene componente estacional de período s, si presenta patrones que
se repiten con una frecuencia constante ( st ), produciendo en ella un efecto periódico
(Diebold 2001). Para realizar la evaluación sobre la serie de tiempo estudiada, se
procederá de la siguiente forma:
ii. Luego se caracterizan las series estacionales puras, para buscar funciones de
tiempo que permitan generarlas, lo cual lleva al conjunto de s variables
indicadoras (funciones de tiempo) o por s funciones trigonométricas de
período s.
iii. Conocidas las formas funcionales que generan la parte estacional de la serie,
se emplea el método de regresión para estimar los parámetros, que acompañan
las s funciones de tiempo que definen la componente estacional.
La representación funcional del modelo para una serie con componente estacional,
tendencia y componente aleatoria (en este caso con errores autoregresivo) es:
[2]
donde:
Ut: residuales
Los parámetros estimados para las estacionalidades (in1 a in12) y la tendencia (t)
presentan además el cálculo de las desviaciones estándar y la información necesaria
para probar su significancia. En este caso todos los valores de p son menores que 0,05;
por tanto, los parámetros son significativos.
Hasta el momento, todos los parámetros estimados de este modelo (parte estacional y
errores autorregresivos) son significativos. La validación sobre los supuestos de los
errores se presenta en los Cuadros 4 y 5.
[3]
donde:
Para la serie formada por los precios de bolsa, se tiene que las intervenciones realizadas
sobre el mercado más representativas, es decir aquellas que afectan directamente la
formación de precios, fueron realizadas entre mayo y septiembre de 2000. En este
período el precio de bolsa presenta una tendencia creciente que puede asociarse con los
incrementos del precio de oferta de los agentes generadores térmicos. Posteriormente,
en septiembre, la CREG expidió la Resolución CREG 063 como una medida para reducir
la volatilidad de las ofertas, lo cual se reflejó de manera transitoria en el precio de
bolsa.
A partir de noviembre de 2000 se observa un alza del precio de bolsa que combina
factores como los atentados que ocasionaron atrapamientos de energía hidráulica y el
inicio del período de verano.
Luego de que se expidieron las resoluciones CREG 026 de 2001 y CREG 034 de 2001, el
precio de bolsa disminuye de una manera significativa, coincidiendo con una reducción
de los atentados a la infraestructura. Sin embargo, a final de 2001 y principio de 2002,
ante una nueva oleada de atentados y una expectativa de ocurrencia del fenómeno del
pacífico, se observa un repunte en el precio de bolsa, sin llegar a los niveles de precios
observados previamente a la expedición de las resoluciones mencionadas.
En este caso los valores p para las respectivas pruebas indican que Φ1 = 0 y Φ2 = 0,
puesto que son mayores que 0,05. Esto nos lleva a inferir que el supuesto de errores no
correlacionados se debe cumplir.
Los parámetros estimados para las estacionalidades (in1 a in12) y la tendencia (t)
presenta además el cálculo de las desviaciones estándar y la información necesaria para
probar su significancia. En este caso todos los valores de p son menores que 0,05 y, por
lo tanto, los parámetros son significativos.
Hasta el momento todos los parámetros estimados de este modelo (parte estacional y
errores autorregresivos) son significativos. La validación sobre los supuestos de los
errores se presenta en el Cuadro 7.
De los resultados anteriores se concluye que la media es igual a cero (0), el supuesto de
normalidad de los errores se satisface. Dado que el valor p de la prueba de Shapiro-Wilk
es vpnor = 0,97, no se rechaza Ho, considerándose que los errores son normales. En
este orden de ideas, se procede a realizar la verificación de la igualdad de varianza, la
probabilidad de los estadísticos de Liung Box superior a α, la autocorrelación y
autocorrelación parcial.
En este caso los valores p para las respectivas pruebas indican que Φ1 = 0, Φ2 = 0 y
Φ3 = 0, dado que todos son mayores que 0,05. Esto nos lleva a concluir que el supuesto
de errores incorrelacionados se debe cumplir.
Los parámetros estimados para las estacionalidades (in1 a in12) y la tendencia (t)
presenta además el cálculo de las desviaciones estándar y la información necesaria para
probar su significancia. En este caso, todos los valores de p son menores que 0,05, de
forma que los parámetros son significativos.
Hasta el momento todos los parámetros estimados de este modelo (parte estacional y
errores autorregresivos) son significativos. La validación sobre los supuestos de los
errores se presenta en los Cuadros 11 y 12.
De los resultados anteriores se concluye que la media es igual a cero (0), el supuesto de
normalidad de los errores se satisface. Dado que el valor p de la prueba de Shapiro-Wilk
es vpnor = 0,84, no se rechaza Ho, considerándose que los errores son normales. En
este orden de ideas, se procede a realizar la verificación de la igualdad de varianza, la
probabalidad de los estadísticos de Liung Box superior a α y la autocorrelación.
Ahora lo que resta es medir que tan apto es el modelo para pronosticar valores futuros
de los precios de la energía en bolsa, empleando para ello algunos estadísticos básicos y
otros construidos a partir del error relativo de pronóstico.
Si el MAPE de un modelo bajo estudio es menor que el MSIMP, significa que este
método debe implementarse porque mejora la calidad del pronóstico, luego se justifica
implementar el método.
Las medidas relativas estudiadas dan igual peso a todos los errores en contraste con
el MSE que al elevar al cuadrado los errores pondera los más altos. Podría ser útil tener
una medida que considere estos aspectos: pondere los errores más altos, tenga en
cuenta los efectos de un cambio de escala y permita comparaciones con los sistemas de
pronósticos simples. Una medida con estas características es el Theil.
El Theil es igual 0, si el numerador es cero; esto implica que el método de pronósticos
empleado es exacto. El Theil es igual a 1, si el numerador y el denominador son iguales,
esto indica que la precisión del método de pronóstico bajo estudio es igual a la del
método; en conclusión, no se justifica implementar el método bajo estudio. Si
el Theil es mayor que 1, el sistema de pronósticos del método bajo estudio tiene un
error relativo de pronóstico mayor que el del método simple, en consecuencia, no se
justifica implementar el método. Si 0 < Theil < 1 el método de pronóstico bajo estudio
es mejor que el método simple.
CONCLUSIONES
Con los datos disponibles hasta la fecha se presenta una metodología para la estimación
de los precios en bolsa de la energía, como una herramienta adicional a las existentes
en la literatura revisada para el caso colombiano y que cumple con las validaciones
estadísticas apropiadas.
En otras palabras, se requiere construir un modelo que simule de forma más precisa el
proceso completo de formación de los precios de bolsa, para luego realizar sensibilidad
(determinación estadística de la significancia de los parámetros) de las variables más
representativas y llegar así a un modelo más parsimonioso, que permita a los agentes
del sistema emplear herramientas de predicción rápidas y fáciles de implementar que
ayuden a la toma de decisiones frente a las transacciones de energía.
NOTAS AL PIE
8 Término empleado para indicar que una planta de generación no puede suministrar
energía eléctrica al sistema debido a restricciones del mismo.
REFERENCIAS BIBLIOGRÁFICAS
3. Conejo, Antonio; Plazas, Miguel; Espinola, Rosario y Molina Ana (2005). "Day- Ahead
Electricity Price Forecasting Using the Wavelet Transform and ARIMA Models". IEEE
transactions on power systems, 20(2): 1035-1042.
11. Guang Li, Chen-Ching Liu; Lawarree, Jacques; Gallanti, Massimo y Venturini Andrea
(2005). State-of-Art of Electricity Prices Forecasting. CIGRE/IEEE PES, International
Symposium.
12. Jaramillo, Andrés (2000) Tesis - La Bolsa de Energía a la Luz de la Teoría de Juegos.
Universidad Nacional de Colombia, Facultad de Ciencias Humanas. Medellín. p. 1 - 60.
Para optar al título de Magíster en Ciencias Económicas.
13. Kirschen, Daniel (2006). "Fundamentals of Power System Economics", The
University of Manchester, U.K. [ Links ]
14. Millan, Jaime y Von Der Fehr, Nils-Henrik (2003). Keeping the Lights On: Power
Sector Reform in Latin America. Washington. D.C.: Inter-American Development
Bank. [ Links ]
16. Raigoza, Diana (1999). Tesis - Toma de Decisiones para la Compra de Energía
Eléctrica. Universidad Nacional de Colombia, Facultad de Minas, Medellín. p. 17 - 81.
Para optar al título de Ingeniera Electricista. [ Links ]
17. Rudnick, Hugh y Zolezzi, Juan Manuel (1999). "Expansión de los sistemas de
transmisión en mercados competitivos de generación", Actas I Reunión Internacional
G&T CIER 99, Optimización de los Procesos de Generación y Transmisión en Ambientes
Competitivos, Bogotá, Colombia, Noviembre 3-5, 1999. [ Links ]
19. Weron, Rafal y Misiorek, Adam (2005). Forecasting Spot Electricity Prices With Time
Series Models. International Conference. "The European Electricity Market EEM-05",
mayo 10-12, Lodz (Polonia): 133-141. [ Links ]