MODELO ESTACIONAL DE DEMANDA DE ENERGíA ELéCTRICA

diciembre
2015
Modelo
Estacional
de Demanda
de Energía
Eléctrica
DOCUMENTO DE TRABAJO N º 1 1
Guillermo Beyrne - Facundo Malvicino - Luis Alberto Trajtenberg
ECONOMÍ A
SECRETARÍA DE POLÍTICA ECONÓMICA
Y PLANIFICACIÓN DEL DESARROLLO
DOCUMENTO DE TRABAJO Nº 11
DICIEMBRE DE 2015
“Modelo Estacional de Demanda de Energía Eléctrica”
Guillermo Beyrne, Facundo Malvicino y Luis Alberto Trajtenberg
En este documento se presenta una modelización de la demanda de energía eléctrica a
partir de la temperatura registrada para las estaciones de invierno y verano, contemplando
el efecto de los días de menor actividad, como sábados, domingos y feriados. Con los
resultados de dicha modelización, se determina el impacto que tiene una variación de 1°C
en el consumo eléctrico en ambas estaciones, a la vez que se analiza la incidencia que
tienen las “olas de calor” y las “olas de frío” en la demanda de electricidad.
PALABRAS CLAVE:
demanda estacional de energía eléctrica, temperatura, modelos
econométricos
CÓDIGOS JEL:
L94, C5
Documento de Trabajo elaborado y editado por la Subsecretaría de Programación
Macroeconómica durante el año 2015 y coordinado por Fernando Toledo. Como es habitual en estos casos, las opiniones vertidas en el presente documento no necesariamente
representan a las instituciones de pertenencia de sus respectivos autores.
D O C U M E N TO D E T R A B A J O N º 11
-2-
1.
INTRODUCCIÓN
L
a demanda de energía eléctrica en Argentina ha registrado
un crecimiento sostenido entre 2003 y 2014. Ello responde
principalmente al aumento que experimentó la demanda
residencial que en los últimos años logró incorporar artefactos de alto consumo eléctrico, principalmente acondicionadores de aire.
Esto explicaría que la incidencia de las variaciones térmicas en la demanda de electricidad total haya ido cambiado en los últimos años, generando cuellos de botella y problemas de distribución cuando se registran temperaturas extremas. Este
fenómeno es mayor en verano, dado que en invierno es posible calefaccionar los
hogares tanto con artefactos que consumen gas como con aquellos que demandan
energía eléctrica.
La demanda
de energía
eléctrica en
Argentina ha
registrado un
crecimiento
sostenido entre
2003 y 2014.
Este aumento sostenido de la demanda de energía eléctrica por parte de los hogares se da en un contexto de déficit energético, lo cual obliga al Estado, por un lado,
a administrar la oferta de energía disponible entre los usuarios residenciales y los
usuarios industriales y, por otro lado, a aumentar la importación de combustibles
para la generación eléctrica en períodos de temperaturas extremas.
Ambas situaciones generan un impacto a nivel macroeconómico, en tanto el consumo y la producción podrían expandirse a tasas por debajo de las potenciales, y
paralelamente, el aumento de la importación de combustibles incidiría negativamente sobre el superávit comercial y afectando la disponibilidad de divisas, necesarias para la importación de otros insumos intermedios y esenciales.
Es por esto que comprender el efecto de la temperatura en la demanda de electricidad resulta de gran importancia para prever situaciones coyunturales críticas y lograr planificar políticas energéticas de de mediano y largo plazo.
En el presente trabajo nos proponemos modelizar la demanda de energía eléctrica a partir de la temperatura registrada para las estaciones de invierno y verano, contemplando el efecto de los días de menor actividad, como sábados,
domingos y feriados.
El documento se organiza de la siguiente manera. En la primera sección se
analiza el comportamiento de la demanda de energía eléctrica respecto de la
temperatura, distinguiendo entre invierno y verano. En la segunda, se explica
la metodología utilizada para la elaboración de los modelos y sus especificaciones. Luego, se presentan los resultados derivados de los distintos modelos
presentados y en el cuarto apartado se calculan los impactos de las Olas de Calor y Olas de Frío en demanda eléctrica a partir de los modelos desarrollados.
Finalmente, se exponen las conclusiones
D O C U M E N TO D E T R A B A J O N º 11
-3-
2.
Estadística Descriptiva de la Demanda de Energía
Eléctrica en Argentina
Entre 2003 y 2014 la demanda de energía eléctrica en el país creció un 52%,
alcanzando una demanda anual de más de 125.000 GWh para el último año del
período. Si se analiza esta demanda eléctrica por tipo de usuario, se observa
que el 40% corresponde a la demanda residencial, mientras que el 30% responde a la demanda de los grandes usuarios (Industrias, Centros comerciales,
Supermercados, entre otros) y el resto a otros usuarios no residenciales.
Esto denota la fuerte injerencia que tiene el consumo eléctrico de los hogares
en la demanda total del país, el cual se explica por la cantidad de artefactos
eléctricos con los que cuente cada hogar y por la eficiencia de consumo de electricidad que tengan estos electrodomésticos. En el Gráfico N° 1 se observa el
comportamiento de la demanda de energía eléctrica respecto de la temperatura
media, en verano y en invierno.
A partir de la recuperación económica de 2003, los hogares argentinos han
experimentado un fuerte proceso de equipamiento de artefactos domésticos,
explicado principalmente por tres razones: i) crecimiento económico; ii) congelamiento de tarifas de servicios públicos y su reducción en términos reales
en el área metropolitana, la región más poblada del país; y iii) incorporación de
tecnología en bienes durables para los hogares a partir de políticas de incentivo
al consumo mediante créditos personales.
Entre 2003 y 2014
la demanda
de energía
eléctrica
en el país
creció un 52%,
alcanzando
una demanda
anual de más
de 125.000 GWh
para el último
año del período.
GRÁFICO 1
Demanda de Energía Eléctrica
Verano-Invierno 2005-2014
Fuente: elaboración propia en base a datos de CAMMESA.
Particularmente, el consumo de Aires Acondicionados representa un caso paradigmático, ya que de venderse
220.000 unidades en 2003 pasaron a ve nderse casi 1,8 millones de unidades en 2011, esto es un crecimiento
de 718%. Cabe destacar que el 70% de los aparatos que se compran son Frío/Calor, es decir que funcionan para
aclimatar el ambiente tanto en verano como en invierno, y a su vez los aparatos clase A (los de mayor eficiencia
energética) representan una porción marginal del mercado. Por lo tanto, las variaciones térmicas comenzaron a
tener un mayor impacto en la demanda de energía eléctrica residencial y por consiguiente en la demanda total.
D O C U M E N TO D E T R A B A J O N º 11
-4-
En el Gráfico N° 2 se aprecia una relación positiva entre el aumento de la temperatura y la demanda de energía
eléctrica. A su vez, se destaca que año tras año se observa un incremento en los niveles de la demanda energética
para los mismos niveles de temperatura (desplazamiento vertical de las curvas). Esta dinámica alcanza su máximo en 2014, donde también se advierte una mayor pendiente, reflejando un mayor consumo por aumento de la
temperatura respecto a los años anteriores.
El Gráfico N° 3 da cuenta del comportamiento de la demanda de energía eléctrica respecto de la temperatura durante
el invierno para el período 2004-2014, donde se corrobora una relación negativa entre temperatura y demanda. Nuevamente, se registra un aumento en el nivel de la demanda año a año, siendo 2014 el de mayor pendiente respecto a años
anteriores, aunque en niveles no muestra una clara dominancia sobre 2013 cuando las temperaturas superan los 15°C.
GRÁFICO 2 y 3
Demanda de Energía Eléctrica
Verano 2005-2014 – Invierno 2004-2014
Fuente: elaboración propia en base a datos de CAMMESA.
A partir de lo expuesto, nos proponemos modelizar la demanda estacional
de energía eléctrica en función de la temperatura y aislar los factores explicativos del consumo eléctrico, con el objetivo de elaborar un instrumento
que contribuya al diseño de políticas económicas y sectoriales, la planificación de generación de energía y la prevención de sobrecarga del sistema
eléctrico nacional.
3.
Marco Teórico y Antecedentes Empíricos
se corrobora
una relación
negativa entre
temperatura y
demanda.
A partir de la denominada crisis del petróleo en 1973 con la decisión de la Organización de Países Exportadores de Petróleo (OPEP) de no exportar combustible
a los países de occidente y la consecuente suba de los precios de este commodity, los estudios sobre demanda energética se han ido sucediendo, particularmente en la búsqueda de determinantes de la demanda en el corto plazo, como
en estimaciones de elasticidades de precio e ingreso para el largo plazo.
Factores como el creciente consumo energético mundial, el agotamiento de los
D O C U M E N TO D E T R A B A J O N º 11
-5-
combustibles fósiles y el cambio climático han ido alimentando esta tendencia.
En efecto, este tipo de estudios permiten analizar los cambios de la demanda
frente a cambios en el entorno (i.e. aumento de la temperatura) o, más específicamente, en la actividad económica (i.e. crecimiento industrial), disponiendo de
mayores herramientas para la elaboración de políticas económicas o la planificación del sector energético.
Según Erdogdu (2007), los trabajos de modelización de demanda eléctrica
pueden clasificarse en: i) modelos de forma reducida: modelos log-log donde
la demanda de energía es una función lineal directa de precios e ingreso real;
ii) modelos estructurales: que consideran la demanda de energía como una demanda derivada de otras actividades (i.e. calefacción), descomponiendo varias
funciones indirectas de demanda respecto al precio y el ingreso real.1
Las limitaciones del primer tipo de modelo radican en que asume las variables independientes como exógenas pudiendo incurrir en estimaciones sesgadas y elasticidades constantes, mientras que los problemas del segundo están relacionados con la
cantidad de variables, ecuaciones y datos que requiere para las estimaciones.
Para la estimación de la demanda eléctrica en Turquía, Erdogdu (2007) emplea
un modelo de ajuste parcial que deviene en una versión dinámica del modelo
reducido formal, realizando un análisis de cointegración y una previsión anual de
la demanda de electricidad en base a un modelo ARIMA.2
En lo que refiere a demanda estacional de energía, Crowley y Joutz (2005) investigaron el impacto en la demanda energética a partir de variaciones en la temperatura.
De esta manera, construyeron escenarios a partir de un incremento de dos grados
Fahrenheit en la temperatura para evaluar efectos de corto y largo plazo.
Los modelos de corto plazo estiman la sensibilidad de la curva de carga diaria de
temperatura por hora, lo que permite observar picos de consumo y cambios en la
demanda. Los modelos de largo plazo siguieron un enfoque de equilibrio general que
permite plantear ajustes en los precios y en las condiciones de oferta, como así también cambios en la actividad económica, la tecnología o en la regulación energética.
A los fines de nuestro trabajo nos interesa el modelo de corto plazo, el cual se
define como un modelo estacional que permite aislar los efectos de verano y
de invierno, contemplando variables determinísticas para capturar patrones en
el consumo diario (días hábiles, fines de semana y feriados). A diferencia del
modelo utilizado en este trabajo, el modelo de Crowley y Joutz incluye un componente autorregresivo de suministro eléctrico y no linealidad en la temperatura.
Jorgensen y Joutz (2012) estiman la demanda de energía eléctrica residencial de
la región montañosa de Estados Unidos para el período 1990-2010. La demanda
medida en kilovatios-hora diarios se modela en función del precio de la electricidad, el ingreso real disponible, el precio del gas natural como sustituto de la
energía eléctrica (lo cual encierra cierta ambigüedad para el resultado, por ser
utilizado en la generación de electricidad), el efecto estacional según la época del
año y la participación del consumo energético en el presupuesto de los hogares.
Como es de esperar, verano e invierno muestran los picos de consumo, siendo
más marcados en el primer caso. Según los autores, tanto el aumento como el
cambio estacional de la demanda, se explican por: i) el crecimiento de la población y la inmigración hacia la región; ii) una mayor penetración de los equipos de
aire acondicionado en hogares; y iii) el uso de gas natural, sobre todo en los me-
D O C U M E N TO D E T R A B A J O N º 11
A los fines de
nuestro trabajo
nos interesa
el modelo de
corto plazo,
el cual se
define como
un modelo
estacional que
permite aislar
los efectos
de verano y
de invierno,
contemplando
variables
determinísticas
para capturar
patrones en el
consumo diario
(días hábiles,
fines de semana
y feriados).
1. Para mayor detalle al respecto,
ver Pindyck (1979).
2. Para un estudio comparativo
de métodos de estimación y proyección de la demanda energética se sugiere consultar Bhattacharyya y Timilsina (2009).
-6-
ses de invierno. Vale aclarar que los picos en verano sean mayores que en invierno no
necesariamente es la regla, sino que puede registrarse lo contrario en otras regiones
donde las condiciones climáticas son diferentes como es el caso de Gran Bretaña3.
Akil y Miyauchi (2013a) utilizan variables meteorológicas, tales como temperatura y humedad, para la estimación de la demanda comercial de energía eléctrica
estacional en Japón, incorporando también variables cualitativas para distinguir
los días hábiles del resto, aunque sin distinguir feriados ni fines de semana. Las
estaciones son divididas en seis meses (invierno-primavera y verano-otoño) y
en tres meses de forma convencional, observando que el efecto de las variables
es diferente de acuerdo a la estación y los días.
Otras estimaciones con variables meteorológicas pueden encontrarse en Pardo
et al (2002), quienes proyectan la demanda diaria de energía eléctrica en España; Lee et al (2010), quienes analizan la influencia climática sobre el consumo
de energía en los sectores residenciales y comerciales en Hong Kong para el período 1970-2009; Wangpattarapong et al (2008), quienes estudian el consumo
de energía eléctrica en Bangkok; Mirasgedis et al (2006), quienes modelizan la
demanda de mediano plazo en Grecia; Akil y Miyauchi (2013b), quienes realizan
un análisis de picos de demanda para el área comercial en Japón; y Pezzulli et
al (2006), quienes proponen un modelo jerárquico bayesiano para predecir las
trayectorias de invierno a un año en el centro de Inglaterra y Gales.
Para el caso argentino, podemos citar el trabajo de Blancona et al (2000), quienes siguen un enfoque estructural de espacio de estado para describir el comportamiento de la demanda diaria promedio de energía eléctrica en Argentina
y realizar pronósticos a corto plazo. En su estudio utilizan variables cualitativas
para distinguir el efecto de los días hábiles y días feriados, como así también la
variable temperatura como variables explicativas.
A diferencia del trabajo de Blancona, en este trabajo se utiliza un enfoque basado
en un pool de estaciones de verano e invierno que permiten, además de lo anterior, medir los impactos macroeconómicos sobre la demanda de electricidad.
Para el caso
argentino, podemos citar
el trabajo de
Blancona et al
(2000), quienes
siguen un enfoque estructural de espacio de
estado para describir el comportamiento
de la demanda
diaria promedio
de energía eléctrica en Argentina y realizar
pronósticos a
corto plazo.
Finalmente, se destaca el estudio de Gutiérrez (2013) sobre la estimación de
la demanda de energía eléctrica en la provincia de Mendoza por sectores económicos (i.e. residencial, alumbrado público, riego agrícola), utilizando códigos
tarifarios e indicadores de actividad económica en modelos lineales.
4.
Metodología
Para el modelo teórico se utilizaron diferentes especificaciones a fines de
captar distintos efectos según los días de menor y mayor actividad. El modelo propuesto se presenta en (1):
Q=f(T,Y,D,Z) (1)
Donde Q es demanda de energía eléctrica diaria medida en gigawatts (GWh).
La temperatura media diaria en grados centígrados (°C) es representada por
T. Y es una variable determinística que captura el efecto crecimiento año a
año. Para la estimación del efecto específico de los días de la semana se utilizaron variables cualitativas D. Finalmente, Z capta otros factores asociados
al calendario (feriados nacionales, turísticos, entre otros).
D O C U M E N TO D E T R A B A J O N º 11
3. Para más detalle ver: https://
www.gov.uk/government/
uploads/system/uploads/attachment_data/file/295225/
Seasonal_variations_in_electricity_demand.pdf.
-7-
En lo que respecta a las estimaciones econométricas, se utilizaron especificaciones en niveles y en logaritmos, utilizando el método de Mínimos Cuadrados Ordinarios (MCO) para la estimación de los parámetros del modelo.
Cabe destacar que, dada la estructura de datos utilizada en el trabajo (frecuencia diaria), no es posible medir el impacto directo que tiene el nivel de
actividad económica sobre la demanda de electricidad, así como tampoco el
impacto de los precios de la electricidad y la inyección de nuevos usuarios
en la red eléctrica. Sin embargo, las variables binarias para los años captan
el efecto conjunto del crecimiento económico sobre la demanda de electricidad, esto es: actividad económica (efecto ingreso), efecto del mantenimiento
de las tarifas de electricidad (caída en términos reales), progreso tecnológico en el uso de artefactos eléctricos en el hogar e incorporación de nuevos
usuarios al sistema eléctrico interconectado.
Esto es así porque la estructura de datos propuesta para medir la contribución de la temperatura y el efecto crecimiento consiste en utilizar un pool de
estaciones y, por tanto, las diferencias en los niveles de demanda año tras
año se adjudican al efecto crecimiento económico. La estructura de datos no
permite separar la parte específica del efecto ingreso del resto de los factores.
En el Tabla N° 1 se presentan seis modelos para la estación invierno y seis modelos para la estación verano, mientras que en el Tabla N° 2 se detallan las
variables utilizadas.
En lo que respecta a las estimaciones econométricas, se
utilizaron especificaciones en
niveles y en logaritmos, utilizando el método de
Mínimos Cuadrados Ordinarios
(MCO) para la
estimación de los
parámetros del
modelo.
Tabla N° 1. Forma Funcional de Modelos Verano-Invierno
Cuadro N° 2. Descripción de variables
D O C U M E N TO D E T R A B A J O N º 11
-8-
En cuanto a los datos utilizados, partimos de las series diarias públicas de demanda
de energía eléctrica y temperatura media que releva la Compañía Administradora del
Mercado Mayorista Eléctrico (CAMMESA). Teniendo en cuenta que más del 90% de
la demanda de energía eléctrica de la República Argentina es abastecida por el Mercado Eléctrico Mayorista, siendo CAMMESA la encargada de determinar las centrales que entrarán en funcionamiento y de cumplir funciones de fiscalización (Blacona
et al, 2000), se trata de una fuente suficientemente representativa.
Esto permitió armar pooles de datos para las estaciones de verano (del 21 de diciembre hasta el 20 de marzo) e invierno (del 21 de junio hasta el 20 de septiembre), abarcando el período 2004-2014.
4.1 Modelo de Demanda Estacional de
Energía Eléctrica
En el presente acápite presentamos los modelos propuestos. Dado que los modelos estacionales revisten la misma lógica, tomaremos por caso la estación verano
evitando la presentación para la estación invierno. El único cambio que se registra
por el período utilizado, ya que contamos con un período más para esta última, es
la cuenta de las sumatorias que en este caso van de 2005 a 2014.
En la ecuación (V2) se presenta el modelo en niveles correspondiente para verano. Asimismo, la ecuación (V4) muestra el mismo modelo pero calculando
semi-elasticidades, lo que permite observar variaciones porcentuales frente a variaciones térmicas.
(V2)
(V4)
El subíndice j computa los años, mientras que el subíndice t representa los días.
La estructura es un pool de datos para las estaciones de verano, abarcando el
período 2005-2014. La información cualitativa de la especificación del modelo de
demanda comprende variables binarias para años (Yj, base 2005), variables binarias para días (Dj, base domingo) y variables binarias para feriados inamovibles
(FIj), días no laborables (NLj) y feriados turísticos (FTj).
Dado que los
modelos estacionales revisten la misma
lógica, tomaremos por caso la
estación verano evitando la
presentación
para la estación invierno.
El único cambio
que se registra
por el período
utilizado, ya
que contamos
con un período
más para esta
última, es la
cuenta de las
sumatorias que
en este caso
van de 2005
a 2014.
Los parámetros del modelo expresado en niveles se interpretan en términos de
variaciones en unidades físicas. De esta manera, como veremos más adelante,
un aumento de 1°C en la temperatura en verano se asocia a un aumento de la
demanda en 6,9 GWh en el modelo V2:
Los parámetros del modelo semi-logarítmico (semi-elasticidades) se interpretan en
términos de variaciones porcentuales a partir de variaciones en unidades físicas. Por
lo tanto, una variación de 1°C en la temperatura en verano provoca un aumento de la
demanda de energía de 1,99 puntos porcentuales, de acuerdo al modelo V4:
D O C U M E N TO D E T R A B A J O N º 11
-9-
A partir de los Gráficos N° 1 y 2 de la sección anterior, podemos testear la presencia de cambio estructural durante el período. Las ecuaciones (V5) y (V6)
presentan los modelos con cambio estructural, en niveles y semi-elasticidades
respectivamente, correspondientes al período del año de verano.
(V5)
(V6)
La parametrización del cambio estructural en el impacto de la temperatura sobre la demanda de electricidad comprende la incorporación de interacciones
entre las variables binarias para los años y la temperatura, a partir de lo cual, las
variaciones físicas deben ser interpretadas a partir de la ecuación (2). La variación de 1°C en j-ésimo año significa una variación de  GWhs:
El modelo para
verano en
niveles de mayor
calidad de
acuerdo al AIC
es el V6 en niveles
y V5 en semilogaritmos.
(2)
Para la especificación semi-logarítmica, el impacto de la temperatura media sobre la demanda de electricidad se computa según la ecuación (3):
(3)
5.
Principales Resultados de los
Modelos Estimados
5.1 Modelos de Demanda Verano. Resultados en Niveles
El modelo para verano en niveles de mayor calidad de acuerdo al AIC4 es el V6 en niveles y V5 en semi-logaritmos (ver Tab la N° 3). El V6 muestra una contribución marginal
positiva de 7,0 GWh promedio para todo el período y de 11,4 GWh en 2014 por cada 1°C
de temperatura adicional.
Los días domingos son los de menor consumo eléctrico (125,2 GWh) mientras que los
niveles máximos se registran los días miércoles (180,6 GWh; 20 p.p. más que el día
base), aunque sin grandes diferencias respecto a los días martes y jueves. Los días no
laborables y los feriados turísticos no dieron resultados significativos, mientras que los
feriados inamovibles reflejan variaciones promedio de -58,9 GWh respecto a los días
domingos (base).
Tomando como base la demanda de 2005 (días domingos), los cambios de nivel en la
demanda de energía autónoma para el resto de los años no son significativos, salvo para
2007 y 2014, que muestran una variación de 53 GWh y de -47,9 GWh, respectivamente. Simultáneamente, observamos que la contribución marginal de la temperatura en el
consumo eléctrico a partir de 2009 es significativa para todos los años.
D O C U M E N TO D E T R A B A J O N º 11
4. El criterio de información
de Akaike (AIC) permite comparar especificaciones alternativas de modelos contemplando, por un lado, la bondad
del ajuste y, por otro lado, la
penalidad por el agregado de
parámetros adicionales.
- 10 -
Esto indica que para 2007, los factores explicativos de cambios respecto al año base
fueron ajenos a la temperatura, mientras que a partir de 2009 a 2013, tuvieron que ver
únicamente con las variaciones térmicas. En 2014 tanto la temperatura como el resto
de los factores son significativos, pero con signo contrario: la temperatura refleja un aumento de la demanda de 7,1 GWh por 1°C adicional, mientras que el resto de los factores
explican una caída de -47,9 GWh, en ambos caso respecto al día y año base.
5.2 Resultados en Semi-Elasticidades
En cuanto a los resultados de las semi-elasticidades de V5 de la Tabla N° 3, por
cada 1°C de aumento de la temperatura, se registró un aumento de 2 p.p. promedio
en la demanda para todo el período, que asciende a 3 p.p. desde 2010 en adelante.
Analizando los días hábiles en relación al día domingo (día base), vemos que
de martes a jueves se registra un consumo eléctrico un 17-18 p.p. mayor. Los feriados inamovibles representan una caída en el consumo de un 19 p.p. respecto
al día domingo. Por su parte, el comportamiento de la demanda autónoma por
años, a diferencia del modelo en niveles, muestra aumentos significativos5 para
2007-2008 y para 2011-2013, entre 14 p.p. y 20 p.p. A partir de 2011, dichos
incrementos empiezan a descender. Estas variables capturan los factores explicativos de la demanda excluyendo la temperatura.
En los
resultados
de las semielasticidades,
por cada 1°C de
aumento de la
temperatura,
se registró un
aumento de 2 p.p.
promedio en la
demanda para
todo el período.
Tabla N° 3. Modelos de Demanda de Energía - Verano
5. Esto se debe a que al aplicar logaritmos en la demanda,
se reduce la varianza residual
y se gana en significatividad
estadística.
Fuente: elaboración propia en base a datos de CAMMESA.
D O C U M E N TO D E T R A B A J O N º 11
- 11 -
5.3 Modelos de Demanda Invierno. Resultados en Niveles
Los modelos para invierno en niveles (I6) y en semi-logaritmos (I5), ambos con
testeo de cambio estructural, fueron los mejores, seleccionados de acuerdo al
AIC (ver Tabla N° 4). La contribución marginal de la variación negativa de la
temperatura (-1°C) en invierno indica un aumento del consumo eléctrico de 3,8
GWh promedio para todo el período y de 5,35 GWh para 2014 en particular.
La comparación de días indica que los de mayor consumo van de martes a viernes: 55-56,6 GWh por encima del día domingo. Tanto los feriados inamovibles
como los trasladables muestran el signo negativo esperado y son significativos
estadísticamente, con reducciones en el nivel de la demanda de energía eléctrica por 32,2 GWh y 52,4 GWh, respectivamente.
Al contar con un período más de observación, el año base es el 2004. En este
caso, todos los años muestran incrementos estadísticamente significativos de
la demanda autónoma. El incremento año a año del consumo eléctrico explicado por factores ajenos a la temperatura es sostenido para el período, mostrando
estancamiento en 2009 y 2012-2013. El nivel de demanda máximo alcanzado
fue en 2014 con 411 GWh.
Los modelos
para invierno
en niveles (I6) y
en semi-logaritmos (I5), ambos
con testeo de
cambio estructural, fueron
los mejores, seleccionados de
acuerdo al AIC.
Finalmente, se registró un cambio estructural en la contribución marginal de la temperatura a partir de 2010, alcanzando un máximo y luego mostrando desaceleración hasta 2014, cuando vuelve a crecer. Este hecho puede estar asociado a otros
factores vinculados a la demanda de electricidad no captados en la especificación
del modelo (tales como la cantidad de días consecutivos en los cuales la temperatura estuvo por encima de determinado umbral o bien alguna no linealidad en la
relación entre la demanda y la temperatura). Esto indica que los factores que contribuyeron al incremento de la demanda tienen que ver con la temperatura y el resto
de los factores capturados en las variables determinísticas.
5.4 Resultados en Semi-Elasticidades
Para el período analizado la contribución marginal promedio de variaciones
negativas de la temperatura fue de 1,14 p.p., alcanzando 1,4 p.p. en 2014.
El modelo en semi-logaritmos muestra una contribución marginal positiva
aproximada de 1,1 p.p. por cada 1°C de disminución en la temperatura.
Para los días hábiles, se registra un aumento de la demanda promedio de
18% entre martes y viernes respecto a los días domingo. Por su parte, los
feriados inamovibles y trasladables muestran caídas en la demanda de energía eléctrica del 10 p.p. y 17 p.p., respectivamente (ver Tabla N° 4). Se observa el crecimiento sostenido del impacto de las variaciones térmicas sobre la
demanda de energía año a año, excepto para 2012 y 2013.
D O C U M E N TO D E T R A B A J O N º 11
- 12 -
Tabla N° 4. Modelos de Demanda de Energía - Invierno
De manera adhoc, consideraremos ola de
calor cuando
se identifican
al menos tres
días consecutivos con la temperatura por
encima del promedio del verano de dicho
año, mientras
que una ola de
frío se identificará con al
menos tres días
consecutivos
de temperaturas por debajo
del promedio
del invierno de
dicho año.
Fuente: elaboración propia en base a datos de CAMMESA.
6.
Impacto de las Olas de Calor y las Olas de Frío
En las secciones anteriores se observó el rol de la temperatura en la demanda
de energía eléctrica en las estaciones de verano y de invierno. Asimismo, se intentó aislar otros factores explicativos a partir de variables determinísticas, pudiendo determinar que la temperatura juega un rol más importante en verano.
Por otro lado se observa en esta estación, a diferencia del invierno, menores
niveles de demanda autónoma. Contrariamente, las variaciones térmicas no
juegan un rol tan importante durante el invierno donde el consumo eléctrico
aumenta por otros factores (i.e. iluminación vía pública). A tal efecto un factor
D O C U M E N TO D E T R A B A J O N º 11
- 13 -
relevante a incluir en una instancia posterior es alguna medida de luminosidad
como variables de control a la relación entre la demanda y la temperatura.
Otro factor importante para analizar es el impacto de la cantidad de días consecutivos en los que se registra temperaturas extremas sobre la demanda energética. De
manera ad-hoc, consideraremos ola de calor cuando se identifican al menos tres
días consecutivos con la temperatura por encima del promedio del verano de dicho
año, mientras que una ola de frío se identificará con al menos tres días consecutivos
de temperaturas por debajo del promedio del invierno de dicho año.
A continuación contabilizamos las olas de calor y de frío para el período 2005-2014:
Tabla N° 5. Olas de Calor y Olas de Frío. 2005-2014
A partir de 2011
se observa un
aumento de la
cantidad de
olas de calor,
llegando a
29 en 2012 y
alcanzando
a 24 en los
veranos de
2011 y 2014.
Fuente: elaboración propia en base a datos de CAMMESA.
En la Tabla N° 5 (izquierda), la temperatura promedio en verano no presenta
variaciones sustanciales desde 2005 en adelante. Sin embargo, a partir de 2011
se observa un aumento de la cantidad de olas de calor registradas, llegando a
29 en 2012 y ubicándose en un segundo lugar los veranos de 2011 y 2014 con
24 cada uno.
La parte derecha de la tabla muestra una caída tendencial de olas de frío, registrándose un pico en 2009. En los últimos dos inviernos se registró una menor
cantidad de olas de frío que en el resto del período, destacándose el invierno de
2014 y la temperatura promedio más alta del período bajo análisis.
A partir de los modelos semi-logarítmicos desarrollados en la sección anterior,
se incorpora el componente #Días que mide el efecto de las olas de calor y las
olas de frío en la demanda de energía eléctrica para las dos estaciones.
La Tabla N° 6 muestra los resultados para verano, Modelo A, y para invierno,
Modelo B, denotando que la cantidad de días consecutivos de temperaturas
extremas #Día no es estadísticamente significativa para verano, aunque sí para
invierno. En promedio, una ola de frío incrementa la demanda de energía eléctrica en 1,6 p.p.:
D O C U M E N TO D E T R A B A J O N º 11
- 14 -
Tabla N° 6. Modelo con Olas de Calor y Olas de Frío
en Semi-Elasticidades. 2005-2014
La elevada participación de
los usuarios
residenciales
dentro de la demanda total de
energía eléctrica deriva en que
la temperatura
adquiera un rol
determinante
en el consumo
energético
del país.
Fuente: elaboración propia en base a datos de CAMMESA.
7.
reflexiones finales
En el presente trabajo se analiza el comportamiento de la demanda estacional de
energía eléctrica en verano y en invierno para el período 2004-2014. Para ello se
proponen dos modelos en función de la temperatura y variables determinísticas
que permitan diferenciar los días hábiles, fines de semana y feriados, aislando los
factores explicativos del consumo eléctrico.
La elevada participación de los usuarios residenciales dentro de la demanda total
de energía eléctrica deriva en que la temperatura adquiera un rol determinante
en el consumo energético del país. Ante temperaturas extremas, la demanda
de electricidad aumenta notablemente, exigiendo al sistema eléctrico nacional
y eventualmente provocando cortes temporales de suministro para los usuarios
industriales. A su vez, para aumentar la oferta disponible de energía, el Estado debe importar combustibles en los períodos de temperaturas extremas, lo
cual puede profundizar la escasez de divisas. Es por esto que resulta de gran importancia analizar la incidencia de la temperatura en la demanda energética de
electricidad a través de modelos que permitan prever situaciones coyunturales y
D O C U M E N TO D E T R A B A J O N º 11
- 15 -
planificar políticas energéticas de largo plazo.
La principal diferencia entre las estimaciones para verano e invierno radica en la
incidencia de la temperatura. En el primer caso, la demanda autónoma de energía
eléctrica es aproximadamente la mitad de la de invierno, aunque el aumento del consumo eléctrico por cambio unitario en la temperatura es poco menos del doble en
el verano respecto al invierno (6,99 GWh y 3,78 GWh promedio, respectivamente).
A su vez, para ambas estaciones se observa un fuerte incremento de la contribución marginal de la temperatura en la demanda de energía eléctrica desde 2010
en adelante, marcando la mayor incidencia que tiene el componente climático
en la demanda residencial año a año; o bien la menor incidencia de las variables
determinísticas a la hora de explicar la dinámica de la demanda de energía eléctrica.
Esto podría explicarse en base al fuerte incremento de los últimos años de artefactos
acondicionadores de aire por hogar. Asimismo, las olas de frío representan un componente significativo a la hora de analizar la pendiente de la demanda de energía
eléctrica en invierno.
Los resultados obtenidos permiten comprender con mayor precisión la incidencia de la temperatura en la demanda de energía eléctrica, y posibilitan a su
vez prever y proyectar la demanda eléctrica total estacional, contribuyendo a la
toma de decisiones de política energética y económica en el actual contexto de
déficit energético
D O C U M E N TO D E T R A B A J O N º 11
para ambas estaciones se observa un fuerte
incremento de
la contribución
marginal de la
temperatura en
la demanda de
energía eléctrica desde 2010
en adelante.
- 16 -
anexo
Modelos de Verano. Resultados en Niveles 2005-2014
Modelo de Invierno. Resultados en Niveles 2004-2014
Fuente: elaboración propia en base a datos de CAMMESA.
D O C U M E N TO D E T R A B A J O N º 11
- 17 -
BIBLIOGRAFÍA
Akil, Y. S. y Miyauchi, H. (2013a). “Seasonal Regression Models for Electricity Consumption Characteristics
Analysis”. Engineering 5(01): 108-114.
Akil, Y. S. y Miyauchi, H. (2013b). “Seasonal Peak Electricity Demand Characteristics: Japan Case Study”.
International Journal of Energy and Power Engineering 2(3): 136-142.
Bhattacharyya, S. C. y Timilsina, G. R. (2009). “Energy demand models for policy formulation: A comparative study of energy demand models”. World Bank Policy Research Working Paper Series, WPS4866.
Blacona, M. T. y Abril, J. C. (2000). “Modelo estructural de espacio de estado para la demanda diaria promedio de energía eléctrica en la república Argentina”. Asociación Argentina de Economía Política (AAEP).
Disponible: http://www.aaep.org.ar/espa/anales.
Crowley, C. y Joutz, F. L. (2005). “Weather effects on electricity loads: Modeling and forecasting”. Department of Economics, George Washington University.
Erdogdu, E. (2007). “Electricity demand analysis using cointegration and ARIMA modelling: A case study of
Turkey”. Energy Policy 35(2): 1129-1146.
Jorgensen, J. B. y Joutz, F. (2012). “Modelling and forecasting residential electricity consumption in the US mountain
region”. George Washington University Research Program on Forecasting Working Paper, (2012-003).
Lee, T. C., Kok, M. H. y Chan, K. Y. (2010). “Climatic influences on the energy consumption in domestic and
commercial sectors in Hong Kong”. 16th Annual International Sustainable Development Research Conference, May 30 to June 1, 2010, Hong Kong.
Mirasgedis, S., Sarafidis, Y., Georgopoulou, E., Lalas, D. P., Moschovits, M., Karagiannis, F. y Papakonstantinou, D. (2006). “Models for mid-term electricity demand forecasting incorporating weather influences”.
Energy 31(2): 208-227.
Pardo, A., Meneu, V. y Valor, E. (2002). “Temperature and seasonality influences on Spanish electricity
load”. Energy Economics 24(1): 55-70.
Pezzulli, S., Frederic, P., Majithia, S., Sabbagh, S., Black, E., Sutton, R. y Stephenson, D. (2006). “The seasonal forecast of electricity demand: A hierarchical Bayesian model with climatologically weather generator”.
Applied Stochastic Models in Business and Industry 22(2): 113-125.
Pindyck, R. S. (1979). The structure of world energy demand. MIT Press.
Wangpattarapong, K., Maneewan, S., Ketjoy, N. y Rakwichian, W. (2008). “The impacts of climatic and
economic factors on residential electricity consumption of Bangkok Metropolis”. Energy and Buildings
40(8): 1419-1425.
D O C U M E N TO D E T R A B A J O N º 11
- 18 -