análisis estratégico de la instalación de nueva capacidad de

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
PROYECTO FIN DE CARRERA
ANÁLISIS ESTRATÉGICO DE LA
INSTALACIÓN DE NUEVA
CAPACIDAD DE GENERACIÓN
ELÉCTRICA MEDIANTE BUSINESS
DYNAMICS
AUTOR: JORGE LLERENA DÍAZ
MADRID, Junio 2006
Autorizada la entrega del proyecto al alumno:
Jorge Llerena Díaz
DIRECTORES DEL PROYECTO
Efraim Centeno Hernáez
Juan José Sánchez Domínguez
Ignacio Hoyos Irisarri
Fdo:
Fecha:
Vº Bº del Coordinador/a de Proyectos
Claudia Meseguer Velasco
Fdo:
Fecha:
Agradecimientos
iii
Agradecimientos
Quiero expresar mi más sincero agradecimiento a mis Directores de proyecto,
Efraim Centeno Hernáez, Juan José Sánchez Domínguez e Ignacio Hoyos Irisarri, los
cuales me han brindado su apoyo, ánimo y consejos de incalculable valor, a lo largo de
todo este año de trabajo. Sin su colaboración la ejecución de este proyecto de fin de
carrera no hubiera sido posible.
Me gustaría también expresar mi más profundo agradecimiento a mi familia, mis
padres y mi hermana, que me han acompañado, animado y ayudado, ofreciéndome
todo aquello que estaba en sus manos.
Por último me gustaría expresar mi agradecimiento a mis amigos y compañeros por
el día a día, con los que me he desarrollado estos años, y al Instituto Católico de Artes e
Industrias (ICAI) de la Universidad Pontificia Comillas.
Resumen
iv
Resumen
El presente proyecto aborda el problema de la expansión de la capacidad de la
generación eléctrica. Para afrontar el problema se desarrolla un modelo basado en la
técnica de simulación Business Dynamics, con el que se estudia la planificación a largo
plazo de los activos de generación eléctrica de los agentes. El modelo simula cómo se
producen las inversiones en nuevos activos en función de una serie de criterios que van
desde la rentabilidad de inversiones hasta criterios más estratégicos, todo ello bajo
restricciones de diversa índole: técnicas, económicas, regulatorias o estratégicas. Este
modelo se ha aplicado a un caso estudio cuyo objetivo es el estudio de la rentabilidad
de un nuevo agente en el sector, frente a una serie de escenarios de concentración
empresarial. Este caso estudio refleja una preocupación latente en la actualidad del
sector eléctrico español debido a las últimas ofertas de adquisición de activos de
Endesa por parte de Gas Natural y E.On.
La motivación del proyecto surge dada la liberación del sector eléctrico, donde las
decisiones de inversión en activos de generación son responsabilidad de los agentes
generadores. Los reguladores, por su parte, pasan a ser responsables ahora del
establecimiento de un marco legal-regulatorio que garantice un funcionamiento
eficiente del sector. Agentes generadores y reguladores se encuentran en un entorno
complejo, incierto y donde la información no es completa. La motivación surge
precisamente dada esta complejidad que aparece en la toma de decisiones de largo
plazo (inversiones por parte de los agentes y establecimiento de un marco regulatorio
adecuado para ellas por parte de los reguladores). El proyecto aporta una nueva
herramienta de ayuda para ambos en este sentido y presenta además un caso estudio
de interés actual.
En el proyecto se lleva a cabo la explicación del problema de la expansión de la
capacidad en mercados eléctricos, detallando los criterios de decisión y los elementos
implicados. Se introduce también la técnica Business Dynamics que se utiliza para el
modelado del problema de la expansión.
El modelo desarrollado consta de cuatro módulos principales. Cada uno de ellos
describe un aspecto fundamental en el proceso de toma de decisiones de inversión en
Resumen
v
nueva capacidad de generación. El primero representa la casación del mercado diario
de electricidad, permitiendo obtener precios del mercado y producciones de los grupos
del sistema. El segundo, a partir de estos resultados realiza previsiones de precios de
mercado futuros. Estas previsiones son utilizadas por el tercer módulo para evaluar la
rentabilidad de posibles nuevas inversiones y tomar decisiones en este aspecto. Por
último, el cuarto módulo simula el proceso de construcción de las inversiones
decididas (obtención de licencias y construcción de las plantas). Junto a estos módulos
se desarrollan otros auxiliares que son utilizados para facilitar la gestión de datos y el
análisis de resultados.
El caso estudio elaborado en este proyecto tiene como objetivo el estudio de la
rentabilidad de las inversiones de un nuevo entrante en el sistema ante distintos
escenarios de concentración del mercado. Se considera un sistema eléctrico de
características similares al español en cuanto estructura del parque generador,
demanda, costes, etc. Debido a la inclusión en el modelo de un mercado de emisiones
de CO2, se ha llevado a cabo un análisis de sensibilidad previo del precio de dichas
emisiones sobre un caso base. Este análisis se ha utilizado para justificar la elección de
un escenario concreto de precios de CO2 para el caso estudio.
Seleccionado un escenario de precios de CO2, se plantean cuatro escenarios de
concentración de activos de generación para su comparación.
ƒ
El primer escenario o caso base representa la adquisición de Endesa por parte de
la compañía alemana E.ON. Refleja también la situación actual del sistema, debido a
que el reparto de activos entre agentes del sistema español no cambia, al no poseer
la compañía alemana grupos en dicho sistema eléctrico.
ƒ El segundo escenario simula la reciente OPA hostil de Gas Natural sobre Endesa,
en caso de que ésta saliese adelante, con la salvedad de no tener en cuenta las
posibles desinversiones a las que se viese obligada la empresa resultante de la OPA.
ƒ El tercer escenario, representa una hipotética fusión de Endesa e Iberdrola.
ƒ El cuarto y último escenario representa una hipotética OPA de Gas Natural sobre
Iberdrola.
En el proyecto se sacan conclusiones sobre la rentabilidad de un nuevo entrante en
función del mapa de activos, así como sobre el aumento de la concentración del
mercado y la variación en los precios de la electricidad, inversiones, margen de reserva
Resumen
vi
y balance energético entre los escenarios con el caso base y entre los escenarios
finalmente.
Los resultados de los casos estudio han confirmado efectos esperados sobre la
rentabilidad de un nuevo agente, además de señalar fenómenos menos intuitivos en el
comportamiento del sistema. En caso de mayor concentración en el mercado los
precios de la electricidad y la rentabilidad esperada por parte de un nuevo agente
suben, pero tiene un efecto adverso sobre la factura del consumidor final.
Con este proyecto se cubren los objetivos planteados para el mismo, y se abren
además nuevas líneas de continuación en la investigación del problema de la
expansión de la capacidad de generación en mercados eléctricos liberalizados.
Summary
vii
Summary
The present project deals with the problem of the capacity expansion of the electric
generation. A model based on the Business Dynamics simulation technique is
developed to face the problem, with which the planning for a long-term objective of
the assets of the electric generation agents is studied. The model pretends how the
investments in new assets are produced regarding several criteria which include the
profitability of investments up to more strategic criteria, all that under restrictions such
as : technical, economical, regular or strategic. This model has been applied to a case
study whose objective is the study of the profitability of a new agent in the sector
facing, a series of company concentration scenarios. This study case reflects a current
worry in the Spanish electric sector due to the last offers of acquisition of actives of
Endesa by Gas Natural and E.On.
The motivation of the project arises from the liberalization of the electric sector the
decisions of investments in assets of generation are responsibility of the generator
agents. The regulators are then responsible now for the establishment of a regulatory –
legal framework that guarantees an efficient working of the sector. Generators and
regulators agents are in a complex and uncertain environment where the information is
not perfect. The motivation of the project arises precisely of this complexity which
appears in the long-term making decisions (investments by the agents and
establishment of an adequate regulatory frame for them by the regulators). The project
contributes a new tool of help for both as well as it presents a study case of current
interest.
In the project the description of the problem of the electric markets expansion
capacity is carried out, giving details about the decision criteria and the implied
elements. The technique Business Dynamics is also introduced and it is used for the
expansion problem model.
The model developed consists of four main modules and each one of them describes
a basic aspect in the process of making decisions of investments in a new capacity of
generation. The first one represents the clearing of the electricity daily market,
obtaining market prices and productions of the system groups. The second one makes
predictions of prices of future markets from these results. These predictions are used
Summary
viii
by the third module to evaluate the profitability of possible new investments and
making decisions. The four module simulates the process of construction of the
decided investments (permits obtainment and construction of floors). Besides these
modules other auxiliary ones are developed to make easy the data management and
the analysis of results.
The case study elaborated in this project has as an objective the study of the
profitability of the investments in a new agent in the system in different scenarios of
market concentration. It is considered an electric system of similar features to the
Spanish one regarding structure of the generators, demand, costs, etc. Due to the
inclusion in the model of a market of emissions of CO2, an analysis of previous
sensibility of the price of such emissions over a case base has been carried out. This
analysis has been used to justify the election of a particular scenario of CO2 prices for
the study case.
After selecting a scenario of prices of CO2, four scenarios of concentration of assets
of generation for its comparison are considered:
ƒ The first scenario or base case represents the acquisition of Endesa by the
German company E.ON. It also reflects the current system situation since the
distribution of assets among agents of the Spanish system does not change as the
German company does not own groups in this electric system.
ƒ The second scenario simulates the current hostile public takeover offer of
Gas Natural over Endesa, in case this would develop, with the exception of
not taking into account the possible disinvestments the resultant company of
the OPA would have to do.
ƒ The third scenario represents a hypothetical merger of Endesa and
Iberdrola.
ƒ The fourth and last scenario represents a hypothetical public takeover
offer of Gas Natural over Iberdrola.
In the project conclusions are made about the profitability of a new agent regarding
the map of assets as well as about the raising of the market concentration and the
Summary
ix
variation in the prices of electricity, investments, margin of reserves and energetic
balance among the scenarios with the base case and the finally scenarios.
The results of the study cases have confirmed awaited effects about the profitability
of a new agent, as well as pointed out phenomenons less intuitive in the system
performance. If company concentration increases the market prices and profitability
expects by a new agent will go up, but it has an adverse effect on final consumer
payment.
With this project the objectives faced are covered and new lines of continuation in
the investigation of the problem of the capacity expansion of generation in liberated
electric markets are opened.
Índice
x
Índice
1 PROBLEMA DE LA EXPANSIÓN DE LA CAPACIDAD .......................................................... 2
1.1 Criterios de decisión .......................................................................................... 4
1.2 Parámetros o elementos implicados en la decisión ....................................... 7
1.2.1
Demanda
7
1.2.2
Características de los recursos y recursos disponibles
7
1.2.3
Aspectos estratégicos y regulatorios
7
1.2.4
Aspectos macroeconómicos
7
2 BUSINESS DYNAMICS ................................................................................................................... 9
2.1 Estructura elemental del sistema ................................................................... 11
2.1.1
Diagrama causal
11
2.1.2
Bucles de realimentación
13
2.1.3
Retrasos
15
2.2 Justificación del uso de Business Dynamics ................................................. 16
3 ESTRUCTURA DEL SECTOR, COMPETENCIA, CONCENTRACIÓN Y OPAS.............. 17
3.1 Estructura del sector, competencia y concentración ................................... 17
3.2 OPAs y fusiones................................................................................................ 19
4 MOTIVACIÓN PARA LA REALIZACIÓN DEL PROYECTO................................................ 21
5 OBJETIVOS DEL PROYECTO ...................................................................................................... 24
6 FASES DEL PROYECTO................................................................................................................. 25
7 DESCRIPCIÓN DEL MODELO .................................................................................................... 27
7.1 Características generales del Modelo ............................................................ 27
7.1.1
Horizonte temporal
27
7.1.2
El Mercado
27
7.1.3
Características de los generadores del mercado
28
7.1.4
Oferta
28
7.1.5
Demanda
29
7.1.6
Previsiones
29
7.1.7
Decisiones
29
7.1.8
Construcciones
29
7.2 Diagrama causal .............................................................................................. 30
8 MODELO ........................................................................................................................................... 31
Índice
xi
8.1 Codificación y aclaraciones de Vensim......................................................... 33
8.2 Módulo de Mercado. MARKET ..................................................................... 34
8.2.1
Descripción
34
8.2.2
Entrada y salida de datos
35
8.2.3
Diagrama causal del Módulo Mercado
35
8.2.4
Submódulo Casación. Market Clearing
36
8.2.5
8.2.4.1
Datos de entrada ..................................................................................................................... 36
8.2.4.2
Operaciones ............................................................................................................................. 36
8.2.4.3
Datos de salida ........................................................................................................................ 40
8.2.4.4
Vista de la casación ................................................................................................................. 40
Submódulo de Oferta. Market Bid
41
8.2.5.1
Datos de entrada ..................................................................................................................... 41
8.2.5.2
Operaciones ............................................................................................................................. 42
8.2.5.3
Salidas....................................................................................................................................... 42
8.2.5.4
Vista de Oferta......................................................................................................................... 42
8.2.6
Submódulo Must run. Market Must run
43
8.2.7
Submódulo Hidráulica fluyente. Market Hydro ror
44
8.2.8
Submódulo Hidráulica modulable. Market Hydro storage
45
8.2.9
Submódulo Potencia Térmica no especulativa. Market Termal not speculative suplí
46
8.2.10
Submódulo Potencia Térmica especulativa. Market Termal speculative supply
47
8.2.11
Submódulo Sobreoferta. Market Surcharge
47
8.2.12
Submódulo Retroalimentación. Market Feedback
50
8.3 Módulo Previsiones. FORECAST................................................................... 51
8.3.1
Descripción
51
8.3.2
Entrada y salida de datos
51
8.3.3
Diagrama causal del Módulo Previsiones
52
8.3.4
Submódulo Cálculo de Previsiones. Forecast Price
52
8.3.4.1
8.3.5
Operaciones ............................................................................................................................. 52
Vista de la previsión
54
8.4 Módulo Decisiones. DECISIONS ................................................................... 55
8.4.1
Descripción
55
8.4.2
Entrada y salida de datos
57
8.4.3
Diagrama causal del Módulo Decisones
58
8.4.4
Submódulo Petición de permisos. Decisions request permits
58
8.4.5
8.4.4.1
Datos de entrada ..................................................................................................................... 58
8.4.4.2
Operaciones ............................................................................................................................. 58
8.4.4.3
Datos de salida ........................................................................................................................ 61
8.4.4.4
Vista de petición de permisos................................................................................................ 61
Submódulos para el VAN. Decisions VAN and Margin
62
Índice
xii
8.5 Módulo Nuevas Inversiones. CONSTRUCTIONS ...................................... 63
8.5.1
Descripción
63
8.5.2
Entrada y salida de datos
63
8.5.3
Diagrama causal del Módulo Construcciones
63
8.6 Módulos Auxiliares.......................................................................................... 64
8.6.1
Rentabilidad de un Nuevo entrante. IPP PROFIABILITY
64
8.6.2
Índice de concentración. HERFINDAHL INDEX
65
8.6.3
Cuadro de Mandos. BALANCED SCORECARD.
65
8.6.3.1
Indicadores del Módulo Mercado......................................................................................... 65
8.6.3.2
Indicadores del Módulo Previsiones .................................................................................... 66
8.6.3.3
Indicadores del Módulo Decisiones ..................................................................................... 66
8.6.3.4
Indicadores del Módulo Construcción................................................................................. 66
8.6.3.5
Indicadores del Módulo IPP .................................................................................................. 66
8.6.3.6
Indicadores del Sistema y Balance Energético .................................................................... 66
8.6.3.7
Vista del cuadro de mando.................................................................................................... 68
9 CASO ESTUDIO. CASO BASE ..................................................................................................... 70
9.1 Descripción del caso base................................................................................ 71
9.1.1
Estructura del parque generador inicial
71
9.1.2
Demanda
73
9.1.3
Costes, subsidios y CO2
74
9.1.4
Oferta hidráulica
75
9.1.5
Otras consideraciones de interés
76
9.2 Resultados principales del caso base............................................................. 78
9.2.1
Precio del mercado
78
9.2.2
Margen de reserva
80
9.2.3
Nuevas inversiones
81
9.2.4
Balance Energético
83
9.2.5
Concentración del mercado
85
9.2.6
Rentabilidad de un nuevo entrante o IPP
87
9.3 Análisis de sensibilidad del caso base........................................................... 89
9.3.1
9.3.2
Caso 1. Precio CO2 a 11 €/TCO2.
89
9.3.1.1
Precio de mercado................................................................................................................... 89
9.3.1.2
Margen de reserva .................................................................................................................. 91
9.3.1.3
Nuevas inversiones................................................................................................................. 91
9.3.1.4
Balance energético................................................................................................................... 92
9.3.1.5
Concentración de mercado .................................................................................................... 93
9.3.1.6
Rentabilidad de un nuevo entrante o IPP ............................................................................ 94
Caso 2. Precio CO2 a 27 €/TCO2.
95
Índice
xiii
9.3.3
9.3.4
9.3.2.1
Precio de mercado................................................................................................................... 95
9.3.2.2
Margen de reserva .................................................................................................................. 96
9.3.2.3
Nuevas inversiones................................................................................................................. 97
9.3.2.4
Balance energético................................................................................................................... 97
9.3.2.5
Concentración de mercado .................................................................................................... 98
9.3.2.6
Rentabilidad de un nuevo entrante o IPP ............................................................................ 99
Comparación del análisis de sensibilidad
100
9.3.3.1
Precio de mercado................................................................................................................. 101
9.3.3.2
Margen de reserva ................................................................................................................ 101
9.3.3.3
Nuevas Inversiones............................................................................................................... 101
9.3.3.4
Concentración de mercado .................................................................................................. 101
Justificación del precio del CO2 en el caso base
101
10 ESCENARIOS ................................................................................................................................. 103
10.1 E.ON ............................................................................................................... 104
10.2 OPA de Gas Natural sobre Endesa.............................................................. 105
10.2.1
Precio de mercado
106
10.2.2
Nuevas Inversiones
107
10.2.3
Margen de reserva y Balance Energético
108
10.2.4
Concentración del Mercado
108
10.2.5
Rentabilidad de un nuevo entrante o IPP
109
10.3 Fusión Endesa e Iberdrola............................................................................. 111
10.3.1
Precio de mercado
112
10.3.2
Nuevas Inversiones
114
10.3.3
Margen de reserva.
115
10.3.4
Concentración del Mercado
117
10.3.5
Balance Energético
117
10.3.6
Rentabilidad de un nuevo entrante o IPP
118
10.4 OPA Gas Natural sobre Iberdrola ............................................................... 120
10.4.1
Precio de mercado
120
10.4.2
Rentabilidad de un nuevo entrante o IPP
121
11 ANÁLISIS GLOBAL DE LOS RESULTADOS DE LOS ESCENARIOS ............................. 123
11.1 Rentabilidad de un IPP.................................................................................. 123
11.2 Concentración del mercado en escenarios.................................................. 125
11.3 Precio de mercado en escenarios ................................................................. 126
11.4 Nuevas inversiones en escenarios ............................................................... 129
11.5 Margen de reserva en escenarios ................................................................. 132
11.6 Balance energético.......................................................................................... 134
Índice
xiv
12 CONCLUSIONES DEL PROYECTO .......................................................................................... 136
12.1 Conclusiones del proyecto ............................................................................ 137
12.1.1
Precio de mercado y precio de emisiones de CO2
137
12.1.2
Margen de reserva
139
12.1.3
Nuevas inversiones
140
12.1.4
Concentración del mercado
140
12.1.5
Rentabilidad de un nuevo entrante o IPP
140
12.1.6
Comentario final
141
12.2 Sugerencias futuros proyectos ..................................................................... 142
13 BIBLIOGRAFÍA.............................................................................................................................. 145
A DATOS ............................................................................................................................................. 149
A.1 Sistema generador inicial .............................................................................. 149
A.2 Cálculo de la demanda .................................................................................. 152
B MODELO DE GARY...................................................................................................................... 155
B.1 Vistas Bloque Market. .................................................................................... 156
B.1.1
Vista 1
156
B.1.2
Vista 2
157
B.1.3
Vista 3
157
B.1.4
Vista 4
158
B.2 Vistas Bloque Agents. .................................................................................... 159
B.2.1
Vista 5
159
B.2.2
Vista 6
159
B.2.3
Vista 7
160
B.2.4
Vista 8
161
B.2.5
Vista 9
161
B.3 Estudio del interfaz para entrada de datos de Vensim............................. 162
B.4 RESULTADOS ................................................................................................ 163
B.4.1
Vista 1.
163
B.4.2
Vista 2.
164
B.4.3
Vista 4.
165
B.4.4
Vista 5.
165
Problema de la expansión de la capacidad
xv
Índice de Figuras
Figura 1. Competencia perfecta............................................................................................................... 4
Figura 2. Monopolio.................................................................................................................................. 5
Figura 3. Inversión .................................................................................................................................. 11
Figura 4. Diagrama causal de las inversiones en función de la cuota.............................................. 12
Figura 5. Bucle de retroalimentación negativa.................................................................................... 14
Figura 6. Bucle de realimentación positiva.......................................................................................... 14
Figura 7. Diagrama causal...................................................................................................................... 30
Figura 8. Esquema básico de inversión. Bloques principales............................................................ 31
Figura 9. Diagrama causal Mercado ..................................................................................................... 35
Figura 10. Curva de carga ...................................................................................................................... 37
Figura 11. Vista de la Casación. Market Clearing ............................................................................... 40
Figura 12. Vista de Oferta. Market Bid................................................................................................. 42
Figura 13. Vista Must run....................................................................................................................... 43
Figura 14. Vista Hidráulica fluyente..................................................................................................... 44
Figura 15. Vista Hidráulica modulable ................................................................................................ 45
Figura 16. Vista Potencia Térmica no especulativa............................................................................. 46
Figura 17. Vista Potencia Térmica especulativa .................................................................................. 47
Figura 18. Vista Sobreoferta ................................................................................................................... 49
Figura 19. Vista Retroalimentación....................................................................................................... 50
Figura 20. Diagrama causal Módulo Previsiones ............................................................................... 52
Figura 21. Previsión de precios con respecto precio de mercado ..................................................... 53
Figura 22. Previsión de precios típica de una año cualquiera........................................................... 54
Figura 23. Vista de la previsión. Forecast price................................................................................... 54
Figura 24. Diagrama causal Módulo Decisiones................................................................................. 58
Figura 25. Función para el cálculo de MW a solicitar su instalación................................................ 60
Figura 26. Vista de la petición de permisos. Decisions Request Permits......................................... 61
Figura 27. Diagrama causal Construcciones........................................................................................ 63
Figura 28. Ejemplo de acumulación de flujos de caja para IPP......................................................... 64
Figura 29. Vista del cuadro de mando.................................................................................................. 68
Figura 30. Precio de mercado caso base niveles 1 a 3......................................................................... 78
Figura 31. Precio de mercado caso base niveles 4 a 6......................................................................... 80
Figura 32. Margen de reserva caso base............................................................................................... 81
Figura 33. Licencias y entrada de nuevos grupos al sistema en el caso base .................................. 82
Figura 34. Relación precio, margen de reserva e inversiones en el caso base................................. 83
Figura 35. Potencia casada por las tecnologías en sistema para el caso base.................................. 84
Índice de Figuras
xvi
Figura 36. Potencia casada por las tecnologías térmicas en el caso base ......................................... 85
Figura 37. Cuota de mercado a lo largo del horizonte de los agentes en el caso base................... 86
Figura 38. Indice Herfindahl caso base ................................................................................................ 87
Figura 39. Rentabilidad de un IPP caso base ....................................................................................... 87
Figura 40. Precio de mercado para un precio de CO2 de 11€/TCO2 de las dos primeras
etapas ............................................................................................................................................. 89
Figura 41. Precio de mercado para un precio de CO2 de 11€/TCO2 en la tercera etapa............... 90
Figura 42. Comparación margen de reserva. Caso base y Caso 1 .................................................... 91
Figura 43. Nuevas licencias solicitadas para un precio de CO2 de 11€/TCO2 ............................... 92
Figura 44. Balance térmico energético para un precio de CO2 de 11€/TCO2 ................................. 93
Figura 45. Comparación de la concentración. Caso base y Caso 1 ................................................... 94
Figura 46. Comparación de VAN de un IPP. Caso base y Caso 1 .................................................... 95
Figura 47. Precio de mercado para un precio de CO2 de 27€/TCO2 de las dos primeras
etapas ............................................................................................................................................. 96
Figura 48. Comparación margen de reserva. Caso base y Caso 2 .................................................... 96
Figura 49. Nuevas licencias solicitadas para un precio de CO2 de 27€/TCO2 ............................... 97
Figura 50. Balance térmico energético de ciclos combinados para un precio de CO2 de
27€/TCO2 ...................................................................................................................................... 98
Figura 51. Comparación de la concentración. Caso base y Caso 2 ................................................... 99
Figura 52. Comparación de VAN de un IPP. Caso base y Caso 2 .................................................. 100
Figura 53. Variación del precio de mercado entre el escenario de OPA y el caso base para el
nivel 1........................................................................................................................................... 106
Figura 54. Licencias en la tercera etapa para el caso base................................................................ 107
Figura 55. Licencias en la tercera etapa para Gas Natural-Endesa................................................. 108
Figura 56. Comparación Índice Herfindahl, Caso base y GN-Endesa ........................................... 109
Figura 57.Comparación del VAN IPP, Caso base y GN-Endesa ................................................... 110
Figura 58. Variación de precio en punta laborable. Caso base y Fusión........................................ 112
Figura 59. Comparación de capacidad del sistema. Caso base y Fusión ....................................... 113
Figura 60. Variación de precio en llano laborable. Caso base y Fusión ......................................... 114
Figura 61. Comparación de las estrategias de inversión. Caso base y Fusión .............................. 115
Figura 62. Comparación del margen de reserva. Caso base y Fusión............................................ 116
Figura 63. Comparación Índice Herfindahl, Caso base y Fusión ................................................... 117
Figura 64. Balance energético térmico en la satisfacción de la demanda en el escenario de
Fusión .......................................................................................................................................... 118
Figura 65.Comparación del VAN IPP. Caso base y Fusión............................................................ 118
Figura 66. Comparación en los precios de mercado entre los escenarios de OPAs y el Caso
Base .............................................................................................................................................. 121
Figura 67. Comparación del VAN de un IPP para los escenarios de OPAs y Caso Base ............ 122
Problema de la expansión de la capacidad
xvii
Figura 68. Comparación del VAN de un IPP en escenarios ............................................................ 123
Figura 69. Comparación de la concentración del mercado en los escenarios ............................... 125
Figura 70. Comparación del precio de mercado en los escenarios................................................. 126
Figura 71. Comparación de las licencias entre escenarios ............................................................... 129
Figura 72. Comparación de la capacidad del sistema entre escenarios ......................................... 130
Figura 73. Comparación del margen de reserva entre escenarios .................................................. 132
Figura 74. Comparación de los ciclos en la satisfacción de la demanda en los escenarios ......... 134
Figura 75. Energía contratada en el mercado diario en Enero 2005. OMEL.................................. 152
Figura 76. Curva de carga mes de Enero 2005................................................................................... 152
Figura 77. Modelo de Gary. Actualización de la capacidad en el sistema .................................... 156
Figura 78. Modelo Gary. Casación del precio de la energía eléctrica............................................. 157
Figura 79. Modelo de Gary. Previsión de precios de Mercado ....................................................... 157
Figura 80. Modelo Gary. Cálculo de la rentabilidad esperada ....................................................... 158
Figura 81. Modelo Gary. Retraso de inversiones .............................................................................. 159
Figura 82. Modelo Gary. Capacida proyectada por los agentes ..................................................... 160
Figura 83. Modelo Gary. Cuota de Mercado de los agentes............................................................ 160
Figura 84. Modelo Gary. Cuota deseada por los agentes ................................................................ 161
Figura 85. Modelo de Gary. Nuevas inversiones decididas ............................................................ 161
Figura 86. Modelo Gary. Interfaz de usuario .................................................................................... 162
Figura 87. Modelo Gary. Potencia total y potencia de ciclos combinados .................................... 163
Figura 88. Modelo Gary. Balance Energético en el sistema ............................................................. 164
Figura 89. Modelo Gary. Precio del Pool ........................................................................................... 164
Figura 90. Modelo Gary. VAN anual en cada punto........................................................................ 165
Figura 91. Modelo Gary. Inversiones decididas por los agentes .................................................... 166
Figura 92. Modelo de Gary. Retraso en la entrada de las nuevas inversiones al sistema. .......... 166
Índice de Tablas
xviii
Índice de Tablas
Tabla 1. Ejemplo oferta de potencia. Mercado .................................................................................... 36
Tabla 2. Ejemplo precios ofertados. Mercado...................................................................................... 36
Tabla 3. Potencia total casada por cada precio .................................................................................... 37
Tabla 4. Potencia casada de cada grupo en bruto en el Mercado ..................................................... 38
Tabla 5. Potencia real casada por cada grupo en el Mercado............................................................ 39
Tabla 6. Ejemplo Costes y Potencias para sobreoferta ....................................................................... 48
Tabla 7. Ejemplo Coste Variable Medio y Potencia Acumulada para sobreoferta......................... 48
Tabla 8. Ejemplo de Sobreoferta en €/MWh ....................................................................................... 48
Tabla 9. Ejemplo del Máximo en función del criterio agresivo de inversión.................................. 59
Tabla 10. Potencia total y número de grupo entre (), para cada agente por tecnología ............... 72
Tabla 11. Demanda inicial en MW. L: laborable y F: Festivo ............................................................ 73
Tabla 12. Costes, subsidios y CO2 del caso base.................................................................................. 74
Tabla 13. CAMP caso base ..................................................................................................................... 77
Tabla 14. Tiempo de construcción y tamaño de grupos estándar para el caso base ...................... 77
Tabla 15. Escenario OPA Gas Natural sobre Endesa........................................................................ 105
Tabla 16. Escenario fusión Endesa Iberdrola..................................................................................... 111
Tabla 17. Escenario OPA Gas Natural sobre Iberdrola ................................................................... 120
Tabla 18. Rentabilidad de un IPP según el escenario ....................................................................... 124
Tabla 19. Precio medio de la energía para cada nivel de carga en los escenarios ........................ 127
Tabla 20. Inversiones totales realizadas en el sistema en cada escenario ...................................... 131
Tabla 21. Margen de reserva medio, máximo y mínimo en cada escenario.................................. 133
Tabla 22. Configuración de los activos del sistema generador inicial para el caso base ............ 151
Tabla 23. Laminación de la curva de carga para Enero 2005........................................................... 153
Tabla 24. Demanda ajustada con datos de REE para Enero 2005 ................................................... 153
1
INTRODUCCIÓN
1 Problema de la expansión de la capacidad
1
2
Problema de la expansión de la capacidad
El problema de la expansión de la capacidad de activos de generación, consiste en
concretar que activos instalar, cerrar o, la compraventa de grupos del sistema,
y
cuándo es el momento idóneo de hacerlo, dado un horizonte temporal determinado.
Para la realización de este apartado se ha utilizado las siguientes fuentes de
documentación [CENT05] y [SANC05B].
En los problemas de decisión de cualquier empresa se trata de cubrir una serie de
objetivos que pueden ser de distinta índole, como económicos (ej.: rentabilidad),
estratégicos (ej.: cuota de mercado), sociales (ej.:empleo) o medioambientales
(ej.:Kyoto).
Teniendo
en cuenta una serie de variables que afectan al problema como la
previsión de demanda, las tecnologías disponibles, la estructura financiera de la
empresa, condiciones medioambientales como emisiones de CO2, regulatorias,
competencia etc.
Por tanto se trata de un problema de decisión complejo debido a la falta de
información perfecta, que hace que exista riesgo en las decisiones.
Para la realización de un plan de expansión se debe indicar:
ƒ Potencia a instalar
ƒ Combinación de tecnologías
ƒ Localización
ƒ Fechas de puesta en servicio y salida de servicio
ƒ Compras
ƒ Ventas
ƒ Modificación de instalaciones
ƒ Información adicional (beneficios, costes, previsión de precios etc.)
Dicha planificación que los agentes generadores se plantean, se encuentran sujetas a
restricciones
1 Problema de la expansión de la capacidad
3
A continuación se comenta la estructura de [CENT05] sobre el problema de la
expansión.
1 Problema de la expansión de la capacidad
1.1
4
Criterios de decisión
Se pueden encontrar uno o varios criterios de decisión, que dependerán del agente
que realice el plan de expansión.
En un entorno que se considere competencia perfecta, se utiliza criterios de tipo
coste global y adicionalmente de fiabilidad del sistema. Debido a que el agente oferta a
un precio igual a su coste marginal tal que, como puede verse en la Figura 1; teniendo
un Beneficio Social Neto (excedente del consumidor más beneficio del productor)
mayor que en el monopolio, al encontrarse el sector en el óptimo social, esto es, se
maximiza el bienestar de la sociedad.
Excedente del consumidor
P
Máxima eficiencia
Excedente del
productor
Demanda
Q
Figura 1. Competencia perfecta
Si la planificación se hiciera desde un punto de vista del regulador del sistema, este
trataría de dar incentivos al mercado para asegurar otro tipo de criterios como margen
de reserva del sistema, potenciación de ciertas energías, la creación de empleo, el
impacto medioambiental etc.
Pero cuando se trata de competencia imperfecta y un oligopolio, como ocurre en el
sector eléctrico español y la planificación corre a cargo de empresas privadas las reglas
de juego cambian, esto es, las empresas ofertan en competencia imperfecta a un precio
tal que maximice max PQi − Ci (Qi ) esto es, derivando e igualando a cero, el precio es
Qi
1 Problema de la expansión de la capacidad
P=
5
dCi (Qi )
dP
− Qi
. Para resolver esta ecuación del precio el problema es el valor de
dQi
dQi
dP
, que en competencia perfecta vale cero, y en el caso del oligopolio la pendiente de
dQi
la curva de demanda, por lo que es necesaria conocer la reacción de las demás
empresas. Lo que hace imposible cuantificar el valor, al tener la incertidumbre sobre
las reacciones de la competencia.
Una forma de aproximar esto en sectores como el generador eléctrico sometidos a la
falta de flexibilidad debida a las inversiones difíciles de modificar, es mediante la
hipótesis de Cournot, que supone que la reacción de los competidores es no hacer
nada, ante un cambio en la producción de un agente. Por lo que las ecuaciones de
equilibrio quedarían:
P (Q) =
dCi (Qi )
dP
− Qi
dQi
dQi
Q = ∑ Qi
i
Aunque como el precio resultante sigue sin ser igual al coste marginal, el equilibrio
de Cournot sigue siendo ineficiente, como se puede ver pasaría lo mismo que en caso
del monopolio como muestra la Figura 2, [BARQUIN05]:
Excedente del consumidor
P
Oferta, donde P=CMg + (dP/dQ)*Q
O comp. perfecta
Pérdida irrecuperable
D
Q
Figura 2. Monopolio
1 Problema de la expansión de la capacidad
6
Por lo tanto en competencia imperfecta la empresa privada responde a otros
criterios como cuota de mercado, volumen de ventas, valor del accionista, nivel de
exposición al riesgo, u otros criterios estratégicos de la empresa.
1 Problema de la expansión de la capacidad
1.2
7
Parámetros o elementos implicados en la decisión
Los elementos con mayor peso son:
1.2.1
Demanda
Se trata de satisfacer a lo largo del horizonte de planificación la demanda del
mercado, definiendo capacidad a instalar y distribución temporal. Por lo que, es
necesario realizar previsiones o estimaciones de la demanda.
1.2.2
Características de los recursos y recursos disponibles
Deben definirse las tecnologías de las que los agentes disponen para invertir en
ellas, cuantificándolas en forma de costes de inversión, costes de mantenimiento que
pueden ser considerados fijos, costes variables que dependen principalmente de los
combustibles, costes de emisiones de CO2 y subsidios tanto fijos como variables
principalmente.
Se pueden también establecer relaciones entre tecnologías y la marcha económica de
un país mediante la tasa de descuento de la tecnología, como se ve en apartados
posteriores, o tener en cuenta costes de desmantelamiento y tratamiento de residuos,
así como poca aceptación social de tecnologías como la nuclear a la hora de definir la
tecnología.
1.2.3
Aspectos estratégicos y regulatorios
Hay que tener en cuenta como es el mercado, si se encuentra liberalizado pero no se
ha alcanzado la competencia como es el caso español o, si se encuentra regulado o, en
competencia.
1.2.4
Aspectos macroeconómicos
Las condiciones macroeconómicas como ya se introdujo en el apartado
Características de los recursos y recursos disponibles, influyen sobre los tipos de
interés del mercado, instrumentos de financiación, riesgo país, etc.
1 Problema de la expansión de la capacidad
8
Estos parámetros son de gran incertidumbre y en un modelo como el realizado en
este proyecto no se pueden controlar.
Todos estos parámetros se pueden combinar en diferentes escenarios, enriqueciendo
la prueba de políticas por parte del planificador, estudiando la sensibilidad de sus
planes con respecto a ellos.
2 Business Dynamics
2
9
Business Dynamics
En este apartado se realiza la descripción de la técnica utilizada a lo largo del
proyecto para abordar el problema de la expansión de la capacidad.
En el desarrollo de este apartado se sigue la explicación de Javier Aracil en su libro
Dinámica de Sistemas [ARAC95].
Para introducir la técnica Business Dynamics (también recogida bajo el nombre de
dinámica de sistemas), lo primero es aclarar lo que se entiende como sistema, siendo
una unidad cuyos elementos interaccionan juntos y que continuamente se afectan unos
a otros, de modo que operan hacia una meta común. Un sistema se percibe como una
identidad que se distingue de su entorno, manteniendo la identidad a lo largo del
tiempo y bajo entornos cambiantes.
El otro término a aclarar es dinámica, empleado para expresar el carácter cambiante
de lo que se adjetiva con este término, en este caso sistema.
Los trabajos pioneros se desarrollan a finales de los años 50, y durante los 60 tiene
lugar su implantación en los medios profesionales. Hay que señalar como a mediados
de los 60 Jay W. Forrester propone la aplicación de la técnica que se había desarrollado
originalmente para los estudios industriales, a sistemas urbanos representando las
interacciones que se producen entre las principales magnitudes socio-económicas. A
finales 60 se produce un estudio por parte del Club Roma, que posiblemente más haya
contribuido a la difusión de la técnica, sobre los límites de crecimiento que analizaba la
previsible evolución de una serie de elementos como población, recursos y
contaminación a nivel mundial.
Cuando se habla de dinámica de sistemas, se refiere a que las distintas variables que
se asocian a un sistema, sufren cambios a lo largo del tiempo, como consecuencia de
una interacción entre ellas.
Business Dynamics es por tanto una metodología ideada para resolver problemas
concretos en la cual, mediante el modelado de un sistema en el que se encuentran
2 Business Dynamics
10
representadas las relaciones entre sus elementos, es decir, sus elementos interactúan, se
pueden analizar las causas estructurales que explican el comportamiento del sistema.
2 Business Dynamics
2.1
11
Estructura elemental del sistema
Se describen los elementos fundamentales que conforman la estructura de los
sistemas dinámicos, introduciendo el lenguaje sistémico y el concepto de diagrama
causal, para describir características estructurales, retardos y bucles de realimentación.
2.1.1
Diagrama causal
Una descripción mínima de un sistema es dada por la especificación de las distintas
partes o variables que lo forman y por la relación e influencia que se establece. Se
explica con un ejemplo cómo se puede analizar la estructura sistemática de un proceso.
Si suponemos la inversión en activos por parte de un agente como muestra la Figura
3:
AGENTE
CONTRUIR
CUOTA
Figura 3. Inversión
El proceso que tiene lugar podría describirse como sigue: el agente compara el nivel
alcanzado en cuota de mercado frente a la cuota deseada; si existe discrepancia actúa
con inversiones, con lo que se influye sobre la cuota alcanzada, que es de nuevo
comparada (en realidad se trata de un proceso continuo) con el nivel de cuota deseada;
según disminuya la discrepancia, se invierte menos, hasta que al anularse ésta, y no se
construya más.
2 Business Dynamics
12
El proceso se representa de forma más sintética mediante un diagrama como el de la
Figura 4.
CUOTA
DESEADA
+
INVERSIÓN
+
DISCREPANCIA
-
+
CUOTA REAL
Figura 4. Diagrama causal de las inversiones en función de la cuota
Se indican en el diagrama las variables más importantes que intervienen en el
proceso, que son la cuota de mercado actual, la discrepancia entre esa cuota y la
deseada, y las inversiones que modifican la cuota. Estos elementos básicos del proceso
están relacionados entre sí mediante flechas que indican las influencias que se
establecen entre ellos. Por ejemplo, la cuota real depende de las inversiones o, lo que es
lo mismo, las inversiones influyen sobre la cuota alcanzada, lo que se indica, en el
diagrama, mediante una flecha que va desde “inversión” a “cuota real”. Esta relación
de influencia se escribe:
INVERSIÓN → CUOTA REAL
De forma análoga, la “discrepancia” se determina a partir de la “cuota deseada” y
de la “cuota real” alcanzada (en realidad es la diferencia entre ambas). Por último, la
“discrepancia” determina la “inversión”. El diagrama es habitualmente conocido como
diagrama de influencias.
En esta figura se observa que las flechas que unen la discrepancia con la inversión,
éste con la cuota real, para acabar de nuevo en la discrepancia, forman una cadena
circular o cerrada de influencias. Es lo que se conoce como un bucle de realimentación,
que es un elemento básico en la estructura del sistema y que se tratará con detalle más
adelante.
2 Business Dynamics
13
Se puede por tanto analizar un sistema, mediante su descomposición en elementos
esenciales, relacionando estos elementos mediante un bosquejo de cómo se producen
las influencias entre ellos.
Se tiene de esta manera una descripción muy elemental de ese sistema, limitándose
a establecer qué partes lo forman y cuáles de ellas se influyen entre sí.
El diagrama de influencias está formado por lo que se conoce como un grafo
orientado. A las flechas que representan las aristas se puede asociar un signo. Este
signo indica si las variaciones del antecedente y del consecuente son, o no, del mismo
signo. Supongamos que entre A y B existe una relación de influencia positiva:
+
→
B
A 
Ello quiere decir que si A se incrementa, lo mismo sucederá con B; y, por el
contrario, si A disminuye, así también lo hará B. Es decir,
+
A
→ B ⇒
dB
>0
dA
Por otra parte, si la influencia fuese negativa, a un incremento de A seguiría una
disminución de B, y viceversa.
−
A
→ B ⇒
dB
<0
dA
Se tiene con los signos un diagrama que suministra una información más rica sobre
la estructura del sistema, aunque continúe conservando su carácter cualitativo. Este
diagrama, representado en la Figura 4, se le denomina diagrama causal.
2.1.2
Bucles de realimentación
Los bucles de realimentación explican determinados comportamientos en un
sistema con independencia del las influencias externas que actúan sobre el sistema.
Se tienen los bucles de realimentación negativa, los cuales representan un tipo de
situación frecuente, en la cual se trata de decidir acciones con el fin modificar el
comportamiento del sistema para alcanzar un determinado objetivo.
2 Business Dynamics
14
Los bucles de realimentación negativa poseen la virtud de tender a anular las
perturbaciones causadas por una acción exterior. Se puede observar en la Figura 5,
cómo si existe discrepancia entre el estado actual y el objetivo del sistema, se produce
una acción para ajustar el estado actual al objetivo.
Figura 5. Bucle de retroalimentación negativa
Por otro lado se tienen los bucles de realimentación positiva, en el que todas las
influencias son positivas (o si las hubiese negativas se tienen que compensar con
pares), representando procesos en los que el estado determina una acción, que a su vez
refuerza este estado, y así indefinidamente. Un ejemplo es el caso de una empresa que
invierte en I+D una importante parte de sus ingresos, y con ellos consigue una mayor
diferenciación y unos mayores ingresos.
+
INGRESOS
DIFERENCIACIÓN
+
Figura 6. Bucle de realimentación positiva
+
I+D
2 Business Dynamics
2.1.3
15
Retrasos
Otro elemento fundamental que se quiere señalar son los retrasos dentro de Business
Dynamics, que se producen cuando entre dos elementos se produce un retraso en la
transmisión de información o material.
Estos retrasos son típicos en actividades de inversión en activos por ejemplo, en las
cuales desde que se decide la inversión en un nuevo grupo hasta que este pasa a ser
operativo, existen retrasos tanto por la solicitud de licencias como por la construcción
del activo.
2 Business Dynamics
2.2
16
Justificación del uso de Business Dynamics
Business Dynamics permite comprender las causas estructurales que provocan el
comportamiento del sistema, estableciendo relaciones entre el comportamiento de un
sistema y su estructura.
Con ello se aumenta el conocimiento sobre el papel que cada elemento juega en el
sistema, y viendo como diferentes acciones, efectuadas sobre partes del sistema,
acentúan o atenúan las tendencias de comportamiento implícitas en el mismo.
Business Dynamics presenta las características adecuadas para estudios estratégicos
en el sector eléctrico a largo plazo, permitiendo representar funcionamientos dinámicos
complejos a largo mediante realimentaciones y retrasos.
3 Estructura del sector, competencia, concentración y OPAs.
3
3.1
17
Estructura del sector, competencia, concentración y OPAs.
Estructura del sector, competencia y concentración
Para la explicación de la situación actual del sector, se hace referencia a uno de los
mejores documentos escritos hasta la fecha sobre el sector eléctrico español, como es el
Libro blanco sobre la reforma del marco regulatorio de la generación de energía
eléctrica en España, de Pérez-Arriaga, J. I., Junio 2005 [PERE05].
La situación de partida es razonablemente satisfactoria según Libro Blanco, para la
actividad de la generación, ya que se parte de un parque tecnológicamente
diversificado, aunque son un margen de reserva actualmente escaso pero con un
suficiente ritmo de inversión como para hacer frente al vivo crecimiento de la demanda
espera en un medio plazo. El mercado marcha bajo unas reglas que vienen
funcionando sin fallos apreciables desde hace más de siete años.
El principal obstáculo que no se ha conseguido superar con la nueva Ley que
permitió la regularización del sector es que el mercado funcione en competencia
realmente.
Esta falta de competencia es debida a que en el proceso de liberación y
reestructuración y previó a él, condujo a un exceso para poder sostener un mercado
competitivo. Aunque la situación ha mejorado debido al crecimiento de la demanda, la
entrada de nuevos agentes, la venta de activos y la mayor integración de los sistemas
portugués y español.
Un obstáculo en la marcha del mercado es la integración vertical de la producción y
comercialización, que aunque reconocido el derecho de los consumidores de elección
en el mercado minorista, existe una falta de normativa que haga el ejercicio de este
derecho más práctico.
Otro condicionante de la situación de partida han sido los costes de transición a la
competencia (CTC), mediante el cual el Gobierno dado la libertad para su fijación
anualmente, podía controlar la tarifa media del año próximo, y por consiguiente, su
variación con respecto al valor del año anterior.
3 Estructura del sector, competencia, concentración y OPAs.
18
A lo anterior se añade un síntoma de falta de sostenibilidad del modelo energético,
debido principalmente a la parte de generación, dado que la dependencia energética es
alta, hay escasos esfuerzos encaminados a el ahorro y eficiencia en la generación y
transformación de energía, que propicia un grave desvío respecto a los objetivos del
volumen de emisiones de CO2 derivados del protocolo de Kyoto. Aunque hay una
importante en el ámbito de generación de energía de régimen especial, bajo un punto
de vista cuantitativo, pero su aportación al computo global no tiene suficiente
relevancia todavía, para aportar una solución al problema.
Resumiendo, la estructura del mercado es inadecuada para soportar una verdadera
competencia; el precio de mercado de la energía es irrelevante; la estructura tarifaría
ignora el precio de mercado de la energía, que compite con la actividad de
comercialización y no envía señales económicas al consumo; un procedimiento de
garantía de potencia costoso y que poco garantiza; un mecanismo de recuperación de
CTC que introduce distorsión en el mercado; un mercado minorista entorpecido por
las barreras creadas por una insuficiente separación entre la distribución y la
comercialización libre; una red de transporte que tiene que dar acceso a multitud de
solicitudes pero dificultado por cuestiones administrativas; una operación del sistema
que tiene que incorporar crecientes cantidades de generación no gestionable sin contar
con los recursos físicos y normativos para ello.
3 Estructura del sector, competencia, concentración y OPAs.
3.2
19
OPAs y fusiones
Una empresa mediante diversos procedimientos, compra parte del capital social de
otra empresa, con la intención de dominarla bien sea total o parcialmente, aunque
normalmente ninguna empresa pierde su personalidad jurídica, por lo que tanto la
empresa adquiriente como adquirida siguen existiendo.
La adquisición o participación de una empresa dará lugar a distintos niveles o
grados de control según el porcentaje del capital social de la adquirida en su poder y
según la manera en que estén de distribuidos el resto de los títulos entre los demás
accionistas: que existan grandes paquetes de acciones en manos de muy pocos
individuos o, por el contrario, que permanezcan un gran número de accionistas
minoritarios con escasa participación individual.
La compra de las empresas puede realizarse mediante un contrato de compra venta
convencional en el que se especifican las condiciones del mismo. El pago de la empresa
comprada puede hacerse en efectivo o con acciones u otros tipos de títulos de la
empresa compradora. Además, en las últimas décadas se han desarrollado dos
fórmulas financieras que, aunque también pueden darse para fusiones y absorciones,
son bastante más frecuentes en los procesos de compraventa de empresas, como son la
compra mediante apalancamiento financiero o Leveraged Buy-out (LBO) y la oferta
pública de adquisiciones (OPA).
La oferta pública de adquisiciones, se produce cuando una empresa realiza una
oferta de compra, de todo o parte del capital social, a los accionistas de la otra empresa
bajo determinadas condiciones, generalmente de precio, porcentaje de capital social de
compra y tiempo. Si las condiciones de la OPA son aceptadas por la dirección de la
empresa objetivo, se dice que es una OPA pactada. En caso contrario, se dice que es
una OPA no pactada. Esta última situación es muy frecuente cuando entre los objetivos
de la compra está la sustitución del equipo directivo de la empresa comprada, caso que
se da en la OPA de Gas Natural sobre Endesa, por lo que también se conoce como OPA
hostil hacia dicho equipo.
Para que una OPA tenga éxito, el grupo oferente suele ofrecer un sobreprecio sobre
el valor de mercado a los accionistas actuales de la empresa objetivo, como forma de
3 Estructura del sector, competencia, concentración y OPAs.
20
hacer atractiva la intención de venta. Ello supone un coste adicional para la empresa
compradora que debiera estar compensando en el futuro del proyecto de creación de
valor resultante de la operación. Además, mediante una OPA se obtiene el control
inmediato y el porcentaje deseado de la empresa comprada [NAVAS02].
Ante un precio más ventajoso que el actual, muchos son los accionistas que deciden
vender sus títulos.
De esta forma, los gestores que rechazan la OPA están obligados a mantener el
apoyo de la mayoría del capital, o de lo contrario perderán el control de la sociedad.
Generalmente, la oferta de compra de acciones suele darse en los momentos en los
que las cotizaciones en Bolsa están más bajas.
Una OPA hostil puede provocar el lanzamiento de una contra-OPA por parte de la
sociedad.
Por otra parte una fusión es la reunión de dos o más compañías independientes en
una sola, se puede dar que una u otra sea absorbida por la otra o que constituyan una
nueva sociedad subsistente, heredando a título universal los derechos y obligaciones
de las sociedades intervinientes.
4 Motivación para la realización del proyecto
4
21
Motivación para la realización del proyecto
La liberalización del sector eléctrico español a partir de 1999, ha dado lugar a la
reestructuración, privatización y desregularización del sector, lo que ha supuesto un
cambio en la gestión sobre los activos de generación, que hasta ese momento se
encontraba centralizada.
La motivación para la realización de éste proyecto surge debida a la complejidad en
la toma de decisiones de la planificación a largo plazo para la construcción de nuevas
centrales de capacidad de generación eléctrica por parte de las empresas propietarias.
La construcción de nuevas centrales eléctricas es una decisión compleja en la que
intervienen un conjunto grande de condicionantes. Pueden ser factores de tipo técnico
(tecnologías disponibles), económico (precios de combustibles), regulatorio (marco
legal y mercado de emisiones de CO2) y estratégico (cuotas de mercado objetivo, por
ejemplo).
El entorno al que se enfrentan las empresas propietarias de los generadores es
complejo, incierto y con información limitada, aumentando el riesgo de la toma de
decisiones.
Los primeros modelos existentes para ayudar a la gestión de los sistemas eléctricos
estaban enfocados a corto y medio plazo a nivel de operación.
El problema de la expansión de la capacidad en nuevos entornos es relativamente
nuevo, no obstante en los modelos desarrollados hasta la fecha para el largo plazo se
ha identificado Business Dynamics como una técnica de gran potencial para este tipo de
problemas.
La técnica de Business Dynamics o Dinámica de Negocios permite comprender las
causas estructurales que provocan el comportamiento del sistema, estableciendo
relaciones entre el comportamiento de un sistema y su estructura. Aumentando el
conocimiento sobre el papel que cada elemento juega en el sistema, y viendo como
diferentes acciones, efectuadas sobre partes del sistema, acentúan o atenúan las
tendencias de comportamiento implícitas en el mismo.
4 Motivación para la realización del proyecto
22
Con este tipo de estudio del sistema y el ensayo de diferentes políticas sobre el
modelo realizado se enriquece el conocimiento del mundo real, comprobándose la
consistencia de las hipótesis y la efectividad de las distintas políticas.
Business Dynamics presenta las características adecuadas para este tipo de casos
estudio y en particular estudios estratégicos en el sector eléctrico a largo plazo,
permitiendo representar funcionamientos dinámicos complejos a largo mediante
realimentaciones y retrasos.
Se aborda por tanto el problema de la expansión de la capacidad desde el punto de
vista de la “Organización Industrial”, apoyado por Business Dynamics, dando
alternativas estratégicas útiles. Tanto para empresas propietarias de grupos
generadores, a las que se aporta mayor conocimiento de la posible evolución del
sistema a futuro ante diferentes escenarios y por tanto decisiones de inversión, como
para el Regulador del sistema ayudándole a anticipar los efectos de sus políticas.
Con la realización de este modelo se pretende también estudiar la concentración del
sector eléctrico español, así como la rentabilidad esperada por parte de un nuevo
inversor que decidiera construir un grupo de ciclo combinado, en función de la
estructura de los activos del sector, esto es, si se produjeran OPAs o fusiones entre los
agentes del mercado, y esto cambiara el mapa de posesión de activos del Mercado.
2
OBJETIVOS Y FASES DEL
PROYECTO
5 Objetivos del proyecto
5
24
Objetivos del proyecto
Este proyecto tiene como objetivo general abordar el problema de la expansión de la
capacidad desde el punto de vista de la “Organización Industrial”, analizando
diferentes alternativas estratégicas y ayudando a la toma de decisiones de la dirección,
para la empresa en un entorno liberalizado como es el sector eléctrico, con apoyo de un
modelo con filosofía de Dinámica de Negocios.
El modelo se utiliza para estudiar la rentabilidad de un nuevo agente independiente
en el mercado o IPP, y su rentabilidad en función del mapa de posesión de activos en el
caso de OPAs o fusiones dentro del sector eléctrico.
También se tendrán en cuenta análisis de sensibilidad, viendo que variables
provocan una influencia significativa en el sector, como por ejemplo el precio de las
emisiones del CO2, etc.
Los objetivos específicos a alcanzar son los siguientes:
1. Documentación sobre el problema de la expansión de la capacidad, y como
abordarlo desde el punto de vista de Business Dynamics.
2. Profundización en la técnica de Business Dynamics para la “Organización
Industrial”.
3. Definir una estructura funcional detallada del modelo que sirva para la
simulación de la expansión de la capacidad.
4. Construcción del modelo (diagramas causales, funciones e implementación en
Vensim DSS) y de la interfaz de usuario.
5. Aplicación del modelo para el estudio estratégico del sector, enriqueciendo la
toma la información de las empresas para la toma de decisiones, en casos
estudios de relevante importancia en la actualidad, como es el caso de fusiones
y adquisiciones.
6 Fases del proyecto
6
25
Fases del proyecto
Se ha realizado el proyecto bajo una planificación que incluye las siguientes fases:
1. Fase previa: toma de contacto con los directores y el tema a estudiar.
2. Documentación: estudio del funcionamiento del sector eléctrico español, el
problema de la expansión de la capacidad y la técnica Business Dynamics.
3. Implantación de un modelo en Vensim DSS: para el aprendizaje de la nueva
herramienta se opta por la realización del modelo similar al realizado por
Campillo A., (Anexo B).
4. Definición estructural del modelo: definición de la estructura del modelo,
mediante diagramas causales.
5. Implantación del modelo en Vensim DSS y realización de interfaz de datos en
Excel: fase en la que se implanta el modelo en la herramienta de Business
Dynamics.
6. Recopilación de datos: se procede a la recopilación de los datos necesarios para
la ejecución del modelo.
7. Validación del modelo: Se valida el modelo mediante casos extremos y se
ajusta.
8. Definición de casos estudio y conclusiones: se plantean los casos estudios de
importante relevancia para la actualidad que se quieren estudiar.
9. Redacción del proyecto: se lleva a cabo durante la duración del proyecto.
3
DESCRIPCIÓN DEL MODELO
7 Descripción del Modelo
7
27
Descripción del Modelo
En este aparatado se reflejan las características principales del modelo desarrollado
para la representación del problema que abarca la toma de decisiones de inversión en
activos de generación eléctrica.
Se expondrá características y la estructura que representa el modelo para el estudio
de los casos, y se entrará en cada una de las partes en detalle en apartados posteriores.
Teniendo en cuenta que la representación del sector eléctrico que realiza el modelo
tiene sus limitaciones, hay que tener presente que a la hora de la realización de un
modelo de simulación es primordial establecer unos límites hasta los que se pretende
representar.
7.1
Características generales del Modelo
La idea del modelo es comprender las causas estructurales que provocan el
comportamiento del sistema, estableciendo relaciones entre el comportamiento del
sistema y su estructura, por lo que su fin no es el de proporcionar un óptimo.
7.1.1
Horizonte temporal
Lo primero a tener en cuenta es que se trata de un modelo a largo plazo, por lo que
el horizonte temporal que se tiene en cuenta es de treinta años.
7.1.2
El Mercado
Se parte del mercado eléctrico español, por lo que se tiene un mercado liberalizado y
oligopolista, en el cual están representados los diferentes agentes con sus grupos de
generación.
El mercado se comporta como un mercado marginalista, donde todas las ofertas
casadas reciben el mismo precio independientemente de la oferta que enviaron. Sólo se
consideran criterios económicos para realizar la casación (ofertas aceptadas y
rechazadas).
7 Descripción del Modelo
28
La casación del precio en el mercado se hace de forma mensual y por nivel de carga
debida a la importancia que tiene para el modelo los precios a la hora de la toma de
decisiones en la inversión de nuevos activos.
7.1.3
Características de los generadores del mercado
La generación consiste en la utilización de recursos energéticos naturales o en
transformaciones sobre ellos para la producción de electricidad. Se trata por tanto de
una actividad muy intensiva en capital, en la que la recuperación de recursos
invertidos se produce a lo largo de amplios periodos de tiempo. La vida útil de los
equipos instalados también es muy larga, por lo que no se consideran cierres de grupos
en el modelo.
La generación implica unos elevados costes hundidos, debido a la tardanza en la
recuperación de los capitales invertidos y la imposibilidad de dedicar los activos
adquiridos a un uso alternativo.
La inversión, costes y subsidios dependen para los generadores en el modelo de la
tecnología empleada, por lo que influye la fuente de energía.
En cuanto a la generación hidráulica se ha efectuado el cálculo de un año medio
hidráulico para la obtención de potencia fluyente y modulable que cada agente oferta.
La potencia ofertada mensualmente y por nivel, se puede parametrizar cada año en
función de un coeficiente de hidraulicidad.
Las tecnologías consideradas para el estudio se encuentran agrupadas entre
térmicas; nuclear, ciclo combinado, turbina de gas, fuelgas, carbón importado, hulla
antracita, lignito negro y lignito pardo, hidráulica; fluyente y modulable, y energías de
régimen especial que son consideradas como un gran agente con un gran grupo en las
que se incluye toda su potencia.
7.1.4
Oferta
La oferta de cada grupo generador en el modelo se ejecuta ofertando una serie de
bloques de potencia en MW a un precio determinado en función del coste variable del
grupo, el precio de las emisiones de CO2 que es internalizado y una serie de factores
7 Descripción del Modelo
29
estratégicos para cada agente y tecnología. La producción del equipo generador debe
de ajustarse a la demanda.
7.1.5
Demanda
La demanda fluctúa constantemente siguiendo unas pautas mensuales, para cada
nivel de carga en el sistema, teniendo seis niveles de carga (punta, llano, valle, tanto
laborable como festivo). Se considera un incremento anual de la demanda constante.
7.1.6
Previsiones
Las previsiones de precio se calculan para los siguientes treinta años, en función del
histórico de precios que va resultando de la casación del precio en el mercado.
7.1.7
Decisiones
La toma de decisiones se hace de forma anual, decidiendo las inversiones en el
último mes del año.
Las decisiones de inversión en activos de generación son dadas para cada agente
por separado en función de la tecnología que resulte con una mayor rentabilidad
esperada en cada año. El detalle de la cantidad de MW a invertir y del cálculo de la
rentabilidad esperada se detalla en la explicación del módulo en apartados posteriores.
Hay que tener en cuenta que por razones de hidraulicidad en España y dado que el
objetivo del modelo no es estudiar las inversiones en energías de régimen especial, no
se permiten inversiones en estos dos tipos de tecnologías: hidráulica y régimen
especial.
7.1.8
Construcciones
Dadas unas decisiones de inversión, se realiza la solicitud de licencias y la posterior
construcción de los nuevos activos, por lo que se tiene un retraso entre decisiones y el
momento en el que empieza a operar el nuevo generador. Una vez realizada la puesta
en marcha del nuevo generador este se comporta con las mismas pautas que los demás
grupos que estaban en funcionamiento.
7 Descripción del Modelo
7.2
30
Diagrama causal
Se puede representar el modelo mediante el siguiente diagrama causal:
Nuevas
inversiones
+
Capacidad
instalada
Nuevas licencias y
construcciones
+
Demanda
Decisiones de
Inversión
+
Precio
Precisiones de
precio
Figura 7. Diagrama causal
El diagrama establece las relaciones que se constituyen entre las principales
variables utilizadas para la representación del problema de la expansión de la
capacidad.
A modo de resumen el sistema permite la representación de funcionamientos
dinámicos complejos mediante retroalimentaciones y retrasos, mes a mes.
El aumento de la capacidad instalada en el sistema hace que el precio baje, pero por
el contrario el incremento de la demanda hace que éste aumente. Una vez calculado el
precio, se establecen las previsiones para éste y posteriormente las decisiones de
inversión con dichas previsiones, que hacen producen el requerimiento de nuevas
licencias y nuevas construcciones, que tras un retraso pasan a incrementar la capacidad
en el sistema.
8 Modelo
8
31
Modelo
Se identifican cuatro grandes bloques dentro del modelo para la representación del
sector eléctrico español y el estudio del problema de la expansión de la capacidad, al
que se añaden bloques auxiliares para el estudio de los escenarios y el análisis de los
resultados.
El modelo se encuentra por tanto formado por los siguientes cuatro bloques:
Figura 8. Esquema básico de inversión. Bloques principales.
Como se ve en la Figura 8 los cuatro bloques principales son Mercado, Previsiones,
Decisión e Inversión. Cada uno de los bloques principales o módulos tiene por debajo
de si otros submódulos o capas para la ayuda del cálculo de las variables que
alimentan al siguiente modulo.
El sistema empieza con el cálculo del precio [área, nivel] en el Módulo de Mercado,
dada una demanda [nivel] (mes). Con el precio el Módulo Previsiones realiza la
previsión de precio, dando precio previsto [área, nivel]. Una vez el Módulo Decisiones
dispone de una previsión de precio calcula las nuevas inversiones [agente, tecnología],
las cuales sufren una serie de retrasos debido a licencias y la construcción del nuevo
8 Modelo
32
equipo generador en el Modulo Inversión o Construcciones, y se cierra el sistema con
la retroalimentación de los nuevos grupos con su potencia y su coste variable.
Cada módulo principal da como resultado una serie de variables principales que
son necesarias como entrada de otras vistas. Cada módulo y submódulos se estudian
en detalle en los siguientes apartados.
8 Modelo
8.1
33
Codificación y aclaraciones de Vensim
Un subscript permite a una variable y ecuación representar un número de diferentes
conceptos definidos. Por ejemplo si consideramos la ecuación:
profit = revenue − cos t
Si se esta modelando una serie de grupos estando interesados en el beneficio de
cada grupo, de este modo podemos modelar cada grupo como un subscript:
unit : u1, u 2, u3, u 4
Cada nombre define un grupo diferente, ahora se puede escribir la ecuación:
profit[unit ] = revenue[unit ] − cos t[unit ]
Las variables de tipo lookups especifican dado un valor x una salida y, esto es son
variables definidas como pares de (x, y). En el modelo son utilizadas para utilizar en
cada año o mes, su dato correspondiente haciendo una llamada a la variable con el mes
o año correspondiente en el que se encuentra, (la entrada x se introduce con () al final
de la variable).
Las funciones principales de Vensim que requieran de explicación pueden ser
consultadas en el Anexo.
A lo largo de la memoria tendremos en cuenta la siguiente codificación de los
subscript de Vensim para proceder a la explicación del funcionamiento del modelo:
ƒ Agente o agents = f
ƒ Grupos o units = u
ƒ Bloques o blocks = b
ƒ Tecnología o technology = t
ƒ Nivel de demanda o levels = l
ƒ Área o area = a
ƒ Años futuros = y’
8 Modelo
8.2
34
Módulo de Mercado. MARKET
8.2.1
Descripción
Este apartado describe la representación que se efectúa del Mercado. Se realiza la
casación continuada del precio del sistema para cada nivel de demanda mensualmente.
Para ello se tiene en cuenta principalmente; demanda, producción aportada por los
generadores al sistema y precio al que ofertan dicha producción.
Tenemos en cuenta varios tipos de ofertas en función de la tecnología:
ƒ Oferta hidráulica: que se divide en fluyente y obligatoria.
ƒ Oferta térmica: los grupos térmicos pueden tener o no must run, incluso llegando
a ofrecer toda la potencia del grupo bajo este carácter, dejando el resto de su
potencia en tipo especulativo o tipo no especulativo dependiendo de si su
tecnología es especulativa para el agente al que pertenecen.
ƒ Oferta de régimen especial: se considera sólo un agente con un gran grupo para
energías de régimen especial en el que se incluye toda la potencia de este tipo
considerada por el sistema.
El modelo queda abierto para la incorporación de más tecnologías, dado su
configurabilidad.
No tenemos en cuenta ni bombeo, ni producciones fuera de mercado como son los
contratos bilaterales, ni hidráulica estratégica, ni actualización de reservas hidráulicas,
ni térmica incentivada, como se explica en consideraciones para futuros modelos.
Muchas de estas características se encuentran implícitas en las decisiones tomadas por
los grupos a la hora de realizar sus ofertas y por lo tanto en los datos.
8 Modelo
8.2.2
35
Entrada y salida de datos
Se recibe las nuevas inversiones en forma de una potencia por grupo construido y
su coste variable:
ƒ New units power investments [u]
ƒ Current new units variable cost [u]
Como salida se tiene el precio area y nivel mensualmente.
ƒ Market price [a, l]
El propio sistema sabe que tipo de tecnología es la base del grupo, para su
tratamiento en la formación de las ofertas.
8.2.3
Diagrama causal del Módulo Mercado
El diagrama causal que define el Módulo Mercado, se representa como:
MUST RUN AND
RENOWABLE
POWER
SPECULATIVE
THERMAL POWER
+
NOT SPECULATIVE
THERMAL POWER
+
BID POWER
-----
NOT SPECULATIVE
THERMAL PRICE
SPECULATIVE
THERMAL PRICE
+
SURCHAGE
HYDRO STORAGE
POWER
+
DEMAND
+
+
FEED BACK
HYDRO ROR
POWER
+
+
+
BID PRICE
+
MUST RUN AND
RENOWABLE
PRICE
HYDRO ROR
PRICE
Figura 9. Diagrama causal Mercado
HYDRO STORAGE
PRICE
CLEARING
8 Modelo
8.2.4
36
Submódulo Casación. Market Clearing
Se realiza la casación del mercado para cada nivel de demanda y mes, una vez
conformadas por parte de otros submódulos las ofertas de potencia y precio que se
detallan en apartados posteriores.
8.2.4.1
Datos de entrada
Los datos de entrada son:
ƒ BID PRICE [u, b, a, l]; precios ofertados por los grupos.
ƒ BID POWER [u, b, a, l]; potencia ofertada por los grupos.
ƒ Demand [l] (current month) ; demanda de cada nivel por mes (de Excel).
ƒ Growth of demand; crecimiento anual estimado de la demanda (de Excel).
8.2.4.2
Operaciones
Se explica paso a paso con un ejemplo el funcionamiento del algoritmo, en él se
define la curva de carga de la oferta mediante una serie de pasos.
Disponemos de los precios y de la potencia para cada grupo y cada bloque en un
nivel determinado:
Power (Level1)
Block1
Block2
Block3
UnitA
10
5
3
UnitB
8
10
4
Tabla 1. Ejemplo oferta de potencia. Mercado
Price (Level1)
Block1
Block2
Block3
UnitA
1
20
50
UnitB
2
10
80
Tabla 2. Ejemplo precios ofertados. Mercado
8 Modelo
37
Se acumula las potencias según su precio en una nueva tabla, es decir, para cada par
(u, b) tenemos la potencia acumulada de todos los grupos que tienen menores precios
que él. Esto da como resultado TOTAL POWER CLEARING FOR EACH PRICE [u, b,
a, l] como se muestra.
Power (Level1)
Block1
Block2
Block3
UnitA
10
33
36
UnitB
18
28
40
Tabla 3. Potencia total casada por cada precio
Ecuación:
TOTAL POWER CLEARING FOR EACH PRICE[units, blocks, area, levels] =
SUM ( IF THEN ELSE (
BID PRICE[unitsaux !, blocksaux !, area, levels] <=
BID PRICE[units, blocks, area, levels ],
BID POWER[unitsaux !, blocksaux !, area, levels ] , 0 ))
Se obtiene MARKET PRICE [a, l] que corresponde al precio de mercado medio
mensual. Para realizar esta casación se utiliza TOTAL POWER CLEARING FOR EACH
PRICE [u, b, a, l], y CONSIDERED DEMAND [a, l]. Se coge el primer nivel de potencia
que satisfaga la demanda y se queda el algoritmo con el precio que le corresponda de
la Tabla 1. Así se obtiene el precio de casación para la curva de carga de potencia que
se tiene:
€/Mw
Curva de carga
Demanda
Price
POWER(Mw)
Figura 10. Curva de carga
Curva de carga
8 Modelo
38
Ecuación:
MARKET PRICE[area, levels] =
VMIN ( IF THEN ELSE (
TOTAL POWER CLEARING FOR EACH PRICE[units !, blocks !, area, levels]
-CONSIDERED DEMAND[area, levels ] >= 0,
BID PRICE[units !, blocks !, area, levels ] , 180 ))
Se obtiene la potencia casada al precio de mercado mediante el cálculo TOTAL
POWER CLEARING FOR CLEARING PRICE [u, b, a, l], que contiene las potencias
totales de los grupos que han entrado a mercado, esto es, se elimina de la Tabla 1 que
corresponde a BID POWER las potencias de los grupos cuyo precio ofertado es mayor
que el precio obtenido en la casación y que no entran en Mercado. El resultado se ve en
la tabla siguiente, si se considera por ejemplo que el precio de casación ha sido 10
€/MWh:
Power (Level1)
Block1
Block2
Block3
UnitA
10
0
0
UnitB
8
10
0
Tabla 4. Potencia casada de cada grupo en bruto en el Mercado
Ecuación:
TOTAL POWER CLEARING FOR CLEARING PRICE
[units, blocks, levels, area ] =
IF THEN ELSE
( BID PRICE[units, blocks, area, levels ] <= MARKET PRICE[area, levels ],
BID POWER[units, blocks, area, levels ] , 0)
La potencia que es ofrecida por el conjunto de los grupos al sistema es 28MW en el
ejemplo, pero si se considera que la demanda es de 25MW para este nivel y área, se
tiene que reajustar la Tabla 4 para obtener la potencia real que se ha casado.
Se representa en MARKET POWER BY UNIT AND BLOCK [u, b, a, l], que ofrece la
potencia real casada en el sistema. En el ejemplo hace falta eliminar los 3MW sobrantes,
8 Modelo
39
para ello con todos los datos de que se disponen de precio, precio ofertado y potencia
de los agentes se hace:
10. Si el precio del grupo es distinto del de casación, nos quedamos con su valor de
potencia, debido a que este es 0 en caso de que sea un precio mayor o un valor
en caso de que haya entrado a Mercado.
11. Si el precio del grupo coincide con el de casación, se queda con la parte
proporcional que le corresponda a ese grupo, que puede ser toda si existen
grupos con el mismo precio ofertado.
Queda por tanto la Tabla 5 tal y como se muestra a continuación, que representa la
potencia que realmente se ha casado en el mercado, y que se utiliza en otros módulos.
Power (Level1, Area1)
Block1
Block2
Block3
UnitA
10
0
0
UnitB
8
7
0
Tabla 5. Potencia real casada por cada grupo en el Mercado
Ecuación:
MARKET POWER BY UNIT AND BLOCK [units, blocks, levels, area] =
IF THEN ELSE
( BID PRICE[units, blocks, area, levels ] <> MARKET PRICE[area, levels ],
TOTAL POWER CLEARING FOR CLEARING PRICE
[units, blocks, levels, area ] ,
TOTAL POWER CLEARING FOR CLEARING PRICE
[units, blocks, levels, area ]*
(1- ZIDZ ( SUM (
TOTAL POWER CLEARING FOR CLEARING PRICE
[units !, blocks !, levels, area ]) - CONSIDERED DEMAND[ area, levels],
SUM ( IF THEN ELSE
( BID PRICE[units !, blocks !, area, levels ] = MARKET PRICE[ area, levels],
TOTAL POWER CLEARING FOR CLEARING PRICE
[units !, blocks !, levels, area ] , 0)) )) )
8 Modelo
8.2.4.3
40
Datos de salida
La salida obtenida es el precio de casación para cada área y nivel:
ƒ Market price [a, l]; precio en €/MWh
8.2.4.4
Vista de la casación
<CURRENT
MONTH>
demand growth
demand
CONSIDERED
DEMAND
<reading NSP
price>
MARKET
PRICE
MARKET POWER BY
UNIT AND BLOCK
TOTAL POWER
CLEARING FOR
CLEARING PRICE
TOTAL POWER
CLEARING FOR EACH
PRICE
<BID
PRICE>
<BID
POWER>
Figura 11. Vista de la Casación. Market Clearing
8 Modelo
8.2.5
41
Submódulo de Oferta. Market Bid
Se realiza la unión y preparación las ofertas de potencia y precio, para su uso en la
casación (Submódulo Casación. Market Clearing)
8.2.5.1
Datos de entrada
Se tienen los siguientes datos con los que se alimenta la oferta para el precio:
ƒ BID PRICE FOR SPECULATIVE THERMAL [u, b, l]; oferta de precios de las
tecnologías especulativas.
ƒ BID PRICE FOR NOT SPECULATIVE THERMAL [u, b, l]; precio ofertado de las
tecnologías que no son especulativas.
ƒ BID PRICE FOR MUST RUN; precio de las tecnologías de carácter must run,
siempre tiene precio de 0€/MWh.
ƒ BID PRICE FOR HYDRO ROR; precio de la hidráulica fluyente en el sistema,
siempre tiene precio de 0€/MWh.
ƒ BID PRICE FOR HYDRO STORAGE; precio de la hidráulica obligatoria en el
sistema, siempre tiene precio de 0€/MWh.
Datos que forman la oferta de potencia:
ƒ BID POWER FOR SPECULATIVE THERMAL [u, b, l]; potencia ofertada par alas
tecnologías especulativas.
ƒ BID POWER FOR NOT SPECULATIVE THERMAL [u, b, l]; potencia ofertada
para las tecnologías no especulativas.
ƒ BID POWER FOR MUST RUN; potencia must run en el sistema.
ƒ BID POWER FOR HYDRO ROR; potencia hidráulica fluyente.
ƒ BID POWER FOR HYDRO STORAGE; potencia hidráulica modulable.
Por último un dato que afecta a los dos tipos de salidas que se obtienen de este
submódulo:
ƒ Switch areas[u,a]; representa la relación entre los grupos y su pertenencia a un
área especifica.
8 Modelo
42
8.2.5.2
Operaciones
La operación para sacar las ofertas de precio y potencia para cada grupo se limita a
la suma de todas las ofertas procedentes de otros submódulos, y la multiplicación de
estas por el switch area, para introducir un parámetro más en la oferta, como en el área
al que pertenece el grupo.
8.2.5.3
Salidas
Se obtiene por tanto la oferta de precios y potencia para cada área, grupo, nivel y
bloque.
8.2.5.4
Vista de Oferta
<BID POWER FOR NOT
SPECULATIVE
THERMAL>
<BID POWER FOR
MUST RUN>
<BID POWER FOR
HYDRO ROR>
<BID PRICE FOR
SPECULATIVE
THERMAL>
<BID POWER FOR
SPECULATIVE
THERMAL>
<BID PRICE FOR NOT
SPECULATIVE
THERMAL>
BID PRICE
BID POWER
<BID POWER FOR
HYDRO
STORAGE>
<BID PRICE FOR
HYDRO ROR>
<switch areas>
Figura 12. Vista de Oferta. Market Bid
<BID PRICE FOR
MUST RUN>
<BID PRICE FOR
HYDRO STORAGE>
8 Modelo
8.2.6
43
Submódulo Must run. Market Must run
Los grupos térmicos pueden ofrecer parte o el total de su potencia a precio 0
€/MWh, para ello se coloca en cada grupo la parte de must run que quieren ofertar en
el bloque primero de su oferta.
La vista se muestra a continuación.
<MAX POWER
UNITS>
<CURRENT
MONTH>
switch blocks
must run
<reading must
run>
BID POWER FOR
MUST RUN
<MUST RUN
COEFFICIENT>
BID PRICE FOR
MUST RUN
switch must run
<switch technology>
Figura 13. Vista Must run
8 Modelo
8.2.7
44
Submódulo Hidráulica fluyente. Market Hydro ror
Se coge la parte de la potencia hidráulica total que por razones de suministro debe
de ser fluyente y no puede ser almacenada para ser turbinada estratégicamente por
parte de los agentes. Se oferta igual que must run a 0 €/MWh ya que debe de entrar
siempre en el mercado.
La vista se muestra a continuación.
<MAX POWER
UNITS>
<CURRENT
MONTH>
switch blocks
hydro ror
<reading hydro
ror>
BID POWER FOR
HYDRO ROR
<HYDRAULIC
YEAR>
BID PRICE FOR
HYDRO ROR
switch hydro ror
<switch
technology>
Figura 14. Vista Hidráulica fluyente
8 Modelo
8.2.8
45
Submódulo Hidráulica modulable. Market Hydro storage
Corresponde a la potencia hidráulica que puede ser almacenada para su turbinación
de forma estratégica por parte de los grupos. En el modelo se oferta a precio 0 €/MWh
como política.
Para su cómputo se tiene en cuenta la potencia hidráulica ofertada como fluyente
para una vez descontada de la total, obtener la modulable que se dispone en el sistema.
La vista se muestra a continuación.
<MAX POWER
UNITS>
<reading hydro
storage>
<reading hydro
ror>
switch blocks
hydro storage
CHECK AVAILABLE
POWER FOR HYDRO
STORAGE
BID PRICE FOR
HYDRO STORAGE
BID POWER FOR
HYDRO STORAGE
<HYDRAULIC
YEAR>
<CURRENT
MONTH>
switch hydro
storage
<switch
technology>
Figura 15. Vista Hidráulica modulable
8 Modelo
8.2.9
46
Submódulo Potencia Térmica no especulativa. Market Termal not speculative suplí
Se chequea la potencia térmica no especulativa por parte de los agentes, y se oferta
al coste variable del grupo, que lleva implícito el coste de las emisiones de CO2 en
función de la tecnología. La oferta de potencia y precio se coloca en el bloque segundo
de los grupos.
<CHECK AVAILABLE
POWER FOR
THERMAL>
<VARIABLE
COST UNITS>
<NOT SPECULATIVE
UNITS>
BID PRICE FOR NOT
SPECULATIVE
THERMAL
BID POWER FOR NOT
SPECULATIVE
THERMAL
switch blocks not
speculative thermal
Figura 16. Vista Potencia Térmica no especulativa
8 Modelo
47
8.2.10 Submódulo Potencia Térmica especulativa. Market Termal speculative supply
Cada agente tiene la posibilidad de considerar ciertas tecnologías como
especulativas, por lo que se identifican los grupos que son especulativos para cada
agente en función de su tecnología. La potencia ofertada por estos grupos se hace a su
coste variable que lleva implícito el coste de las emisiones de CO2 y además una
sobreoferta cuyo cálculo se detalla en el siguiente apartado.
<CHECK AVAILABLE
POWER FOR THERMAL>
<VARIABLE
COST UNITS>
<SPECULATIVE
UNITS>
BID POWER FOR
SPECULATIVE
THERMAL
BID PRICE FOR
SPECULATIVE
THERMAL
switch blocks
speculative thermal
<SURCHARGE>
Figura 17. Vista Potencia Térmica especulativa
8.2.11 Submódulo Sobreoferta. Market Surcharge
En el cálculo de la sobreoferta se tienen en cuenta costes variables de las tecnologías
y potencias de los grupos especulativos.
Se realiza el cálculo del coste variable medio de cada tecnología, y se hace una curva
acumulada de potencia de cada tecnología en función de éste. A la potencia acumulada
se le multiplica por un parámetro alpha que depende de cada agente y nivel y es una
simplificación de las decisiones estratégicas para cada agente.
Suponiendo un solo agente al cual pertenecen todos los grupos, si se tiene los
siguientes costes variables y potencias para cada grupo, y la tecnología de dicho grupo:
8 Modelo
48
UNITS
Variable Cost
Power
UnitA Tec1
1
5
UnitB Tec1
2
5
UnitC Tec2
3
10
UnitD Tec3
4
15
Tabla 6. Ejemplo Costes y Potencias para sobreoferta
Entonces para cada grupo se obtiene:
UNITS
Average Variable Cost
Cumulative Power
UnitA Tec1
1,5
10
UnitB Tec1
1,5
10
UnitC Tec2
3
20
UnitD Tec3
4
35
Tabla 7. Ejemplo Coste Variable Medio y Potencia Acumulada para sobreoferta
A la segunda columna de la Tabla 7 se le multiplica por el coeficiente alpha del
agente, si suponemos un alpha de 0.0005, nos daría la siguiente sobreoferta por grupo:
UNITS
Surcharge
UnitA Tec1
0,005
UnitB Tec1
0,005
UnitC Tec2
0,01
UnitD Tec3
0,0175
Tabla 8. Ejemplo de Sobreoferta en €/MWh
8 Modelo
49
La vista del modelo que corresponde a la sobreoferta tiene en siguiente aspecto:
<switch agents>
SWITCH UNITS WITH THE
SAME TECHNOLOGY FOR
AGENT
<switch
technology>
NUMBER OF UNITS WITH
THE SAME TECHNOLOGY
FOR AGENT
VARIABLE COST FOR
SPECULATIVE UNITS
<SPECULATIVE
UNITS>
AVERAGE VARIABLE
COST FOR AGENTS
<VARIABLE
COST UNITS>
AVERAGE VARIABLE
COST FOR AGENTS
UNIT
<switch agents>
<reading alpha>
BID POWER FOR
SPECULATIVE THERMAL
WITH AGENTS
ACUMULATE BID
POWER FOR
SURCHAGE
ALPHA
<BID POWER FOR
SPECULATIVE
THERMAL>
SURCHARGE
Figura 18. Vista Sobreoferta
<switch agents>
8 Modelo
50
8.2.12 Submódulo Retroalimentación. Market Feedback
Esta vista realiza la retroalimentación del sistema, introduciendo potencias y costes
variables de los nuevos activos en caso de que se hayan producido, y sumándole a los
costes, el coste de las emisiones de CO2 en función de la tecnología.
El coste variable de los grupos es variable en función del año, así que el submódulo
efectúa la actualización de estos para cada año.
<reading max
power>
MAX
POWER
UNITS
<NEW UNITS
POWER
INVESTMENTS>
<reading CO2
PERCENT>
<CURRENT
YEAR>
<CURRENT
MONTH>
CO2
EMISSIONS
VARIABLE
COST UNITS
<CURRENT NEW
UNITS VARIABLE
COST>
<reading variable
cost>
Figura 19. Vista Retroalimentación
<reading CO2
Price>
8 Modelo
8.3
51
Módulo Previsiones. FORECAST
8.3.1
Descripción
En este apartado se define como se realiza la previsión de precios en el modelo para
el cálculo de las decisiones de inversión.
El modelo calcula cada mes la previsión de precio para los próximos treinta años.
Para el cálculo de la previsión se distinguen dos puntos principales, uno en el que
supone que se decidiría la inversión, “punto de decisión”, y otro en el que se supone
que entraría el grupo en funcionamiento, “punto de arranque”.
Desde el punto de decisión, que es el actual, hasta el punto de arranque se utiliza la
previsión que se tiene de precios, proporcionada por la herramienta, y desde el punto
de arranque hasta el final se utiliza la media entre el precio previsto y el precio real que
precio de mercado que se poseía en el punto de decisión.
Para la previsión del precio se utiliza la función predefinida en la herramienta;
FORECAST, siendo configurable mediante la interfaz con Excel el número de meses de
histórico de precios para la previsión y el número de meses medio que se tiene hasta el
punto de arranque.
La función FORECAST realiza una previsión de la tendencia de los precios,
respondiendo a las ecuaciones:
FORECAST = input *(1 + TRD * horizon)
TRD = ZIDZ (input - AV , average time * AV )
AV = INTEG ((input - AV ) / average time, ininput )
El algoritmo se explica con más detalle en un apartado posterior.
8.3.2
Entrada y salida de datos
Se recibe el precio de mercado en €/MWh por área y nivel de carga:
ƒ Market price [a, l]
8 Modelo
52
Como salida se obtiene la previsión de precios en el instante actual para los
próximos treinta años por área y nivel:
ƒ Forecast price [a, l, y’]
8.3.3
Diagrama causal del Módulo Previsiones
El diagrama causal que representa el Módulo decisiones se representa como:
MARKET PRICE
+ EXTRAPOLATE
PRICE
+
+
LARGE
FORECAST PRICE
+
FORECAST
+ PRICE
Figura 20. Diagrama causal Módulo Previsiones
8.3.4
8.3.4.1
Submódulo Cálculo de Previsiones. Forecast Price
Operaciones
Se definen dos puntos:
ƒ Punto de decisión: es el momento actual en el que se encuentra el modelo.
ƒ Punto de arranque: es el punto hipotético donde empezaría a funcionar un nuevo
grupo que se decidiera ese año, por lo que se coge una media de años sin distinguir
por tecnología.
Desde el punto de decisión y hasta el punto de arranque se coge la previsión de
precios que se tiene en el punto de arranque. Esta previsión tiene definido un cap
(techo), se establece que no puede superar el precio de la energía no suministrada.
8 Modelo
53
Desde el punto de arranque hasta los treinta años se coge la media entre el valor de
la previsión y el precio del mercado real que había en el punto de decisión, esto es, el
momento actual.
Gráficamente:
Figura 21. Previsión de precios con respecto precio de mercado
En la Figura 21 se puede ver como se va a haciendo la previsión de precios con
respecto al precio de mercado para un nivel y área determinado.
Se puede observar los dos puntos dado un periodo estimado para el arranque
medio de treinta y seis meses.
En el ejemplo por tanto tendríamos para los tres primeros años el valor de la
predicción y en los siguientes veintisiete años el valor de la media.
Por tanto un año cualquiera ofrece una predicción de precios para los siguientes
años como muestra la Figura 22:
8 Modelo
54
Figura 22. Previsión de precios típica de una año cualquiera
Una vez realizada esta predicción para los siguientes treinta años de manera
mensual, al final del año se realiza la media de previsiones de ese año como resultado
final, para tener un ajuste mayor al paliar la temporalidad del modelo debido a la
potencia hidráulica.
8.3.5
Vista de la previsión
<reading short
forecast history time>
<MARKET
PRICE>
LARGE FORECAST
PRICE
EXTRAPOLATE
PRICE
<MONTH OF
DECISIONS>
<reading price
cap>
ALGORITHM FOR
FORECAST PRICE
AUX
FORECAST
<reading short
forecast time>
Figura 23. Vista de la previsión. Forecast price
FORECAST
PRICE
<CURRENT
MONTH>
8 Modelo
8.4
55
Módulo Decisiones. DECISIONS
8.4.1
Descripción
Este apartado se describe la representación que se efectúa de las decisiones de
petición de licencias para la construcción de nuevas centrales de generación, que toman
los agentes.
En el Módulo de Decisiones realiza el calculo de la rentabilidad de las inversiones
según su tecnología, y apuesta por la inversión en la construcción de centrales de
tecnología más rentable.
El objetivo es representar las decisiones de los agentes con respecto a la información
que perciben acerca de la evolución futura de los precios de mercado. Con la
rentabilidad esperada para los próximos treinta años, y la información sobre costes de
inversión, emisiones de CO2, variables y fijos, y subsidios variables y fijos, se toman
decisiones de inversión en nueva capacidad para cada tecnología por parte de cada
agente.
Las características supuestas en este módulo para la toma de decisiones acerca del
número de licencias a pedir para la inversión en nuevos activos de generación son:
ƒ Las tecnologías sobre las que se plantea inversión son las térmicas, estos es,
nuclear, ciclo combinado, fuelgas, hulla antracita, lignito negro, lignito pardo,
carbón importado y turbina de gas.
ƒ No se permiten inversiones en hidráulica debida la complejidad en la decisión
por temas de emplazamiento y meteorología en el cálculo de la rentabilidad real, así
como no se permiten inversiones en energías de régimen especial, ya que se realizan
sistemáticamente por parte del modelo de manera periódica todos los años como
política, para evaluar solamente las inversiones en energías de tipo térmico que
realiza un agente.
ƒ Primeramente se obtiene el VAN (valor actual neto) de cada tecnología en cada
área, basándose en los precios previstos y de otra serie de datos como costes y
subsidios.
8 Modelo
56
ƒ Finalmente se halla el número de MW deseados a instalar para cada agente en un
área y con respecto a una tecnología específica. La entrada de este modulo viene
dada por el VAN de las tecnologías calculado en la primera parte y se basa en la
aplicación de una curva de decisión de inversión para cada agente.
El valor actual neto es la suma de valores positivos (ingresos) y de valores negativos
(costos) que se producen en diferentes momentos. Dado que el valor del dinero varía
con el tiempo es necesario descontar de cada período un porcentaje anual estimado
como valor perdido por el dinero durante el periodo de inversión. Una vez descontado
ese porcentaje se pueden sumar los flujos positivos y negativos. Si el resultado es
mayor que cero significará que el proyecto es conveniente. Si es menor que cero no es
conveniente.
El valor actual neto es el valor de ahora del total de beneficios que recibiría al final
del proyecto. Si el VAN es menor que cero significa que perderá y si es mayor que cero
obtendrá rentabilidad.
La inversión del proyecto, I, se toma negativamente, ya que corresponde a un
desembolso de dinero. N es el número de períodos considerado. Qn son los flujos de
caja estimados. La tasa de descuento o de retorno es i. Cuando se iguala el VAN a 0, i
pasa a llamarse TIR.
La tasa interna de retorno (TIR), corresponde a la determinación de la tasa de interés
que lleva a cero el valor actual neto del proyecto. Si la tasa resultante es mayor que los
intereses pagados por el dinero invertido el proyecto es conveniente. Caso contrario no
conviene.
Para el cálculo del VAN se realizan una serie de operaciones para la obtención de
los flujos de caja. En este caso, se tiene que los costes de inversión serán descontados
también en su año correspondiente, debido a que como política para el modelo se
tendrán en cuenta a partir del año en el que empieza a operar el grupo.
En el cálculo del VAN en el modelo hay que señalar varias consideraciones tomadas
en cuenta en cuanto a el calculo de la tasa de descuento.
8 Modelo
57
Para el modelo se ha tenido en cuenta una tasa de interés libre de riesgo que
correspondería a el interés que es conseguido por la solicitud de un crédito a un banco
por parte del agente, y para añadirle el riesgo a esta tasa se ha considerado la
correlación del riesgo de la tecnología con respecto a la marcha económica del país,
esto es la rentabilidad del IBEX 35.
Por lo tanto la tasa de retorno utilizada es también conocida como Capital Asset
Pricing Model o CAMP.
Se tiene por tanto que el CAMP responde a la fórmula:
CAPM = Rf + ß ( Rm - Rf )
Siendo:
Rf: rentabilidad de un activo que no ofrece riesgo o tasa libre de riesgo
Rm: rentabilidad del mercado
(Rm-Rf): prima de riesgo del mercado
ß (Beta): coeficiente de variabilidad del rendimiento de los recursos propios de la
empresa respecto al rendimiento de los recursos propios del mercado. Cuánto mayor
sea ß , mayor será el riesgo que corre la empresa.
Si ß>1: la rentabilidad esperada será mayor a la rentabilidad del mercado (Rm).
Si ß<1: la rentabilidad esperada será menor a la rentabilidad del mercado (Rm).
Si ß=0: la rentabilidad esperada será la rentabilidad de un activo sin riesgo (Rf).
Si ß=1: La rentabilidad esperada será la rentabilidad del mercado (Rm).
8.4.2
Entrada y salida de datos
Se recibe las previsiones de precio de mercado en €/MWh por área y nivel de carga,
para los próximos treinta años:
ƒ Forecast Price [a, l, y’]
Como salida se obtiene el número de MW a instalar por área, agente y tecnología:
8 Modelo
58
ƒ Request permits [a, f, t]
La salida se da en MW y como política en el modelo se acumula dentro de un
mismo grupo de dicha tecnología para el agente.
8.4.3
Diagrama causal del Módulo Decisiones
El diagrama causal del modulo decisiones se representa como:
COST
+ VAN
RENENUE
REQUEST
+ PERMITS
Figura 24. Diagrama causal Módulo Decisiones
8.4.4
Submódulo Petición de permisos. Decisions request permits
Una vez se tiene la rentabilidad por tecnologías se realiza el número de MW que se
decide solicitar instalar para la tecnología más rentable en función de unas
características.
8.4.4.1
Datos de entrada
Los datos de entrada son:
ƒ NET PRESENT VALUE [a, u, t]; VAN por agente y tecnología en €/MW
ƒ CONSIDERED DEMAND [,a, l]; demanda por área y nivel de carga
8.4.4.2
Operaciones
Dado el VAN por tecnología, se considera la tecnología de mayor VAN.
La función del cálculo de la magnitud de la inversión puede depender de muchos
factores, pero en este modelo se ha considerado solamente la dependencia del VAN
con respecto a los costes de inversión, relacionando estas dos variables con una función
que se aproxima exponencialmente a un máximo que constituye el límite de MW a
instalar [SANC05B].
8 Modelo
59
Este límite viene determinado por el mínimo de los dos siguientes parámetros:
1. El crecimiento esperado de la demanda de manera optimista, esto es, el número
de MW que se estima que crece la demanda si se invierte en esa tecnología
desde el instante actual hasta que esa tecnología entra en funcionamiento en el
sistema. Se multiplica a la demanda esperada en ese intervalo de tiempo, por
1,2 dándole al cálculo un carácter optimista.
2. Un número de MW con una estrategia agresiva por parte de los agentes en
función de la cuota de mercado de los agentes, esto es, se calcula anualmente la
cuota actual en el sistema de los agentes, y a la cuota se le multiplica por el
número de MW instalados que el agente posee, con lo que se consigue un
criterio de inversión por parte de los agentes que trate de hacerse con una cuota
mayor cada año del mercado. Como se puede ver el ejemplo en la Tabla 9.
Agents Year N
Market Share %
Power MW
MAX MW
Agent1
50%
1000
500
Agent2
25%
500
125
Agent3
25%
500
125
Agents Year N + 1
Market Share %
Power MW
Agent1
54%
1500
Agent2
22,7%
625
Agent3
22,7%
625
Tabla 9. Ejemplo del Máximo en función del criterio agresivo de inversión
Una vez definido el límite la función en MW y decidida las variables de
comparación VAN y costes de inversión en €/MW, definimos la función:
decisionMW = MAX − MAX * e
−
VAN
CI
8 Modelo
60
Gráficamente:
Figura 25. Función para el cálculo de MW a solicitar su instalación
Como aclaración se puede observar que si el VAN fuese igual a los costes de
inversión, el agente solicitaría invertir aproximadamente el 62% del máximo o límite
obtenido en función de la demanda y la cuota de mercado, y si el VAN fuese el doble,
se invierte aproximadamente un 85% de dicho máximo [SANC05B].
Una vez se posee los MW a instalar, se compara si es viable o no la solicitud de esa
cantidad, comparando el resultado con un tamaño estándar de grupo para cada
tecnología. Por lo que si el número de MW alcanzado como viable es inferior a un
activo estándar para esa tecnología, se rechaza dicha solicitud.
Las energías de régimen especial entran también en el ciclo de pedida de licencia
para su instalación, y son sumadas a las licencias solicitadas anualmente para la
construcción de nuevos activos de generación eléctrica por parte de cada agente.
8 Modelo
61
Ecuación:
IF THEN ELSE
( MAX NPV FOR FIRM AND TECHNOLOGY [ area , agents, techno log y ] > 0
: AND :
reading investment cos t[techno log y ](CURRENT YEAR
+ reading time of construction[techno log y ]) > 0
: AND :
MAX OF FUNCTION [ agents, techno log y ] > 0
, MAX OF FUNCTION [ agents , techno log y ] ( MAX OF FUNCTION [ agents, techno log y ]
*EXP (
-( MAX NPV FOR FIRM AND TECHNOLOGY [ area , agents , techno log y ] /
reading investment cos t[techno log y ](CURRENT YEAR +
reading time of construction[techno log y ])))) , 0)
8.4.4.3
Datos de salida
La salida proporcionada es:
ƒ Request permits[a, f, t]; número de MW por área, agente y tecnología.
8.4.4.4
Vista de petición de permisos
La vista tiene el siguiente aspecto:
<NET PRESENT
VALUE NPV>
<reading time of
construction>
NPV
TECHNOLOGY
MAXIMUM
<CONSIDERED
DEMAND>
MAX NPV FOR FIRM
AND TECHNOLOGY
<CURRENT
YEAR>
<demand growth>
FUTURE DEMAND
GROWTH
<switch agents>
MAX OF
FUNCTION
FUNCTION
REQUEST
PERMITS
<reading production
capacity for technology>
MAX POWER
FOR AGENT
<MAX POWER
UNITS>
<reading
investment cost>
MARKET
SHARE
RENOWABLE
REQUEST PERMITS
REQUEST
PERMITS
<reading renowable
growth>
<CURRENT
MONTH>
<CURRENT
YEAR>
Figura 26. Vista de la petición de permisos. Decisions Request Permits
8 Modelo
8.4.5
62
Submódulos para el VAN. Decisions VAN and Margin
Como resultado final se quiere el VAN expresado en €/MW por lo que tenemos que
transformar todas las variables que influyen en el cálculo del valor actual neto a estas
unidades, para ello se realiza la operación en dos fases:
1. Primero se tienen en cuenta las previsiones del precio del mercado, el coste de
las emisiones de CO2, los costes variables y los subsidios variables, que vienen
en €/MWh. Una vez realizado el balance de este margen que le queda a cada
tecnología, se multiplica por las horas del nivel de carga correspondiente, para
pasarlo a €/MW.
2. Seguidamente una vez obtenido el margen en €/MW, se le añaden los costes
fijos, subsidios variables y costes de inversión que vienen expresados en las
misma magnitud, y se realiza el cálculo del VAN aplicando el CAPM como tasa
de retorno, la cual incluye el riesgo como se explico anteriormente.
De esta manera se proporciona el VAN por tecnología que es utilizado para la toma
de decisiones como se encuentra explicado en el apartado anterior.
8 Modelo
8.5
63
Módulo Nuevas Inversiones. CONSTRUCTIONS
8.5.1
Descripción
En este apartado se describe como realiza el modelo la simulación de la obtención
de licencias y construcción de los activos.
Básicamente se trata de la aplicación de retrasos tanto en la parte de obtención de la
licencia para la construcción, tanto como en la construcción. Una vez terminada la
construcción de los nuevos activos se procede a la actualización de costes variables de
estos y potencia en el sistema, cerrando así el modelo.
8.5.2
Entrada y salida de datos
Se recibe la solicitud de permisos en MW por área, agente y tecnología:
ƒ Request permits[a, f, t];
Como salida se obtiene la potencia de las nuevas unidades que entran en el sistema
al año:
ƒ New units power investment [u]
8.5.3
Diagrama causal del Módulo Construcciones
El diagrama causal se representa como:
REQUEST
PERMITS
CONSTRUCTION
PERMIT
APPLICATIONS
CONSTRUCTION
Figura 27. Diagrama causal Construcciones
NEW UNITS
POWER
INVESTMENT
8 Modelo
8.6
64
Módulos Auxiliares
El modelo posee una serie de vistas auxiliares para el estudio de los casos estudio a
realizar.
Se implementan por tanto tres módulos auxiliares, uno para el cálculo de la
rentabilidad de un nuevo agente o IPP que decidiera invertir en un ciclo combinado,
otro para ver el nivel de concentración del mercado mediante el índice Herfindahl, y
por último un cuadro de mando donde se recogen las variables principales y un
balance energético del sistema.
8.6.1
Rentabilidad de un Nuevo entrante. IPP PROFIABILITY
Se quiere medir la variación de la rentabilidad de un nuevo inversor o IPP en
tecnología de ciclo combinado, que decidiera iniciar su actividad en el sector de la
generación eléctrica en función de cómo se encuentran repartidos los activos en el
sistema, esto es, en el caso de que se produjeran OPAs entre los agentes actuales.
Para ello se calcula en función del histórico de precios de mercado, las horas que el
IPP entra a casar su oferta en el sistema.
En la Figura 28 se puede un ejemplo de cómo se van acumulando los flujos de caja
para el IPP.
2M
0
-2 M
1
90.75
180.5
270.25
360
IPP NPV[Spain] : BALANCED SCORECARD CBASE (€/Mw)
Figura 28. Ejemplo de acumulación de flujos de caja para IPP
8 Modelo
65
Se realiza el cálculo de los flujos de caja mensuales para el IPP teniendo en cuenta el
precio del mercado, costes; de inversión, variables, fijos, emisiones de CO2, y subsidios
fijos y variables, para la realización del cálculo del VAN, que será el valor obtenido en
el último mes de la simulación.
8.6.2
Índice de concentración. HERFINDAHL INDEX
Un dato importante para los casos estudios planteados en apartados posteriores es
el estudio de la variación en la concentración del mercado en función del reparto de
activos en el mercado.
Para ellos se utiliza el índice Herfindhal que responde a la fórmula:
HII =
agenteN
∑ (α )
i = agente1
i
2
siendo α la cuota de mercado de cada agente
Si el índice es menor de 0,1 significa que el mercado esta desconcentrado, entre 0,1 y
1,8 se considera el mercado concentrado pero dentro de límites que no llegan al
oligopolio, y para un índice mayor de 1,8 se considera que el mercado esta muy
concentrado, y se trata de un oligopolio.
8.6.3
Cuadro de Mandos. BALANCED SCORECARD.
Para el estudio de la evolución del sistema y de indicadores importantes para las
conclusiones de este proyecto, se calculan indicadores que enriquecen la información
sobre el comportamiento del modelo.
Estos indicadores se encuentran formados por las principales variables de los cuatro
módulos principales, y por un balance energético del abastecimiento de la demanda
por las distintas tecnologías, y del margen de reserva del sistema.
8.6.3.1
Indicadores del Módulo Mercado
Los indicadores son:
ƒ Market Price [a, l]; precio de mercado por área y nivel de carga
ƒ Considered Demand [a, l]; demanda considerada por área y nivel
8 Modelo
66
ƒ Market Power by Unit and Block [a, u, b, l]; potencia casada por cada grupo en el
sistema
ƒ Total Power in System [a, l]; potencia total instalada en el sistema por área y nivel
8.6.3.2
Indicadores del Módulo Previsiones
Los indicadores son:
ƒ Extrapolate Price [a, l]; previsión de precios por área y nivel
8.6.3.3
Indicadores del Módulo Decisiones
Los indicadores son:
ƒ Request Permits [a, f, t]; Permisos reales solicitados por agente y tecnología
ƒ Function Request Permits [a, f, t]; Potencia estimada como rentable a solicitar por
agente y tecnología
ƒ Market Share [f]; cuota de mercado de los agentes
ƒ Net present value [a, f, t]; valor actual neto para agente y tecnología
8.6.3.4
Indicadores del Módulo Construcción
Los indicadores son:
ƒ New units power investments [u]; potencia que entra en el sistema de los nuevos
grupos
8.6.3.5
Indicadores del Módulo IPP
Los indicadores son:
ƒ IPP NPV [a]; VAN de un IPP por área
8.6.3.6
Indicadores del Sistema y Balance Energético
Los indicadores son:
ƒ Herfindahl Index; índice de concentración del sistema
ƒ Thermal Demand [a, l]; parte de la demanda en potencia cubierta con grupos
térmicos no nucleares.
8 Modelo
67
ƒ Hydro Demand [a, l]; parte de la demanda en potencia cubierta con la hidráulica.
ƒ Nuclear Demand [a, l]; parte de la demanda en potencia cubierta con grupos
nucleares.
ƒ Renowable Demand [a, l]; parte de la demanda en potencia cubierta con energía
de régimen especial.
ƒ Thermal Technologies Demand [a, l, t]; parte de la demanda en potencia cubierta
con grupos térmicos no nucleares, diferenciando entre tipo de tecnología.
ƒ % Thermal Demand [a, l]; parte de la demanda en % a cubierta con grupos
térmicos no nucleares.
ƒ % Hydro Demand [a, l]; parte de la demanda en % cubierta con la hidráulica.
ƒ % Nuclear Demand [a, l]; parte de la demanda en % cubierta con grupos
nucleares.
ƒ % Renowable Demand [a, l]; parte de la demanda en % cubierta con energía de
régimen especial.
ƒ % Thermal Technologies Demand [a, l, t]; parte de la demanda en % cubierta con
grupos térmicos no nucleares, diferenciando entre tipo de tecnología.
ƒ Reserve Margin [a]; Margen de reserva del sistema por área.
ƒ % Reserve Margin [a]; porcentaje del anterior expresado a partir del 100%, esto
es, un 140% significa un margen de reserva del 40%.
8 Modelo
8.6.3.7
68
Vista del cuadro de mando
MARKET
DECISIONS
<MARKET
PRICE>
<REQUEST
PERMITS>
<HERFINDAHL
INDEX>
<FUNCTION
REQUEST
PERMITS>
Energetic Balance
<CONSIDERED
DEMAND>
<MARKET POWER BY
UNIT AND BLOCK>
<TOTAL POWER
IN SYSTEM>
SYSTEM
<THERMAL
DEMAND>
<MARKET
SHARE>
<NET PRESENT
VALUE NPV>
<EXTRAPOLATE
PRICE>
CONSTRUCTION
<NUCLEAR
DEMAND>
<RENOWABLE
DEMAND>
<THERMAL TECHNOLOGIES DEMAND> <%THERMAL TECHNOLOGIES>
<% THERMAL>
FORECAST
<HIDRO
DEMAND>
<% HIDRO>
<RESERVE MARGIN>
<NEW UNITS
POWER
INVESTMENTS>
IPP
PROFIABILITY
<IPP NPV>
Figura 29. Vista del cuadro de mando
<% NUCLEAR>
<% RENOWABLE>
<%RESERVE MARGIN>
8 Modelo
69
4
CASOS ESTUDIO
9 Caso estudio. Caso Base
9
70
Caso estudio. Caso Base
Se recogen las hipótesis, datos y escenarios del caso estudio con el fin de
profundizar en el conocimiento de los elementos estructurales que explican la
representación del sistema eléctrico español que realiza el modelo, con objeto de
observar la rentabilidad de un nuevo entrante, la concentración del sector, el reparto
tecnológico en la demanda etc., mediante el uso de escenarios.
En primer lugar se explica el caso base que se toma de referencia para la
construcción de nuevos escenarios, y se realizan algunos estudios de sensibilidad sobre
él, para terminar con el estudio de los escenarios y conclusiones.
9 Caso estudio. Caso Base
9.1
71
Descripción del caso base
El modelo toma como horizonte temporal 30 años, en el que mensualmente se
realiza la casación de los precios para los seis niveles de carga. Con los precios por
nivel de carga se realiza la previsión de precios, sacando la previsión de precios para
los próximos treinta años, con el que se decide las inversiones de manera anual sobre la
tecnología más rentable. Una vez dadas las decisiones se da paso a la solicitud de
licencias y la construcción de los grupos correspondientes.
Bajo este funcionamiento descrito en los apartados (Descripción del Modelo y
Modelo) anteriores, se ha representado el funcionamiento del sistema, que responde a
un oligopolio en el cual los grupos ofertan su potencia en forma de bloques a un precio
en el que se encuentra internalizado su coste variable, las emisiones de CO2 y una
sobreoferta en algunos casos especulativos dependientes de la tecnología y el agente.
9.1.1
Estructura del parque generador inicial
La estructura de la propiedad de los activos del sistema recae sobre ocho agentes. A
continuación se muestra la potencia y número de grupos entre paréntesis por tipo de
tecnología para cada agente ( Tabla 10), para más detalle sobre los activos ver el Anexo
A (Tabla 22):
9 Caso estudio. Caso Base
POTENCIA
ENDESA
ELCOGAS
(GRUPOS)
CARBON IMP
1699 (3)
CICLO COMB
1140 (3)
FUELGAS
2178 (7)
HYDRÁULICA
3639 (1)
HULLA
1437 (6)
72
GAS
NATURAL
HIDRO
IBERDROLA
CANTÁBRICO
UNIÓN
FENOSA
VIESGO
RENOVABLE
214 (1)
1977 (5)
320 (1)
400 (1)
3184 (7)
1154 (4)
3736 (11)
784 (4)
753 (2)
307 (1)
5190 (1)
1905 (1)
476 (1)
1575 (5)
1003 (4)
1434 (6)
533 (2)
ANTRACITA
LIGNITO
1050 (3)
400 (3)
NEGRO
LIGNITO
1400 (4)
550 (1)
PARDO
NUCLEAR
3995 (6)
158 (1)
3144 (6)
537 (2)
10706 (1)
RENOVABLE
TURBINAGAS
Tabla 10. Potencia total y número de grupo entre (), para cada agente por tecnología
Las características generales del parque generador que más resaltan son:
ƒ
La pertenencia de centrales nucleares a varios agentes dándole su parte
correspondiente de potencia a cada grupo en función del porcentaje en el
accionariado de la central del agente.
ƒ
Se han considerado un solo grupo hidráulico por agente, que engloba toda la
potencia instalada por estos en el sistema, y cuyo cálculo se detalla en apartados
posteriores.
ƒ Se considera también un único grupo para las energías de régimen especial.
Los datos de potencia y número de grupos para cada agente corresponden al año
2004, y se han obtenido el informe anual de Red Eléctrica (REE) de 2004, cotejándolos
con los informes anuales de sostenibilidad de los agentes.
9 Caso estudio. Caso Base
9.1.2
73
Demanda
La demanda se obtiene a partir de los datos del operador de mercado (OMEL) de
2005 con respecto al mercado diario, y se ajustan con las cifras dadas por REE, debido a
que existe una diferencia de un 9% entre ambas al no incluir OMEL las energías del
régimen especial en sus tablas.
La obtención de la demanda por mes y nivel se obtiene construyendo la curva de
carga de cada mes, obteniendo la energía casada hora a hora en el sistema y laminado
esta con las horas de cada nivel y cada mes obtenidas de [SANCH01].
La demanda inicial en el sistema se muestra en la Tabla 11 en MW y se estima un
crecimiento anual de un 4% dado los datos del 2005 por REE, y visto los crecimientos
de los últimos cinco años.
MES
PICO-L
LLANO-L
PICO-F
LLANO-F
VALLE-L
VALLE-F
Enero
33055
29744
27089
25453
23864
21342
Febrero
33855
30296
27596
26336
24850
22813
Marzo
35479
30016
26146
25044
22340
19659
Abril
29580
27575
25344
23613
22126
20264
Mayo
30102
27639
24652
23628
22225
20428
Junio
35200
30883
27600
26506
24914
22245
Julio
36206
32643
28898
27639
26169
23730
Agosto
32834
29848
26341
24931
23635
21675
Septiembre
34697
31349
27912
26561
24764
22204
Octubre
32641
29920
26458
25016
23693
21752
Noviembre
31681
29369
27496
26573
25099
22405
Diciembre
33232
30697
29018
27797
26461
24532
Tabla 11. Demanda inicial en MW. L: laborable y F: Festivo
9 Caso estudio. Caso Base
74
Para ver en detalle el cálculo ver el Apéndice A, apartado A.2.
Si se diera el caso de falta de capacidad en el sistema, el precio de la energía no
suministrada se establece en 18000 €/MWh.
9.1.3
Costes, subsidios y CO2
En cuanto a los costes variables de los grupos ya existentes, se han estimado en base
a los datos de [SANCH01] comparándolos con los dados en [BARQUIN04] y dando un
margen de tolerancia con estos. Se pueden ver en detalle en el Anexo A (Tabla 22).
Los costes, subsidios y porcentaje de emisiones de CO2 para cada tecnología dados
para el cálculo de rentabilidades en la toma de decisiones se resumen en la Tabla 12 y
se obtienen de [SANC05B] y [BARQUIN04].
CI
CV
CF
(€/MW)
(€/MWh)
(€/MW)
TECNOLOGÍAS
Subsidio
Subsidio
Porcentaje de
Variable
Fijo
CO2
(€/MWh)
(€/MW)
(TCO2/MWh)
CARBON IMP
1167000
20
32000
0
35710
90,00%
CICLO COMB
572000
23,5
29000
0
35710
37,00%
FUELGAS
650000
42
30000
0
35710
80,00%
HYDRÁULICA
2374000
0
4000
0
35710
0,00%
1428000
30
52000
0
35710
95,00%
LIGNITO NEGRO
1428000
30
52000
0
35710
95,00%
LIGNITO PARDO
1428000
30
52000
0
35710
95,00%
NUCLEAR
2027000
10
35000
0
35710
0,00%
RENOVABLE
1211000
0
28000
0
35710
0,00%
TURBINAGAS
426000
38
20000
0
35710
45,00%
HULLA
ANTRACITA
Tabla 12. Costes, subsidios y CO2 del caso base
9 Caso estudio. Caso Base
75
Varias son las consideraciones que se tienen en cuenta. El modelo permite la
variación de costes en cada uno de los años, pero como política se toma que sólo se
produce el aumento de los costes variables dado el aumento de combustibles en todas
las tecnologías menos en hidráulica y régimen especial.
Se tiene que los costes variables incluyen combustible y costes de operación y
mantenimiento variables, por otro lado los costes fijos representan los costes fijos de
operación y mantenimiento de un grupo de dicha tecnología.
No se tienen subsidios variables en el sistema aunque el modelo se encuentra
preparado para su tratamiento así que, se considera un subsidio fijo que corresponde
con el pago por capacidad y que se estima en función de un cuarto de lo que tendría
que cobrar un ciclo para que este fuese rentable sin cobrar nada de mercado
[SANC05B].
9.1.4
Oferta hidráulica
La estimación de la potencia hidráulica que ofertan los agentes es un asunto
complejo. Se ha llegado al cálculo de un año estándar hidráulico medio en potencia por
mes y nivel de carga, que puede ser variado cada año en función de un índice de
hidraulicidad anual en el modelo.
Para el cálculo del año hidráulico medio se ha partido de los siguientes datos:
ƒ Energía hidráulica anual del agente (EHAA): tomada de los informes anuales de
los agentes del 2004.
ƒ Potencia hidráulica del agente instalada (PHAI): tomada de los informes anuales
de los agentes del 2004.
ƒ Energía hidráulica anual del sistema (EHAS): tomada del año 2004 del informe
de REE.
ƒ Energía hidráulica mensual del sistema (EHMS): tomada del año 2004 del
informe de REE.
ƒ Coeficiente de ajuste hidráulico de energía (COEF) con respecto al año hidráulico
medio: tomado del informe del 2004 de REE.
Se aplica el COEF para ajustar EHAA, EHAS y EHMS.
9 Caso estudio. Caso Base
76
Se realiza el reparto por nivel de carga de la EHMS cada mes, considerando un %
total de fluyente que se quita a la EHMS, con lo que se obtiene la Potencia hidráulica
Modulable (PHMM) y Fluyente (PHMF) mensual por cada nivel de carga.
Se reparte PHMM y PHMF por agente de la siguiente manera:
EHMS (mes )
EHAS
PHModMensualNivelAgente( mes, nivel , agente) = PHMNivelSistema *
EHMA(mes, agente) = EHAA( agente) *
EHMA( mes, agente)
∑ EHMA(mes, agente)
agente
PHFluyenteMensualNivelAgente(mes, nivel , agente) = PHFNivelSistema *
EHMA( mes, agente)
∑ EHMA(mes, agente)
agente
Se tiene las potencias de cada agente para cada mes y nivel de carga, tanto para
hidráulica fluyente como modulable en MW que es la que requiere el sistema para
su ejecución.
9.1.5
Otras consideraciones de interés
El modelo tiene en cuenta otra serie de consideraciones que configuran su
funcionamiento y que se explican a continuación.
Se considera un crecimiento anual para el régimen especial, se considera que se
invierte en este tipo de tecnologías durante los ocho siguientes años, que es más allá de
la fecha límite de la revisión del cumplimiento del protocolo de Kyoto.
Después de este año y dado la incertidumbre de las consecuencias del protocolo no
se tiene inversiones en energías de este tipo.
El precio del CO2 se toma en 22 €/TCO2, aunque será un estudio de sensibilidad,
como se explica en apartados posteriores, sobre el caso base la variación de este precio
y su influencia en las inversiones y el precio.
La tasa de retorno aplicada calculada en base al CAPM (explicada en el apartado
Submódulos para el VAN. Decisions VAN and Margin), tiene en cuenta la correlación
de la tecnología con la situación económica del país queda de la siguiente manera:
9 Caso estudio. Caso Base
77
CARBON IMP
CICLO COMB
FUELGAS HYDRÁULICA HULLA ANTRACITA
CAMP
7,75%
8,50%
10,00%
2,50%
7,75%
BETA
0,7
0,8
1
0
0,7
RENOVABLE
TURBINAGAS
LIGNITO NEGRO LIGNITO PARDO NUCLEAR
CAMP
7,75%
7,75%
10,00%
4,75%
8,50%
BETA
0,7
0,7
1
0,3
0,8
Rm
10%
Rf
2,50%
Tabla 13. CAMP caso base
Los valores de beta, Rm y Rf se han contrastados con expertos del sector, dando una
aproximación a la realidad.
El tiempo de construcción de cada tecnología y la potencia estándar de un grupo se
considera:
CARBON
CICLO
IMP
COMBINADO
Tiempo de
construcción (años)
3
Grupo estándar
(MW)
HULLA
FUELGAS
HYDRÁULICA
2
3
3
3
400
400
400
200
500
LIGNITO
LIGNITO
NEGRO
PARDO
NUCLEAR
RENOVABLE
TURBINAGAS
Tiempo de
construcción (años)
3
3
6
1
1
Grupo estándar
(MW)
500
500
1000
100
250
Tabla 14. Tiempo de construcción y tamaño de grupos estándar para el caso base
ANTRACITA
9 Caso estudio. Caso Base
9.2
78
Resultados principales del caso base
Se muestran los principales resultados que arroja el caso base, estableciendo la base
para la comprensión del modelo y de esta manera abordar posteriormente el estudio de
los distintos escenarios que se plantean relacionados con la estructura de la posesión de
los activos en el sector.
Se muestra las magnitudes que se entienden como más importantes recogidas
dentro del cuadro de mando del modelo realizado. Hay que tener en cuenta que
aunque en las gráficas figure E.ON y no Caso Base es debido a que, como se explica en
apartados posteriores, se refiere al caso de la adquisición de Endesa por parte de la
empresa alemana E.ON, y cuyo reparto de activos en caso de adquisición y en la
situación actual coincide.
9.2.1
Precio del mercado
Se procede a estudiar el comportamiento del precio de mercado a lo largo del
horizonte, para cada nivel de carga, agrupando los niveles de mayor a menor demanda
en dos gráficas que se muestran en la Figura 30 y Figura 31.
Figura 30. Precio de mercado caso base niveles 1 a 3
9 Caso estudio. Caso Base
79
El precio de mercado responde a la demanda del sistema y a la capacidad instalada,
pudiendo distinguir varias etapas en el modelo:
ƒ Etapa 1. Durante los ocho primeros años el precio de la energía viene marcado
por la familia de los carbones y los fueles en algunos periodos. En esta etapa la
previsión de precios es optimista y produce un incentivo de inversión para los
agentes.
ƒ Etapa 2. Durante la etapa primera los agentes deciden realizar inversiones,
siendo los ciclos combinados los más rentables como se muestra posteriormente por
lo que, cuando los nuevos ciclos entran a generar en el mercado desplazan a
carbones y fueles marcando ellos el precio de mercado alrededor de siete años.
ƒ Etapa 3. En la segunda etapa los incentivos para la inversión se reducen al caer
los precios en el mercado, por lo que no se realizan inversiones y llega un punto en
el que la demanda es tal, que los carbones importados se empiezan a meter otra vez
en el mercado y seguidamente los demás carbones e incluso algún fuel. En esta
etapa suben los precios y los agentes deciden volver a invertir.
Hay que tener en cuenta que en la etapa primera el precio viene marcado por
carbones, debido a que el precio de las emisiones de CO2 hacen que los carbones sean
más caros que los ciclos al tener internalizado el coste de emisiones en su oferta de
mercado.
Dada la alta rentabilidad se invierte en ciclos que desplazan a los carbones y se deja
de invertir en el sistema hasta un punto que no se puede cubrir la demanda
únicamente con ciclos y vuelven a entrar al mercado los carbones. Esta situación se
explica dado que no se han considerado cierres en el mercado, entonces el modelo
permite que infraestructuras que no entren al mercado durante un periodo largo
puedan hacerlo posteriormente, sin tener en cuenta si esos grupos siguen o no
operativos.
Durante la etapa segunda se aprecia como los precios en los niveles son iguales,
debido a la estructura del modelo que aporta la potencia de las nuevas inversiones de
una tecnología en un solo “súper grupo” por agente.
Esto hace que ese “súper grupo” oferte a precio variable y aún habiendo diferencia
entre la potencia casada por nivel se tenga el mismo precio, aunque en realidad en cada
9 Caso estudio. Caso Base
80
nivel entrarían ciclos diferentes con costes distintos si se hubiera representado de otra
forma.
Se toma esta política en la representación de las nuevas inversiones porque lo
importante del modelo es observar el comportamiento global y no el detalle de qué
grupo entra realmente.
Figura 31. Precio de mercado caso base niveles 4 a 6
Respecto a los siguientes niveles de carga se observa que el paso de la segunda a la
tercera etapa se realiza más tarde, debido a que la demanda es menor que en los otros
niveles y los ciclos construidos pueden abarcar un periodo mayor en el sistema.
9.2.2
Margen de reserva
Las distintas etapas se pueden relacionar con el margen de reserva en el sistema. El
margen de reserva es el mínimo anual entre la relación entre la capacidad que el
sistema puede ofrecer y la demanda punta, como muestra la Figura 32 para el caso
base:
9 Caso estudio. Caso Base
81
Reserve Margin
%
160
150
140
Reserve Margin EON
130
120
110
100
1
5
9
13
17
21
25
29
Time (Year)
Figura 32. Margen de reserva caso base
Se observa que el margen responde a las tres etapas identificadas en el
comportamiento del precio, y que esta relacionado directamente con las inversiones
que se producen en el sistema. Se puede por tanto distinguir de nuevo tres etapas
desplazadas en el tiempo con respecto a las de precio:
ƒ Etapa 1. El margen disminuye al no haber entrando las nuevas inversiones y
tener un crecimiento constante de la demanda, pasando de un 41% sobre el 100% de
demanda, a un 20%.
ƒ Etapa2. Entran las nuevas inversiones por lo que el margen de reserva crece
rápidamente hasta llegar a un 62%.
ƒ Etapa3. El margen vuelve a caer suavemente hasta el 7% al final de la simulación,
valor realmente peligroso para el sistema, aunque como en la etapa tercera de
precios se vuelven a realizar inversiones dada la rentabilidad esperada, es de
suponer que el margen vuelve a crecer tras los treinta años.
9.2.3
Nuevas inversiones
Las nuevas inversiones en el sistema vienen determinadas por los precios que se
dan en el mercado. Se compara la solicitud de permisos para la construcción de nuevos
activos de generación con el momento en el que dichos activos entran a operar en el
sistema.
9 Caso estudio. Caso Base
82
Figura 33. Licencias y entrada de nuevos grupos al sistema en el caso base
Como se explicó en apartados anteriores, los agentes debido a los precios de
mercado se plantean inversiones y las llevan a cabo con un retraso como se observa en
la Figura 33. Se puede delimitar dos ciclos de inversión en el sistema que coinciden con
las etapas uno y tres de los precios en el sistema.
Es de interés una vez dados precio, margen de reserva e inversiones, la relación
entre estos en el tiempo. Para establecer la dependencia de los tres en el horizonte
representado.
9 Caso estudio. Caso Base
83
Figura 34. Relación precio, margen de reserva e inversiones en el caso base
Se toma sólo el precio en el nivel de carga mayor, y se ve como las tres etapas del
precio fijan el comportamiento de margen e inversiones.
9.2.4
Balance Energético
Otros resultados de interés que dan una visión del comportamiento de sistema con
respecto a la demanda, es ver cual la cantidad de potencia que satisface la demanda
por tecnología. Para ello se agrupan las tecnologías en cuatro categorías; térmica,
nuclear, hidráulica y régimen especial.
La demanda se satisface según muestra la Figura 35, es decir, se muestra la cantidad
de MW que aporta cada una de las categorías al sistema para la satisfacción de la
demanda del mercado en el nivel de mayor demanda.
9 Caso estudio. Caso Base
84
Figura 35. Potencia casada por las tecnologías en sistema para el caso base
Se puede observar que los grupos térmicos en los que no se ha incluido las
nucleares, cobran cada vez un peso mayor en el mercado, y como los grupos
hidráulicos y nucleares permanecen constantes al no cambiar el índice de hidraulicidad
en el caso base y no realizarse por parte de los agentes inversiones en nucleares. En
cuanto a las energías de régimen especial crecen durante un periodo como se explico
en apartados posteriores. Los demás niveles de carga se comportan de igual manera.
Un desglose que enriquece el análisis dado el aporte de la categoría definida como
térmica en el mercado, es ver como se distribuye esa potencia entre las distintas
tecnologías que se conforman la categoría.
9 Caso estudio. Caso Base
85
Figura 36. Potencia casada por las tecnologías térmicas en el caso base
Se observa como los ciclos son los que tiene mayor peso en el mercado, seguido de
carbones y por último fueles. Estos resultados poseen el mismo aspecto en cada nivel
de carga.
9.2.5
Concentración del mercado
Se estudia la concentración del mercado, viendo la variación de la cuota de mercado
a lo largo del horizonte de estudio y consecuencia de ello el valor que toma el índice
Herfindahl, que hace el papel de indicador para establecer la concentración de la
generación en el sistema eléctrico español y por tanto su carácter de competencia
perfecta, oligopolio etc.
El poder de mercado es un aspecto que no se ha modelado en la representación del
sistema, por lo que el modelo no permite la realización de acciones estratégicas como,
aumentar el precio para obtener mayor margen o disminuirlo para desincentivar la
entrada de nuevos agentes.
9 Caso estudio. Caso Base
86
El modelo sirve para toma de decisiones de este tipo a posteriori una vez visto el
comportamiento de inversiones y la rentabilidad de IPP que deseen entrar a operar la
generación.
Figura 37. Cuota de mercado a lo largo del horizonte de los agentes en el caso base
Se concluye que dadas las características supuestas por el modelo, Endesa e
Iberdrola aumentarían su cuota de mercado durante el horizonte, en base a la pérdida
de las demás compañías de cuota.
9 Caso estudio. Caso Base
87
Figura 38. Indice Herfindahl caso base
El índice Herfindahl indica que el negocio de la generación se encuentra muy
concentrado, tratándose de un oligopolio como ya se ha explicado a los largo del
proyecto, y que aumenta su concentración a lo largo del horizonte.
El gran salto que se produce tanto en cuota de mercado como en el índice es debido
a la política tomada para la representación en la toma de decisiones de inversión,
tratándose de una política agresiva en la cual los agentes tratan de crecer en términos
de rentabilidad, y aunque la tarta es mayor debido el crecimiento de la demanda, el
objetivo es también conseguido en base a hacerse con parte de la cuota de sus
competidores.
9.2.6
Rentabilidad de un nuevo entrante o IPP
Uno de los objetos de este proyecto es el de analizar la rentabilidad de un nuevo
entrante o IPP que quisiera entrar a operar en el mercado de la generación con la
puesta en marcha de un ciclo combinado, se haya por tanto el VAN del IPP.
Figura 39. Rentabilidad de un IPP caso base
9 Caso estudio. Caso Base
88
La Figura 39 muestra la acumulación de los flujos de caja del IPP, dada una
inversión inicial, y teniendo en cuenta la tecnología del ciclo combinado.
Se calcula por tanto las horas que mensualmente el ciclo entra a casar su energía en
el mercado y por tanto percibir un ingreso de dicha operación. Se calcula con dicho
ingreso, costes y subsidios los flujos de caja del IPP que se actualizan en función del
año, obteniendo el VAN total en el último mes de horizonte de ejecución.
La rentabilidad para el IPP en el caso base es de 710.698 €/MW, lo que hace que si se
trata de un ciclo estándar de 400MW el IPP obtenga una rentabilidad del 284.279.200 €
con una inversión de 572.000 €/MW o 228.880.000 €.
La pronta recuperación de la inversión antes de los cuatro años es debida a que con
las hipótesis del modelo, y dado que los ciclos siempre entran a mercado al desplazar a
carbones y fueles (por las inversiones realizadas por los agentes), hace que el IPP entre
a mercado casi de una forma continua siendo una situación ideal. Es como si el IPP
estuviera operando en su óptimo de capacidad, y en este aspecto se tendrían que tener
en cuenta aspectos como el rendimiento.
También hay que señalar que se observa que aunque el IPP esté entrando en el
mercado su ganancia con respecto a su coste es cero, dado que es la tecnología del ciclo
la que pone el precio de mercado.
9 Caso estudio. Caso Base
9.3
89
Análisis de sensibilidad del caso base
Se realiza un análisis de sensibilidad para observar las variaciones en el resultado en
función del precio de CO2, esto es, se quiere observar cómo afecta el coste de emisiones
que se internaliza en la oferta de los grupos a el precio, inversiones, rentabilidad etc.
Para ello se ha realiza un análisis de sensibilidad para precios del CO2:
1. Caso 1: El precio es la mitad que en el caso base, 11 €/TCO2.
2. Caso 2: El precio es mayor que en el caso base, 27 €/TCO2.
9.3.1
9.3.1.1
Caso 1. Precio CO2 a 11 €/TCO2.
Precio de mercado
Se produce un cambio en los precios y en el número de etapas identificadas en el
caso base sobre el comportamiento de los precios. Se puede distinguir dos primeras
etapas donde el precio permanece más o menos constante, marcado en la primera
etapa por los carbones y fueles en algunas ocasiones, y en la segunda por carbones y
ciclos, como muestra la Figura 40.
Figura 40. Precio de mercado para un precio de CO2 de 11€/TCO2 de las dos primeras etapas
9 Caso estudio. Caso Base
90
Se puede por tanto comprobar como el mercado respondería a precios más estables
en donde los ciclos no desplazan del mercado a los carbones como en el caso base,
debido a que el precio de CO2 hace que no haya tanta diferencia en la oferta de los
grupos en función de su tecnología.
Pero por el contrario las señales de rentabilidad que el mercado ofrece a los agentes
son menores, produciéndose inversiones que en la tercera etapa no llegan a cubrir la
demanda. Por lo que tendremos una falta de suministro, reflejando el modelo en el
precio de la energía no suministrada fijado en 1800 €/MWh como muestra la Figura 41.
Figura 41. Precio de mercado para un precio de CO2 de 11€/TCO2 en la tercera etapa
En la tercera etapa identificada en los precios el margen de reserva es inferior al
100%, por lo que a vistas del regulador u operador tiene que mandar señales al
mercado antes de este periodo para que los agentes realicen inversiones, vía subsidios
como pagos de capacidad por ejemplo.
En esta tercera etapa y dados los precios de la energía no suministrada, los agentes
tendrán un gran incentivo para la inversión, por lo que volverán a invertir en activos,
aunque esta vez se trata de turbina de gas. Las turbinas de gas son las percibidas por
9 Caso estudio. Caso Base
91
los agentes con mayor rentabilidad, además de tener un plazo de construcción inferior
que hace que la falta de capacidad se solvente antes.
Por tanto se identifica una cuarta etapa tras las fuertes inversiones realizadas en
turbinas de gas donde el precio de mercado es marcado por las nuevas inversiones.
9.3.1.2
Margen de reserva
Como puede observarse en el apartado durante el tercer periodo no se cubre la
demanda energética y los precios resultantes son los de la energía no suministrada.
Este hecho se refleja por tanto en el margen de reserva.
Reserve Margin
160
%
140
Reserve Margin EON
120
Reserve Margin EON
11€/TCO2
100
80
1
5
9
13
17
21
25
29
Time(Year)
Figura 42. Comparación margen de reserva. Caso base y Caso 1
En el tercer periodo el margen de reserva llega a situarse en el 6% por debajo del
100% de la demanda, lo que da que no es posible cubrir un 6% de la demanda con el
parque generador que se dispone en dicho periodo.
Dadas la entrada de una fuerte inversión en turbinas de gas el sistema se recupera
en la cuarta etapa, llegando a situarse al final de la simulación en un 40% sobre la
demanda.
9.3.1.3
Nuevas inversiones
Se dan varias circunstancias a resaltar dada la falta de capacidad y los precios de
energía no suministrada con unos precios de CO2 de 11€/T CO2 y bajo las
características del modelo.
9 Caso estudio. Caso Base
92
Figura 43. Nuevas licencias solicitadas para un precio de CO2 de 11€/TCO2
Las inversiones durante la primera etapa siguen un comportamiento similar al caso
base. Se enfatiza lo que sucede en la tercera etapa, la cual aparece de una forma más
temprana que en el caso base y en ella se produce un cambio en la tecnología más
rentable percibida por los agentes. Esto es, se pasa de la decisión en inversión en ciclos
combinados, a la inversión en turbinas de gas.
Se observa por tanto como durante la tercera etapa los agentes cambian de
estrategia en cuanto a tecnología, realizando fuertes solicitudes de licencias en turbinas
de gas. De las cuales se solicitan grandes cantidades, dados los precios de energía no
suministrada en el sistema.
9.3.1.4
Balance energético
En la satisfacción de la demanda por parte de las tecnologías térmicas sin tener en
cuenta la energía nuclear, se tiene que:
ƒ
Los carbones importados entran siempre en el mercado.
ƒ
Los ciclos entran a su máxima capacidad durante casi todo el horizonte.
9 Caso estudio. Caso Base
ƒ
93
Los demás carbones entran con regularidad pero sufren más descenso en su
aportación.
ƒ
Los fueles cobran importancia en la tercera etapa de precios distinguida.
ƒ Las turbinas de gas hacen su apartición en la tercera y cuarta etapa, llegando a
marcar el precio de mercado y entrando a su máxima potencia instalada.
Figura 44. Balance térmico energético para un precio de CO2 de 11€/TCO2
9.3.1.5
Concentración de mercado
La concentración en el mercado se estudia bajo el índice Herfindahl con motivo de
seguir un indicador estándar de concentración que permite la comparación entre
distintos escenarios.
Se resalta como para precios de CO2 más bajos, aunque se tenga en contra el factor
dado por el modelo de una posible falta de capacidad al no percibir rentabilidad los
agentes, la concentración es menor hasta la cuarta etapa identificada en el sistema.
9 Caso estudio. Caso Base
94
Figura 45. Comparación de la concentración. Caso base y Caso 1
La subida en la concentración del sistema en la cuarta etapa se debe a las fuertes
inversiones realizadas por Endesa e Iberdrola en turbinas de gas.
9.3.1.6
Rentabilidad de un nuevo entrante o IPP
La rentabilidad de un nuevo entrante final es mayor, pero es importante analizar la
acumulación de los flujos de caja en el cálculo del VAN.
Los flujos de caja indican cómo hasta que no se dan precios por energía no
suministrada, en el caso de precio de CO2 inferior que en el caso base, se tienen
menores flujos de caja dado que los precios en el sistema son menores que en el caso
base.
9 Caso estudio. Caso Base
95
Figura 46. Comparación de VAN de un IPP. Caso base y Caso 1
Como resultado final se tiene que la rentabilidad para el IPP con precios de CO2 de
11€/TCO2, es de 1.288.000 €/MW, lo que hace que si se trata de un ciclo estándar de
400MW el IPP obtenga una rentabilidad del 515.200.000 € con una inversión de 572.000
€/MW o 228.880.000 €.
La recuperación en caso de precios inferiores en cuanto a emisiones, se produce de
una forma más tardía que en el caso base, debido a que los flujos de caja son menores
por los precios de mercado.
9.3.2
9.3.2.1
Caso 2. Precio CO2 a 27 €/TCO2.
Precio de mercado
Se produce un cambio en los precios a la alta distinguiendo las mismas etapas que
en el caso base, es decir, no existe variación como ocurre con el caso de precios
menores, explicado en el apartado anterior.
9 Caso estudio. Caso Base
96
Figura 47. Precio de mercado para un precio de CO2 de 27€/TCO2 de las dos primeras etapas
9.3.2.2
Margen de reserva
El margen de reserva es mayor en caso de tener un precio de emisión más alto, ya
que los agentes perciben mayor rentabilidad al internalizar el coste de las emisiones en
su oferta y realizan mayores inversiones como se explica en el apartado siguiente.
Reserve Margin
180
%
160
Reserve Margin EON
140
Reserve Margin EON
22€/TCO2
120
100
80
1
5
9
13
17
21
25
29
Time(Year)
Figura 48. Comparación margen de reserva. Caso base y Caso 2
9 Caso estudio. Caso Base
97
La nueva situación con respecto un precio de 22 €/TCO2 es mejor para el regulador
al final del horizonte, disponiendo el sistema de un margen mayor.
9.3.2.3
Nuevas inversiones
Se da una circunstancia dados unos precios de CO2 de 27€/T CO2 y bajo las
características del modelo.
Se dan mayor inversión en cuanto a número de grupos en casi todos los periodos de
decisión, sobre todo al final de la ejecución de la simulación, aunque la respuesta a la
rentabilidad en la tercera etapa se produce más tarde como explica la Figura 40 de
precios.
Figura 49. Nuevas licencias solicitadas para un precio de CO2 de 27€/TCO2
9.3.2.4
Balance energético
En el balance energético resalta una mayor importancia de los ciclos sobre todo en la
tercera etapa.
9 Caso estudio. Caso Base
98
Figura 50. Balance térmico energético de ciclos combinados para un precio de CO2 de 27€/TCO2
9.3.2.5
Concentración de mercado
La concentración en el mercado se estudia bajo el índice Herfindahl con motivo de
seguir un indicador estándar de concentración que permite la comparación entre
distintos escenarios.
Se resalta como para precios de CO2 mayores, la concentración aumenta. Es lógico
dado que Endesa e Iberdrola realizan inversiones mayores que los demás por sus
características.
9 Caso estudio. Caso Base
99
Figura 51. Comparación de la concentración. Caso base y Caso 2
9.3.2.6
Rentabilidad de un nuevo entrante o IPP
La rentabilidad de un nuevo entrante final es mayor, al tener un precio de CO2
mayor, el precio de la energía sube y el VAN calculado en función de los flujos de caja
que tendría un IPP aumenta.
9 Caso estudio. Caso Base
100
Figura 52. Comparación de VAN de un IPP. Caso base y Caso 2
Como resultado final se tiene que la rentabilidad para el IPP con precios de CO2 de
27€/TCO2, es de 826.787 €/MW, lo que hace que si se trata de un ciclo estándar de
400MW el IPP obtenga una rentabilidad del 330.714.800 € con una inversión de 572.000
€/MW o 228.880.000 €.
La recuperación en caso de un precio mayor de emisiones, se produce antes que en
el caso base, debido a que los flujos de caja son mayores por los precios de mercado.
9.3.3
Comparación del análisis de sensibilidad
Se concluye que las características más destacadas en el comportamiento del modelo
para los distintos precios del CO2:
ƒ
Primer caso: 11 €/TCO2.
ƒ
Caso base: 22 €/TCO2.
ƒ Segundo caso: 27 €/TCO2.
9 Caso estudio. Caso Base
9.3.3.1
101
Precio de mercado
En el primer caso se distinguen cuatro etapas en el comportamiento de los precios
en lugar de tres como el los otros dos casos, destacando como el precio de la energía se
va al precio de la energía no suministrada al producirse una falta de capacidad en el
sistema.
El precio de la energía es a su vez mayor en segundo caso que en el base, dada la
internalización del coste de emisiones en la oferta por parte de los agentes.
9.3.3.2
Margen de reserva
En el primer caso y dada la falta de capacidad por la falta de inversiones durante
una etapa del horizonte, el margen de reserva baja por debajo de la barrera del 100%,
algo que no puede suceder en el sistema y que el regulador debe de prevenir.
9.3.3.3
Nuevas Inversiones
La situación más importante es la producida en el primer caso donde, una vez los
precios se sitúan en los de la energía no suministrada, se produce un cambio en la
tecnología en la que deciden invertir los agentes. Se pasa a invertir en turbinas de gas,
las cuales tienen un periodo de construcción menor y hacen que el sistema se estabilice
en menos tiempo.
Otro aspecto a señalar es que en el segundo caso, las inversiones son mayores que
en el caso base.
9.3.3.4
Concentración de mercado
La concentración en el mercado es mayor en los dos casos que en el base, lo que
tiene un peso importante en la decisión del precio elegido para las emisiones como
caso base.
9.3.4
Justificación del precio del CO2 en el caso base
Se opta por un precio de CO2 de 22 €/TCO2, dado que se considera que la situación
del primer caso de falta de capacidad no se puede dar en el sistema, siendo anticipada
por el regulador y enviando señales de reacción a los agentes para que realicen sus
9 Caso estudio. Caso Base
102
inversiones vía subsidios, por lo que ejecución del modelo cambiaria al existir la acción
del regulador.
Tampoco se opta por el precio mayor del segundo caso, al tener en el sistema una
concentración mayor. Aunque esta situación sería buena para un IPP, al aumentar la
concentración y con ella el poder de mercado, el consumidor encontraría en una
situación más desventajosa que en el caso base. Otra razón por la que no se elige el
precio del segundo caso es que actualmente parece algo caro, aunque existe cierta
incertidumbre en cuanto a qué pasará con los precios de las emisiones una vez vencido
el protocolo de Kyoto y vistos los cumplimientos de los países que lo integran.
10 Escenarios
103
10 Escenarios
Bajo la descripción realizada sobre las características del caso base, se realizan
distintas modificaciones en las relaciones entre agente y grupos, para configurar de
distintas formas el reparto de propiedad de los activos de generación en el parque
generador.
Con ello se puede simular como se comportaría el sistema según el modelado en el
caso de las existencias de OPAs y fusiones en la generación, tema de relevancia en la
actualidad.
Y como este reparto de activos influye sobre aspectos del sector eléctrico español
como precio, inversiones, margen de reserva, concentración, y rentabilidad de un
nuevo entrante.
En todo el análisis realizado a lo largo de los escenarios es de vital importancia tener
en cuenta un aspecto sobre el que se volverá en las conclusiones y es el poder de
mercado de los agentes sobre el precio. Al disponer de mayor poder en cuanto a
capacidad, provoca la posibilidad de una mayor influencia en el precio del mercado,
mediante otra configuración de ofertas que el modelo no contempla.
10 Escenarios
104
10.1 E.ON
La compañía alemana E.ON tras el intento de OPA de Gas Natural sobre Endesa
presenta el 20 de Febrero de 2006 una OPA a la Comisión Nacional del Mercado de
Valores (CNMV).
El caso base realiza una representación del sector eléctrico español actual, siendo el
mismo que en el caso de una OPA por parte de la compañía alemana E.ON a Endesa,
en la que se considera que el reparto de activos del parque generador no sufriría
cambios. Se utiliza para comparar en apartados posteriores los casos estudios como
caso en el que E.ON realizara la adquisición de Endesa.
Los resultados y comentarios de este apartado son los mismos que en el apartado
9.2. Resultados principales del caso base.
10 Escenarios
105
10.2 OPA de Gas Natural sobre Endesa
Desde septiembre de 2005 Gas Natural trata de adquirir la primera eléctrica
española Endesa. Con este escenario se trata de representar el reparto de activos en el
sistema bajo algunas salvedades, como que no se considera la venta de activos de Gas
Natural a otras compañías al no haberse realizado actualmente la OPA y no saber
cuales son las políticas de venta de grupos por parte de Gas Natural.
Se definen entonces los cambios en el parque generador como muestra la Tabla 15,
donde se puede ver la situación con la OPA y la situación del caso base, quedando los
demás agentes sin cambios.
GAS NATURAL
ENDESA
(OPA/Caso base)
(OPA/Caso base)
CARBON IMP
1699 (3) / 0 (0)
0 (0) / 1699 (3)
CICLO COMB
3117 (8) / 1977 (5)
0 (0) / 1140 (3)
FUELGAS
2178 (7) / 0 (0)
0 (0) / 2178 (7)
HIDRÁULICA
3639 (1) / 0 (0)
0 (0) / 3639 (1)
HULLA ANTRACITA
1437 (6) / 0 (0)
0 (0) / 1437 (6)
LIGNITO NEGRO
1050 (3) / 0 (0)
0 (0) / 1050 (3)
LIGNITO PARDO
1400 (4) / 0 (0)
0 (0) / 1400 (4)
NUCLEAR
3995 (6) / 0 (0)
0 (0) / 3995 (6)
POTENCIA (GRUPOS)
RENOVABLE
TURBINAGAS
Tabla 15. Escenario OPA Gas Natural sobre Endesa
10 Escenarios
106
Como característica de Endesa a nivel corporativo se da la circunstancia de que es
una compañía la cual siempre puede ser opada por otras debido a la estructura de su
accionariado, en el cual un 85% son particulares o fondos, nacionales o extranjeros, que
buscan rentabilidad a su inversión. Por contra a Gas Natural, donde el 65% de su
capital se encuentra controlado por La Caixa y Repsol, y a su vez Repsol es controlada
por La Caixa.
10.2.1 Precio de mercado
Se estudia la variación en el precio de mercado en el caso de que los activos de
Endesa los concentre todos Gas Natural. Para ello se observa el nivel de carga donde la
demanda es mayor, que corresponden a punta laborable, observando:
Figura 53. Variación del precio de mercado entre el escenario de OPA y el caso base para el nivel 1
Se dan precios mayores en el escenario que en el caso base dado que al tratarse de
un OPA hostil y teniendo en cuenta que la intención de Gas Natural es la de sustituir la
cúpula directiva de Endesa, la política seguida por Gas Natural es distinta.
Por lo que una vez adquiridos los activos por parte del gasista se establece su
política dentro de Endesa con un cambio de dirección que bajo las hipótesis del modelo
provocarían una subida en los precios.
10 Escenarios
107
Esta circunstancia afecta de manera más notable a la segunda etapa identificada en
el caso base en la cual no se realizan inversiones al no percibir los agentes incentivos
por los precios menores marcados por los ciclos que han desplazado del mercado a los
carbones y fueles bajo un precio de emisiones de CO2 de 22 €/T CO2.
10.2.2 Nuevas Inversiones
Se observa un cambio en el ciclo de decisión en las inversiones al final del horizonte,
correspondiente a la etapa tercera de los precios. Se explica comparando las dos
gráficas de inversión para el caso base y el escenario actual.
Figura 54. Licencias en la tercera etapa para el caso base
En la Figura 54 correspondiente al caso base se observa como dos de los agentes
Endesa e Iberdrola realizan petición de licencias para inversión en ciclos combinados
de 400MW a partir del año 24.
Mientras que en la Figura 55 correspondiente al escenario, la petición de licencias es
diferente, esto es, la percepción de rentabilidad por parte de los agentes se produce con
anterioridad, realizando inversiones Gas Natural (que ha adquirido Endesa) e
10 Escenarios
108
Iberdrola de ciclos combinados de 400MW un año antes que en el caso base y
terminando un año antes también.
Figura 55. Licencias en la tercera etapa para Gas Natural-Endesa
10.2.3 Margen de reserva y Balance Energético
En cuanto a estos dos factores existe una pequeña variación pero sin mayor
importancia entre los dos escenarios, caso base y OPA Gas Natural a Endesa, al final
del horizonte de entre un 1 y 2 %. Hecho que esta correlacionado con el cambio de
inversión producido y comentado en el apartado anterior, pero que realmente no tiene
demasiado peso a la hora de estudiar el global del comportamiento del sistema.
10.2.4 Concentración del Mercado
Se identifica claramente como la OPA pone de manifiesto una mayor concentración
en el mercado, hecho que es lógico tenido en cuenta la mayor cuota de mercado por
parte de Gas Natural tras la OPA, y que hace que este tenga un índice de concentración
claramente mayor.
10 Escenarios
109
Figura 56. Comparación Índice Herfindahl, Caso base y GN-Endesa
10.2.5 Rentabilidad de un nuevo entrante o IPP
Se da una variación en cuanto a la rentabilidad de un IPP debida a la relación en su
cálculo con los precios de mercado que son mayores que en el caso base.
10 Escenarios
110
Figura 57.Comparación del VAN IPP, Caso base y GN-Endesa
La rentabilidad para el IPP en caso de OPA Gas Natural a Endesa es de 838.267
€/MW, lo que hace que si se trata de un ciclo estándar de 400MW el IPP obtenga una
rentabilidad del 335.306.800 € con una inversión de 572.000 €/MW.
Como se ve la ganancia del IPP respecto a la inversión es mayor que en el caso base,
por lo que se origina un atractivo para los IPP en el mercado en la generación con la
inversión en un ciclo combinado, en caso de OPA.
En cuanto a la recuperación de la inversión el caso es análogo al caso base siendo
inferior a los cuatro años, debido a que la situación de precios en la primera etapa es la
misma en ambos casos, y esta sujeta a la oferta más cara de carbones y fueles sujetos a
costes de CO2 más severos que otras tecnologías como los ciclos combinados.
10 Escenarios
111
10.3 Fusión Endesa e Iberdrola
La fusión entre Endesa e Iberdrola no llego a su fin en tiempo, motivada las
condiciones puestas por el Gobierno para asegurar la competencia tanto entre
generadores de energía como entre comercializadores y distribuidores. En este
proyecto toma relevancia su estudio desde el punto de vista del tratado de los mismos
factores que en los otros casos estudio.
Se definen entonces los cambios en el parque generador como muestra la Tabla 16,
donde se puede ver la situación tras la fusión y la situación del caso base, quedando los
demás agentes sin cambios.
ENDESA
IBERDROLA
(Fusión/Caso base)
(Fusión/Caso base)
CARBON IMP
1913 (4) / 1699 (3)
0 (0) / 214 (1)
CICLO COMB
4324 (10) / 1140 (3)
0 (0) / 3184 (7)
FUELGAS
5914 (18) / 2178 (7)
0 (0) / 3736 (11)
HIDRÁULICA
8829 (2) / 3639 (1)
0 (0) / 5190 (1)
HULLA ANTRACITA
2449 (10) / 1437 (6)
0 (0) / 1003 (4)
LIGNITO NEGRO
1050 (3) / 1050 (3)
LIGNITO PARDO
1400 (4) / 1400 (4)
NUCLEAR
7139 (8) / 3995 (6)
POTENCIA (GRUPOS)
RENOVABLE
TURBINAGAS
Tabla 16. Escenario fusión Endesa Iberdrola
0 (0) / 3144 (6)
10 Escenarios
112
10.3.1 Precio de mercado
Se estudia la variación en el precio de mercado en caso de fusión de ambas
compañías. Para ello se observan los dos niveles de carga de mayor demanda,
correspondientes a la punta y llano laborable, se observando:
Figura 58. Variación de precio en punta laborable. Caso base y Fusión
La variación en el comportamiento del sistema es notable. Se siguen distinguiendo
tres etapas pero con intervalos de duración distintos. Las etapas primera y tercera,
donde se realizan inversiones, ganan terreno a la etapa segunda donde se producen
caídas del precio, esto es se tiene una segunda etapa donde no se invierte pero es
significativamente pequeña con respecto a la etapa segunda del caso base.
La causa por la que el precio es mayor es debido a la relación entre la potencia
instalada en el sistema y la demanda. Con la fusión se tiene que las decisiones de
inversión son realizadas sólo por un agente que corresponde a la unión de los dos,
teniendo que la suma de los MW decididos a invertir en el sistema por todos los
agentes es menor en el caso de fusión que en el caso base.
10 Escenarios
113
Si se produce una fusión, aunque el agente resultante invierte más que cada uno de
los agentes Endesa e Iberdrola por separado, el global de la inversión es menor que la
suma de las inversiones que se realizan por Endesa e Iberdrola en el caso base.
Se relaciona por tanto el cambio en la duración de las etapas, el precio y las
inversiones con la capacidad total del sistema como se observa en la Figura 59, en la
que a su vez se pueden observar temporalidad (picos y valles), dado la influencia de la
energía hidráulica en función del mes.
Figura 59. Comparación de capacidad del sistema. Caso base y Fusión
La razón por las que el agente resultante de la inversión, realiza solicitudes de
licencias de construcción menores debido a las características del modelo en cuanto al
cálculo de la potencia máxima a invertir, que como se vio en apartados anteriores,
aunque dependen de criterios como cuota de mercado y está es mayor en caso de
fusión, no supera la suma de los máximos de los dos agentes en el caso base.
Se puede comprobar como esta nueva situación en cuanto a capacidad total en el
sistema afecta por igual al precio de los demás niveles como se ve en la Figura 60, en
donde se representa la variación de precios entre los dos escenarios para el nivel de
carga llano laborable.
10 Escenarios
114
Figura 60. Variación de precio en llano laborable. Caso base y Fusión
10.3.2 Nuevas Inversiones
Se da un cambio notable observando el mapa de inversiones en caso de fusión con
respecto al caso base. Se explica comparando las dos gráficas de inversión para el caso
base y el escenario actual, Figura 61.
Se observa como el hecho de que la capacidad en el sistema sea menor hace que el
precio suba en el sistema respondiendo a la ley de oferta y demanda de cualquier
mercado.
Al entrar carbones y fueles en el mercado y subir el precio, los agentes perciben
rentabilidades altas que provoca la inversión en nuevos activos de generación,
alargando la etapa primera y adelantando la reinversión en la etapa tercera del
horizonte.
10 Escenarios
115
Figura 61. Comparación de las estrategias de inversión. Caso base y Fusión
10.3.3 Margen de reserva.
El margen de reserva se ve claramente influido en caso de fusión por parte de los
agentes, dado que es dependiente de la capacidad instalada en el sistema y está, es
menor.
10 Escenarios
116
Reserve Margin
160
%
140
Reserve Margin EON
120
Reserve Margin
END_IBER
100
80
1
5
9
13
17
21
25
29
Time(Year)
Figura 62. Comparación del margen de reserva. Caso base y Fusión
En caso de fusión se observa como el margen baja de igual manera hasta un 7% en
la primera etapa como en el caso base hasta un punto donde entran las nuevas
inversiones. Pero el pico máximo de reserva es menor que en el caso base, alcanzado
sólo el 39%, y realizando un descenso más suave para situarse al final al 9%.
Si se realiza la comparación del escenario de fusión y el base, se da una situación
paradójica en caso de fusión, y es que el operador tendría que tener mayor cuidado en
las señales que manda al mercado en base a subsidios como el pago por capacidad,
para que los agentes inviertan en potencia para el sistema.
No sólo el poder de mercado al haber una fusión es mayor por parte del nuevo
agente, situación que puede jugar en contra del consumidor, sino que además tendría
cierto poder sobre la política de incentivos del operador, al tener que asegurar este un
margen de reserva suficiente en el sistema.
Paradójicamente la fusión entre Endesa e Iberdrola según las características de este
modelo, influye de manera positiva a un IPP al igual que en caso de una OPA de Gas
Natural sobre Endesa.
Según este modelo la fusión de dos agentes con una gran posesión de activos, que
provoca un mayor poder de mercado proporciona mayor rentabilidad a un IPP que
una OPA de un agente con capital pero con menor aportación en generación al global
de la empresa resultante.
10 Escenarios
117
Otro tema a debatir que se comenta más adelante, es como afecta la reestructuración
de posesión de activos al consumidor final, y si este pagaría los costes de OPAs o
fusiones finalmente vía el precio de la energía en el mercado, dado la influencia que
tendrían en el mercado agentes más grandes.
10.3.4 Concentración del Mercado
La concentración de mercado es mucho mayor que en el caso base como se observa
en la Figura 63. Teniendo el mercado en un estado concentración del cual se podría
concluir que existe un agente con un poder de mercado significativo en base a la
observación del índice Herfindahl.
Figura 63. Comparación Índice Herfindahl, Caso base y Fusión
10.3.5 Balance Energético
El balance energético se ve afectado en cuanto a la distribución de las tecnologías
dentro de la categoría térmica, en su satisfacción a la demanda.
Se observa como los carbones y fueles cobran mayor importancia en la satisfacción
de la demanda en el caso de producirse una fusión, Figura 64 .
10 Escenarios
118
Figura 64. Balance energético térmico en la satisfacción de la demanda en el escenario de Fusión
10.3.6 Rentabilidad de un nuevo entrante o IPP
La rentabilidad de un IPP en el caso de la fusión es superior a la del caso base
debida a la relación en su cálculo con los precios de mercado que son mayores que en
el caso base, al disponer de una oferta menor para la misma demanda.
Figura 65.Comparación del VAN IPP. Caso base y Fusión
10 Escenarios
119
La rentabilidad para el IPP en caso de fusión es de 995.029 €/MW, lo que hace que si
se trata de un ciclo estándar de 400MW el IPP obtenga una rentabilidad del 398.011.600
€ con una inversión de 572.000 €/MW.
Como se ve la ganancia del IPP respecto a la inversión es mucho mayor que en el
caso base, según las características del modelo y teniendo en cuenta que el agente
resultante de la fusión no tomara decisiones estratégicas sobre el precio para
desincentivar la entrada de nuevos generadores, tirando el precio a la baja.
En cuanto a la recuperación de la inversión el caso es análogo al caso base siendo
inferior a los cuatro años, debido a que la situación de precios en la primera etapa es la
misma en ambos casos, y esta sujeta a la oferta más cara de carbones y fueles sujetos a
costes de CO2 más severos que otras tecnologías como los ciclos combinados.
10 Escenarios
120
10.4 OPA Gas Natural sobre Iberdrola
En este apartado se va a representar los cambios que se darían en la generación
eléctrica, dadas las características del modelo, si se produjese una OPA de Gas Natural
sobre Iberdrola.
Se definen entonces los cambios en el parque generador como muestra la Tabla 17,
donde se puede ver la situación tras la fusión y la situación del caso base, quedando los
demás agentes sin cambios.
GAS NATURAL
IBERDROLA
(OPA/Caso base)
(OPA/Caso base)
CARBON IMP
214 (1) / 0 (0)
0 (0) / 214 (1)
CICLO COMB
5161 (12) / 1977 (5)
0 (0) / 3184 (7)
FUELGAS
3736 (11) / 0 (0)
0 (0) / 3736 (11)
HIDRÁULICA
5190 (1) / 0 (0)
0 (0) / 5190 (1)
HULLA ANTRACITA
1003 (4) / 0 (0)
0 (0) / 1003 (4)
3144 (6) / 0 (0)
0 (0) / 3144 (6)
POTENCIA (GRUPOS)
LIGNITO NEGRO
LIGNITO PARDO
NUCLEAR
RENOVABLE
TURBINAGAS
Tabla 17. Escenario OPA Gas Natural sobre Iberdrola
10.4.1 Precio de mercado
El precio de casación es mayor que el caso base y que en caso de OPA de Gas
Natural sobre Endesa. Esto es debido a la distinta estructura de activos entre las
compañías que serían adquiridas por Gas Natural.
10 Escenarios
121
Figura 66. Comparación en los precios de mercado entre los escenarios de OPAs y el Caso Base
Se observa como el caso estudio actual tiene mayores precios. Se observa como al
darse mayores precios se invierte en un grupo más que en el caso de la OPA de Gas
Natural sobre Endesa en el año 24.
10.4.2 Rentabilidad de un nuevo entrante o IPP
La rentabilidad es mayor como se concluye de su relación con los precios del
mercado, como muestra la Figura 67.
Se ve la ganancia del IPP respecto a la inversión es mucho mayor que en el caso base
y en el caso de la OPA de Gas Natural sobre Endesa. Se origina un atractivo en el
mercado para nuevos inversores, de igual manera que con la otra OPA.
10 Escenarios
122
Figura 67. Comparación del VAN de un IPP para los escenarios de OPAs y Caso Base
La rentabilidad para el IPP en caso de OPA Gas Natural a Iberdrola es de 880.523
€/MW, lo que hace que si se trata de un ciclo estándar de 400MW el IPP obtenga una
rentabilidad del 352.209.200 € con una inversión de 572.000 €/MW.
11 Análisis global de los resultados de los escenarios
123
11 Análisis global de los resultados de los escenarios
Como colofón de este capítulo, vamos a comparar los escenarios entre sí, por orden
de importancia según los objetivos del proyecto, para dar las conclusiones en el
capítulo siguiente, teniendo en cuenta que el análisis de cada escenario en detalle con el
caso base se detallo en los apartados anteriores.
11.1 Rentabilidad de un IPP
La rentabilidad obtenida por un IPP en cada uno de los escenarios es distinta. Esta
depende en el modelo del precio de mercado, para poder estimar las horas que un ciclo
entra a casar su energía en el sistema, y así poder realizar un cálculo sobre los flujos de
caja para su actualización y cálculo del VAN del IPP.
Figura 68. Comparación del VAN de un IPP en escenarios
11 Análisis global de los resultados de los escenarios
124
Se resume según la Tabla 1, para un ciclo estándar de 400MW:
ESCENARIOS
VAN ( €/MW)
Inversión (€/MW)
VAN ( € )
Inversión (€)
E.ON
710.698
572.000
284.279.200
228.800.000
838.267
572.000
335.306.800
228.800.000
995.029
572.000
398.011.600
228.800.000
880.523
572.000
352.209.200
228.800.000
OPA GAS NATURAL ENDESA
FUSIÓN ENDESAIBERDROLA
OPA GAS NATURALIBERDROLA
Tabla 18. Rentabilidad de un IPP según el escenario
La mayor rentabilidad para un IPP se tiene en caso de fusión, seguido de los
escenarios de OPAs, dada la correlación entre rentabilidad y precios.
La rentabilidad se encuentra relacionada directamente con el precio de la
electricidad en el mercado. La rentabilidad se calcula en €/MW instalado, en este caso
400MW para un ciclo estándar. Este precio es mayor en un escenario de una hipotética
fusión entre Endesa e Iberdrola, ya que aunque como se vea en un apartado
posteriores, donde se explican los precios de la electricidad en el mercado, hay niveles
de festivos en los que un escenario de OPA tiene mayores precios, cuando se tiene en
cuenta la amplitud de los niveles (esto es las horas de cada nivel), el escenario más
favorable para un nuevo entrante, es un escenario de fusión.
11 Análisis global de los resultados de los escenarios
125
11.2 Concentración del mercado en escenarios
La concentración se ve claramente afectada por el reparto de la posesión de los
activos en la generación, como se puede estudiar con el índice de concentración
utilizado a lo largo de todo el proyecto.
Figura 69. Comparación de la concentración del mercado en los escenarios
Se concreta que toda fusión u OPA aumenta la concentración del sector de la
generación, y por consiguiente el poder de mercado del agente resultante de dicha
fusión u OPA.
11 Análisis global de los resultados de los escenarios
126
11.3 Precio de mercado en escenarios
Se compara para el nivel de punta laborable como existe una variación de precios en
función del reparto de activos entre los agentes en el parque generador.
Figura 70. Comparación del precio de mercado en los escenarios
Las funciones de los precios en cada uno de los escenarios se explicaron en cada
apartado anterior mediante su comparación con el caso base.
Se estudian los precios en función de dos unidades distintas, en €/MWh que es
como se realiza la casación del precio en el mercado y en €/MW que es como se tiene
en cuenta a la hora de calcular la rentabilidad de un nuevo entrante en el sistema, que
es el objetivo principal del trabajo.
Los precios en €/MWh para los tres primeros niveles de carga son mayores en el
caso de fusión que en caso de OPAs y estos a su vez que en el caso base. Para los dos
siguientes niveles de carga se tiene que son un poco superiores en caso de un OPA de
Gas Natural sobre Endesa que en caso de fusión. En el último nivel de carga los precios
son mayores en caso de una OPA que en caso de fusión.
11 Análisis global de los resultados de los escenarios
127
El precio medio de la energía en cada uno de los escenarios para cada nivel a lo
largo de los horizontes es:
PRECIO DE
MERCADO
( €/MWh)
Nivel 1
Nivel 2
Nivel 3
Nivel 4
Nivel 5
Nivel 6
Precio
Medio
Niveles
E.ON
51,03
49,40
48,80
48,10
47,35
45,85
48,42
OPA GAS
NATURAL ENDESA
52,27
50,98
50,59
50,09
49,53
47,94
50,23
FUSIÓN
ENDESAIBERDROLA
55,88
53,46
52,19
50,52
48,20
44,78
50,84
OPA GAS
NATURALIBERDROLA
52,61
51,45
51,11
50,71
50,27
49,12
50,88
PRECIO DE
MERCADO
( €/MW) IPP
Nivel 1
Nivel 2
Nivel 3
Nivel 4
Nivel 5
Nivel 6
Precio
Medio
Niveles
E.ON
50417,64
171319,20
72321,60
50986,00
50096,30
32278,40
71236,52
OPA GAS
NATURAL ENDESA
51642,76
176798,64
74974,38
53095,40
52402,74
33749,76
73777,28
FUSIÓN
ENDESAIBERDROLA
55209,44
185399,28
77345,58
53551,20
50995,60
31525,12
75671,04
OPA GAS
NATURALIBERDROLA
51978,68
178428,60
75745,02
53752,60
53185,66
34580,48
74611,84
HORAS
988
3468
1482
1060
1058
704
Tabla 19. Precio medio de la energía para cada nivel de carga en los escenarios
Aunque el precio medio global en €/MWh es mayor en el caso de una OPA de Gas
Natural sobre Iberdrola, si se añade al precio medio el efecto de las horas, es decir, se
tiene en cuenta el reparto de las horas en cada nivel que representa la amplitud de cada
nivel, el precio mayor es en caso de fusión.
11 Análisis global de los resultados de los escenarios
128
Se resalta que siempre que la situación más favorable para el consumidor es la
situación actual o el hecho de producirse una OPA de E.On sobre Endesa, en donde el
precio de la electricidad es menor. Por el contrario la situación más favorable para el
consumidor es la más desfavorable para un nuevo entrante, ya que éste ganara más en
caso de precios de la electricidad mayores.
11 Análisis global de los resultados de los escenarios
129
11.4 Nuevas inversiones en escenarios
Las inversiones que se realizan en todos los escenarios son basadas en la tecnología
de los ciclos combinados.
Figura 71. Comparación de las licencias entre escenarios
Hay que resaltar un mayor reparto en el número de solicitudes en el caso de la
fusión de Endesa e Iberdrola a lo largo del horizonte, dado que las tres etapas
identificadas de los precios tienen amplitud y valores distintos en los otros escenarios.
Se puede realizar la comparación entre la potencia total instalada en el sistema,
concluyendo como el global de inversión es menor en caso de fusión dadas las
características en el cálculo de MW a instalar del modelo.
11 Análisis global de los resultados de los escenarios
130
Aunque al final del horizonte la potencia instalada en el caso de la fusión es mayor
que en el caso de las OPAs y el caso base.
Figura 72. Comparación de la capacidad del sistema entre escenarios
Las inversiones realizadas en el sistema total por parte de los agentes en cada uno
de los casos se reflejan en la Tabla 20, donde se observa como en el escenario donde
más inversiones se realizan es la OPA de Gas Natural sobre Iberdrola, y donde menos
en caso de fusión de Endesa e Iberdrola.
Aunque la diferencia entre las inversiones se reducen a dos o tres de grupos, como
respalda la Figura 72, donde se ve como las potencias al final del horizonte de
ejecución tienden a igualarse.
11 Análisis global de los resultados de los escenarios
INVERSIONES
131
POTENCIA
POTENCIA
INSTALADA
NÚEVOS
INSTALDA EN
EN
CICLOS
CICLOS
RÉGIMEN
COMBINADOS COMBINADOS
ESPECIAL
(MW)
(MW)
POTENCIA
TOTAL
INSTALADA
(MW)
E.ON
81
32400
9069
41469
OPA GAS
NATURAL ENDESA
81
32400
9069
41469
FUSIÓN
ENDESAIBERDROLA
80
32000
9069
41069
OPA GAS
NATURALIBERDROLA
83
33200
9069
42269
Tabla 20. Inversiones totales realizadas en el sistema en cada escenario
11 Análisis global de los resultados de los escenarios
132
11.5 Margen de reserva en escenarios
El margen de reserva entre escenarios varía dada su dependencia con la capacidad
del sistema bajo una demanda igual para todos los casos.
Reserve Margin
160
Reserve Margin EON *
%
140
Reserve Margin
END_IBER
120
100
80
1
5
9
13
17
Time(Year)
21
25
29
Reserve Margin
GAS_END*
Reserve MArgin
GAS_IBER *
*Coinciden en las primeras etapas
Figura 73. Comparación del margen de reserva entre escenarios
Se observa como el margen varia con arreglo a la capacidad del sistema y las
variables que influyen sobre está. La explicación del comportamiento del margen se
detalló en apartados anteriores.
El margen de reserva medio, máximo y mínimo en cada escenario se analiza según
la Tabla 21, observando como el margen medio es menor en el caso de fusión al existir
una correlación con la capacidad en el sistema.
No existe gran diferencia entre los márgenes mínimos alcanzados entre escenarios,
apenas un 3% de diferencia entre escenarios, aunque es bajo en todos ellos para la
seguridad del sistema.
11 Análisis global de los resultados de los escenarios
133
MARGEN DE
RESERVA
MEDIO
MÁXIMO
MÍNIMO
E.ON
131
165
105
OPA GAS
NATURAL ENDESA
131
165
106
FUSIÓN
ENDESAIBERDROLA
122
145
108
OPA GAS
NATURALIBERDROLA
131
165
108
Tabla 21. Margen de reserva medio, máximo y mínimo en cada escenario
Resulta curioso estudiar como el margen tiene un valor medio y mínimo en tres de
los cuatro escenarios, se debe a como se realizan las inversiones en el sistema. En las
etapas identificadas en el sistema para los casos de OPAs y base, la rentabilidad
percibida por los agentes es muy parecida, por lo que se construyen el mismo número
de grupos, al ser los grupos de un tamaño fijo, y aunque un agente quiera construir
más MW, se ve influenciado por tener que hacer la división entre grupos de MW
iguales, al construirse grupos estándar. Como la potencia instalada en el sistema es la
misma excepto en la última etapa de la ejecución y la demanda crece con de manera
constante anualmente, el margen de reserva coincide para estos tres escenarios.
11 Análisis global de los resultados de los escenarios
134
11.6 Balance energético
La combinación de tecnologías que satisfacen la demanda en el mercado es distinta
a su vez entre los escenarios. Cada combinación entre las tecnologías definidas como
térmicas es distinta. Se puede comparar por tanto como entran en el mercado las
distintas energías térmicas en función del reparto de activos en el sector. Esto se debe a
la dependencia del balance térmico con el precio que se da en el mercado.
Se observa como es distinto el aporte de los ciclos al sistema en función del
escenario, Figura 74.
Figura 74. Comparación de los ciclos en la satisfacción de la demanda en los escenarios
Los ciclos tienen mayor peso en el caso base y las OPA´s que en el caso de una
fusión entre Endesa e Iberdrola según las características del modelo.
11 Análisis global de los resultados de los escenarios
135
5
CONCLUSIONES
12 Conclusiones del Proyecto
136
12 Conclusiones del Proyecto
En el proyecto se realiza un modelo para abordar el problema de la expansión de la
capacidad de la generación eléctrica basado en la técnica de simulación Business
Dynamics. Se comprueba que la aplicación de esta técnica ofrece ventajas para el
modelado del sistema eléctrico español a largo plazo, al permitir establecer cuáles son
las causas estructurales que intervienen en el comportamiento de un sistema mediante
el estudio de las influencias existentes entre las variables que conforman el mismo, bajo
realimentaciones y retrasos. Una vez identificadas las ventajas de Business Dynamics
como técnica de simulación adecuada para este tipo de problema, se aplica esta técnica
para el desarrollo de un modelo que realiza una representación de la evolución del
sistema eléctrico español, dadas una serie de características. Las ventajas de la
realización del modelo, es la de ofrecer una nueva herramienta tanto para generadores
como para agentes reguladores que permite la realización de varios casos estudio, y en
este caso concreto, bajo la preocupación latente actual en el sector eléctrico español
debido a las últimas ofertas de adquisición de activos.
La preocupación sobre la incertidumbre existente en el sector eléctrico español por
las ofertas de adquisición de activos en la generación de electricidad, dejando a un lado
transporte y distribución al tratarse de monopolios naturales, dan pie a establecer
objetivos de estudio como la rentabilidad de un nuevo entrante en el mercado de la
generación en función de la concentración del mercado, concluyendo que su
rentabilidad se ve beneficiada, al subir los precios de electricidad si se tiene una mayor
concentración en el mercado. Como contrapartida el consumidor tiene la posibilidad
de sufrir las consecuencias de tener que pagar más por la energía que demanda bajo
una menor competencia, corriendo el peligro de que se le imputen los gastos de OPAs,
fusiones o precios de emisiones de CO2.
En esta última sección se exponen las conclusiones generales sobre el caso base y los
escenarios, así como se dan sugerencias para futuros proyectos que estén en la misma
línea.
12 Conclusiones del Proyecto
137
12.1 Conclusiones del proyecto
Una vez abordado el problema de la expansión de la capacidad mediante la
realización de un modelo, y el estudio de las inversiones y rentabilidades en el sistema
eléctrico de la generación en función del mapa de activos o la propiedad de los grupos
entre los agentes, este apartado se centra en señalar las principales conclusiones
obtenidas a lo largo del proyecto y señalar algún otro aspecto de interés.
Como se vio la motivación viene originada por la complejidad en la toma de
decisiones en la planificación de activos en un entorno de incertidumbre.
El modelo consta de cuatro pilares sobre los que descansan las conclusiones;
casación del precio, previsiones, decisiones de inversión y la construcción de las
decisiones. Dada la amplitud de las variables a estudiar y para hacer más fácil su
explicación se estructura las conclusiones con el mismo esquema seguido en el
proyecto, viendo variable a variable sus principales características en función del
escenario y caso base.
12.1.1 Precio de mercado y precio de emisiones de CO2
El precio se puede presentar como variable origen del modelo, dado que en función
del precio se producen la percepción de rentabilidad y las decisiones de inversión que
afectan en el comportamiento a lo largo de todo el horizonte de ejecución.
El precio se ve influido en el modelo por dos factores; oferta y demanda. En este
proyecto la oferta se ve influida por el precio de las emisiones de CO2 y el mapa de
activos. La demanda se considera con un crecimiento constante de forma anual.
Una vez vistas las variables que influyen en el precio se realiza un análisis de
sensibilidad sobre el precio de emisiones de CO2, para tomar una decisión en cuanto a
qué valor para dicho precio considerar. Se consideran por tanto tres precios (11, 22 y 27
€/TCO2).
Para el menor de los precios de emisiones, los agentes no perciben rentabilidad
durante un gran periodo de tiempo y el sistema pasa a un estado crítico en el que no se
cubre la demanda y el precio se dispara al precio de la energía no suministrada. Las
decisiones en cuanto a inversión muestran un cambio, pasando a ser percibidas las
12 Conclusiones del Proyecto
138
turbinas de gas al final del horizonte como las más rentables por los agentes en vez de
los ciclos combinados.
Esta situación sería grave para la marcha económica de un país e intolerable para el
regulador por parte de la Administración, ya que cualquier país necesita de energía
para su desarrollo, es decir, de una seguridad en la capacidad del sistema para afrontar
la demanda. Actualmente en España el crecimiento en consumo energético se dispara
con respecto a los otros países miembros, dado el desarrollo económico que se tiene.
Para un precio mayor, el consumidor sufre una subida de sus tarifas eléctricas al
internalizar los agentes el precio de las emisiones en su oferta, éste aspecto perjudica al
consumidor al tener que asumir facturas superiores. También se ve afectada la
concentración del sector, siendo mayor, y con ella el poder de mercado de los agentes.
Por las razones anteriores de falta de capacidad y aumento del poder de mercado, a
continuación en las conclusiones se tiene en cuenta un precio de emisiones de 22
€/TCO2, por lo que se centra el apartado en el otro aspecto que influye en la oferta, que
es el mapa de activos.
A partir de la decisión tomada de fijar 22 €/TCO2, como precio de emisiones, se
procede a la realización de los escenarios. Tratándose de cuatro escenarios los
estudiados en este proyecto, aunque se tiene que tres son los de mayor relevancia dado
que el primer escenario coincide con la situación del caso base.
Si se tiene en cuenta la hipótesis de que los agentes no cambian su estrategia a la
hora de formular su oferta aunque su poder de mercado sea distinto, también utilizada
en el modelo de Cournot para estudio de mercados oligopolistas, los precios se
comportan de forma distinta en función de una OPA o una fusión por parte de los
agentes.
El precio mayor se tiene en caso de darse una fusión entre Endesa e Iberdrola, y esto
es debido a la cantidad de potencia instalada en el sistema. El agente resultante de la
fusión por las características del sistema realizaría menos inversiones que los dos
agentes iniciales por separado en el caso base, bajo las características del modelo. Es
lógico pensar esto dado que al tener un mayor poder de mercado y no tener que
competir entre gigantes pueden optimizar sus inversiones para obtener una mayor
rentabilidad con menor número de activos.
12 Conclusiones del Proyecto
139
Se produce por tanto un gran poder de mercado en el caso de la fusión, bajo el cual
el sistema puede verse dependiente del nuevo agente y el consumidor se ve
perjudicado por la subida del precio de la energía.
En el caso de la OPA de Gas Natural sobre Endesa, el precio se ve igualmente
afectado a la alza, sufriendo un incremento, donde el poder de mercado de Gas
Natural es mayor y el consumidor sufre un aumento del precio de su factura. Un
aspecto no estudiado en este proyecto pero sobre el que se da una gran polémica es el
poder que albergaría Gas Natural no sólo a nivel de energía eléctrica, sino a nivel
gasista también, y su repercusión sobre el consumidor que puede llegar a perder su
libertad de elección en su consumo energético.
El precio en la situación de una OPA de Gas Natural sobre Iberdrola sería mayor
que en el caso base, y el caso de la OPA anterior, pudiéndose extrapolar los
comentarios anteriores a ésta situación.
12.1.2 Margen de reserva
El margen de reserva es la diferencia entre la demanda punta máxima anual y la
capacidad del sistema.
La característica más señalada en cuanto al margen de reserva es que en todos los
escenarios al final del horizonte se tiene un margen de reserva más bien escaso, no
superando el 8% sobre el 100% en el mejor de los escenarios.
Este dato es importante para el regulador, el cual puede utilizar el modelo como
apoyo a su gestión en las señales que tiene que mandar al sistema para asegurar la
eficacia de este en cuanto a satisfacción de la demanda, vía subsidios por ejemplo,
como puede ser el pago por capacidad.
En cuanto a las diferencias fundamentales entre los escenarios es señalar que como
se explico en el apartado anterior, la potencia instalada es menor en caso de fusión y
por tanto el margen de reserva medio a lo largo del horizonte.
12 Conclusiones del Proyecto
140
12.1.3 Nuevas inversiones
Las inversiones coinciden en la naturaleza de la tecnología energética, esto es, todos
los agentes perciben los ciclos combinados como los más rentables a lo largo de toda la
ejecución bajo las características del modelo.
Se producen un reparto más suave durante el horizonte en el caso de fusión, es decir
las inversiones se hacen en menos cantidad pero durante periodos más largos, aunque
al final de la ejecución se dan menos grupos instalados en el sistema, dada la
optimización que un gran agente, fruto de la fusión de estos dos gigantes, puede
realizar al tener que competir de manera diferente por el poder de mercado que tiene.
12.1.4 Concentración del mercado
La concentración del mercado es mayor en el caso de la fusión de Endesa e
Iberdrola, seguida de las OPAs.
La concentración como ya se ha explicado a lo largo del proyecto provoca un mayor
poder sobre los precios de mercado por parte del agente con mayor capacidad, aunque
en este modelo no se tiene en cuenta como pueden los nuevos agentes, frutos de OPAs
o fusiones, ejercer su influencia sobre el precio de manera estratégica, ya que no
cambian su estrategia de oferta a lo largo de la ejecución.
En la realidad se darían estrategias tan distintas como desde la creación de barreras
de entrada hasta la obtención de mayor rentabilidad vía subida de precios, pasando
por hacer que el consumidor pague el precio de las emisiones de CO2 o el coste de la
fusión u OPA con un aumento de precios también.
12.1.5 Rentabilidad de un nuevo entrante o IPP
Paradójicamente y dadas las hipótesis tomadas en el modelo, si se tiene en cuenta
que los agentes no hacen uso de su mayor poder de mercado para crear barreras de
entrada, la rentabilidad de un IPP se ve aumentada con una concentración mayor en el
sector.
12 Conclusiones del Proyecto
141
Un IPP obtendría mayor rentabilidad en caso de que el mercado estuviese
dominado por un gigante fruto de la fusión, seguido por que se produjeran OPAs de
Gas Natural hacia cualquiera de los dos grandes agentes del sistema.
Esto es debido a que el precio del mercado es mayor, cuanta mayor concentración y
por tanto es mayor la rentabilidad calculada en base a la acumulación de los flujos de
caja y su actualización con una tasa de descuento (VAN).
12.1.6 Comentario final
Con este modelo se quiere dar un conocimiento mayor sobre el sector eléctrico de la
generación en cuanto a planificación de activos, sacando conclusiones sobre cuestiones
de actualidad como OPAs y fusiones.
Se quiere resaltar para finalizar que aunque un nuevo entrante o IPP, que quiera
entrar a operar en el mercado de la generación, ve como su rentabilidad es mayor
cuanta mayor concentración existe en el mercado, el consumidor por su parte puede
sufrir las consecuencias de adquirir la energía en un mercado con menor competencia
que el actual, que aunque siendo un oligopolio juega bajo una mayor competencia.
Estas consecuencias para el consumidor son las de tener que soportar los costes de las
fusiones u OPAs de los agentes implicados si estas se produjeran, así como la de
soportar el coste de las emisiones de CO2 derivados del protocolo de Kyoto.
12 Conclusiones del Proyecto
142
12.2 Sugerencias futuros proyectos
Este proyecto arroja una serie de resultados en función de unas hipótesis tenidas en
cuenta a la hora de la realización del modelo. A la hora de la realización de un modelo
como se comento en apartados anteriores es de vital importancia establecer unos
límites para el modelado, ya que la idea de este proyecto no es la obtención de un
óptimo, por ejemplo de inversiones por la incertidumbre del entorno, sino estudiar las
causas estructurales del sistema que condicionan su comportamiento para enriquecer
el conocimiento sobre la planificación de activos.
Dados estos límites se sugieren una serie de factores para desarrollos futuros:
ƒ En cuanto a la oferta se puede tener en cuenta el bombeo, las producciones fuera
de mercado como son los contratos bilaterales, la hidráulica estratégica, la
actualización de reservas hidráulicas, y la energía térmica incentivada.
ƒ La demanda se ha considerado con un crecimiento constante e inelástica, por lo
que se pueden considerar otros modelos de demanda, en las que su variación
dependa de más factores, como por ejemplo el crecimiento económico esperado del
país.
ƒ Para la realización de la predicción de precios un método de predicción, dada la
estacionalidad, temporalidad y tendencia de los precios, a estudiar para su
implantación, sería la previsión de precios mediante S-Arima o en su defecto por el
método de Holt Winters aproximando sus tres parámetros a una previsión de SArima realizada con Statgraphics por ejemplo.
ƒ En el apartado de decisiones de inversión podría tenerse en cuenta la posibilidad
de inversión en varias tecnologías y no sólo en la más rentable, dentro de un grado
de rentabilidad. Así como estudiar otro tipo de curvas para hallar la relación de la
rentabilidad con el número de licencias a solicitar.
ƒ La rentabilidad esperada puede no ser fija como en este caso y actualizarse en
función de una serie de parámetros a lo largo del horizonte.
ƒ En cuanto a las construcciones se puede evaluar su rentabilidad de nuevo antes
de empezar la construcción y una vez adquirida la licencia, para ver si sigue siendo
rentable o si es mejor abandonar el negocio.
12 Conclusiones del Proyecto
143
ƒ Otro aspecto importante, es considerar cierres en el sistema, que no se han
representado en este modelo. Los cierres provocan un alza del precio de mercado al
disponer de una menor capacidad en el sistema para la oferta.
ƒ La consideración de que los agentes no hacen uso de su poder de mercado en
caso de fusiones u OPAs es otro asunto que se puede tener en cuenta, y bajo el cual
se pueden desarrollar alternativas para ver como utilizarían ese poder, para ejercer
una influencia en los precios del mercado.
ƒ Se pueden realizar análisis de sensibilidad sobre muchas variables como costes,
subsidios etc., lo que puede ser tenido en cuenta para futuros análisis de
sensibilidad y escenarios.
ƒ Los datos son adecuados dado el alcance pretendido en este proyecto fin de
carrera, pero en caso de utilización del modelo en un entorno profesional, sería
necesario su ajuste por medio del Know-how de la propia compañía, apoyando su
robustez con la experiencia de la empresa.
12 Conclusiones del Proyecto
144
6
BIBLIOGRAFÍA
13 Bibliografía
145
13 Bibliografía
•
[PERE98] Pérez-Arriaga, J. I., “Visión global del cambio de regulación”, Anales de
Mecánica y Electricidad, vol. LXXV, fascículo II, pp. 10-20, Madrid, Mar-Abr 1998.
•
[GARY98]
Gary, S., Larsen, E. R., “Understanding Strategic Decisions in De-
Regulated Markets: Accelerate Learning through Simulation”, System Dynamics
Group, WP-0022, London Business School, Abril 1998.
•
[CENT05] Centeno, E., Linares, P., “Clase teórica: La Planificación a Largo Plazo
del Equipo Generador”, Máster en Gas y Electricidad, Instituto Superior de la
Energía. Instituto de Investigación Tecnológica (Universidad Pontificia de
Comillas), Madrid 2005.
•
[PERE05] Pérez-Arriaga, J. I., “Libro blanco sobre la reforma del marco regulatorio
de la generación de energía eléctrica en España”, Junio 2005.
•
[SANC05] Juan José S., Centeno, E., Barquín J., “System Dynamics Modeling for
Electricity Generation Expasion Analisys”, Universidad Pontificia de Comillas,
Abril 2005.
•
[SANC05B] Juan José S., “Trabajo de investigación, Modelo basado en Business
Dynamics para el análisis de la expansión de la generación eléctrica en entornos
liberalizados.
•
[CAMP05] Campillo A., “Aplicación de Business Dynamics para estudios
estratégicos en mercados eléctricos”, Universidad Pontificia de Comillas, Junio
2005.
•
[ARAC95] Aracil, J., “Dinámica de Sistemas”, Publicaciones de Ingeniería de
Sistemas, Marzo 1995.
•
[VENT02] Ventana Software, Inc., “Guía de Aprendizaje de Vensim, Ambiente de
simulación de ventana, Versión 5”, 2002.
13 Bibliografía
•
146
[NAVAS02] Navas J., Guerras L., “La dirección estratégica de la empresa, Teoría y
aplicaciones”, Tercera Edición Civitas 2002.
•
[BARQUIN04] Barquín J., “Energía: Técnica, economía y sociedad”, Colección
Ingeniería num 18, Universidad Pontificia Comillas 2004.
Anexos
A
DATOS
A Datos
149
A Datos
En este anexo se amplían los detalles sobre los datos del modelo.
A.1
Sistema generador inicial
El sistema generador inicial queda definido por la siguiente tabla en la que se puede
ver las relaciones entre agente, grupo, potencia, costes variables y tecnología.
GRUPOS
Elcogas
Besos 3
San Roque 2
Tarragona Dow
Barrios
Litoral 1
Litoral 2
Besos 2
C. Colon 2
C. Colon 3
Foix
San Adrian 1
San Adrian 2
San Adrian 3
Anllares_ENDESA
Compostilla 1
Compostilla 2
Compostilla 3
Compostilla 4
Compostilla 5
Teruel 1
Teruel 2
Teruel 3
Puentes 1
Puentes 2
Puentes 3
Puentes 4
Almaraz 1_ENDESA
Almaraz 2_ENDESA
Asco 1
Asco 2
Garoña_ENDESA
Vandellos 2_ENDESA
Arrubal 1
Arrubal 2
Besos 4
AGENTES
ELCOGAS
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
ENDESA
GAS NATURAL
GAS NATURAL
GAS NATURAL
%
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0,3
1
1
1
1
1
1
1
1
1
1
1
1
0,5
0,5
1
1
0,5
0,7
1
1
1
€/MWh
28,9
26,4
25,4
26,5
23,9
22,6
23,6
42,1
43,4
43,2
43,0
43,8
43,4
43,2
33,6
35,1
35,3
33,7
33,8
35,1
33,9
35,1
33,8
34,1
34,3
34,5
34,6
11,9
10,7
11,0
11,7
11,1
11,6
26,9
26,6
26,1
POTENCIA
320
387
390
363
567
550
582
300
148
160
520
350
350
350
105
141
141
350
350
350
350
350
350
350
350
350
350
486,5
491
1014
1014
233
756,7
390
390
400
TECHNOLOGÍA
HULLA ANTRACITA
CICLO COMB
CICLO COMB
CICLO COMB
CARBON IMP
CARBON IMP
CARBON IMP
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
LIGNITO NEGRO
LIGNITO NEGRO
LIGNITO NEGRO
LIGNITO PARDO
LIGNITO PARDO
LIGNITO PARDO
LIGNITO PARDO
NUCLEAR
NUCLEAR
NUCLEAR
NUCLEAR
NUCLEAR
NUCLEAR
CICLO COMB
CICLO COMB
CICLO COMB
A Datos
San Roque 1
Castejón 1
Aboño 1
Aboño 2
Soto Ribera 1
Soto Ribera 2
Soto Ribera 3
Trillo 2_
HIDROCANTABRICO
Aceca 3
Arcos 1
Arcos 2
Castejón 2
Castellón 3
Santurce 3
Tarragona Basf
Pasajes 1
Aceca 1_IBERDROLA
Aceca 2_IBERDROLA
Castellon 1
Castellon 2
Escombreras 1
Escombreras 2
Escombreras 3
Escombreras 4
Escombreras 5
Santurce 1
Santurce 2
Guardo 1
Guardo 2
Lada 3
Lada 4
Almaraz 1_
IBERDROLA
Almaraz 2_
IBERDROLA
Cofrentes
Garoña_
IBERDROLA
Trillo 1_
IBERDROLA
Vandellos 2_
IBERDROLA
Campo de
Gibraltar 1
Campo de
Gibraltar 2
Palos 1
Palos 2
Aceca 1_
UNION FENOSA
Aceca 2_
UNION FENOSA
Sabon 1
150
GAS NATURAL
HIDROCANTABRICO
HIDROCANTABRICO
HIDROCANTABRICO
HIDROCANTABRICO
HIDROCANTABRICO
HIDROCANTABRICO
1
1
1
1
1
1
1
HIDROCANTABRICO 0,15
26,8
25,6
34,6
34,3
33,7
33,9
34,1
397
400
360
543
68
254
350
CICLO COMB
CICLO COMB
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
11,2
158
NUCLEAR
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
IBERDROLA
1
1
1
1
1
1
1
1
0,5
0,5
1
1
1
1
1
1
1
1
1
1
1
1
1
25,1
26,8
25,4
26,5
25,9
26,1
25,1
23,5
42,4
42,3
43,9
43,2
43,4
42,8
43,3
42,7
43,3
42,3
43,6
33,9
34,9
34,2
34,7
628
387
387
400
800
382
200
214
157
157
542
542
276
276
289
289
289
377
542
148
350
155
350
CICLO COMB
CICLO COMB
CICLO COMB
CICLO COMB
CICLO COMB
CICLO COMB
CICLO COMB
CARBON IMP
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
FUELGAS
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
IBERDROLA
0,5
10,5
486,5
NUCLEAR
IBERDROLA
0,5
10,1
491
NUCLEAR
IBERDROLA
1
11,4
1085
NUCLEAR
IBERDROLA
0,5
11,3
233
NUCLEAR
IBERDROLA
0,5
11,1
525
NUCLEAR
IBERDROLA
0,3
10,1
324,3
NUCLEAR
UNION FENOSA
1
25,8
200
CICLO COMB
UNION FENOSA
1
25,4
200
CICLO COMB
UNION FENOSA
UNION FENOSA
1
1
25,0
25,6
377
377
CICLO COMB
CICLO COMB
UNION FENOSA
0,5
42,1
157
FUELGAS
UNION FENOSA
0,5
42,3
157
FUELGAS
UNION FENOSA
1
42,6
120
FUELGAS
A Datos
151
UNION FENOSA
1
Sabon 2
Anllares_
UNION FENOSA
0,7
UNION FENOSA
UNION FENOSA
1
La Robla 1
UNION
FENOSA
1
La Robla 2
UNION FENOSA
1
Narcea 1
UNION FENOSA
1
Narcea 2
UNION
FENOSA
1
Narcea 3
UNION FENOSA
1
Meirama
UNION FENOSA
1
Jose Cabrera
Trillo 2_
UNION FENOSA
0,35
UNION FENOSA
VIESGO
1
Algeciras 1
VIESGO
1
Algeciras 2
VIESGO
1
Puente Nuevo 3
VIESGO
1
Puertollano
VIESGO
1
Escatron
VIESGO
1
Escucha
VIESGO
1
Cerch
ENDESA H
ENDESA
1
GROUPING
IBERDROLA H
IBERDROLA
1
GROUPING
UNIÓN FENOSA H
UNION FENOSA
1
GROUPING
HIDROCANTÁBRICO H
HIDROCANTABRICO 1
GROUPING
VIESGO_HYDRA H
VIESGO
1
GROUPING
RENOWABLE
RENOWABLE
1
43,4
350
FUELGAS
34,2
245
HULLA ANTRACITA
35,0
33,7
35,3
34,6
34,3
34,6
12,0
270
350
65
154
350
550
169
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
HULLA ANTRACITA
LIGNITO PARDO
NUCLEAR
34,1
368
NUCLEAR
43,6
43,0
35,1
34,8
35,5
35,3
34,6
220
533
313
220
80
160
160
FUELGAS
FUELGAS
HULLA ANTRACITA
HULLA ANTRACITA
LIGNITO NEGRO
LIGNITO NEGRO
LIGNITO NEGRO
0,0
3659
HIDRÁULICA
0,0
5190
HIDRÁULICA
0,0
1905
HIDRÁULICA
0,0
307
HIDRÁULICA
0,0
476
HIDRÁULICA
0,0
10706
FUELGAS
Tabla 22. Configuración de los activos del sistema generador inicial para el caso base
A Datos
A.2
152
Cálculo de la demanda
De forma mensual se construye la curva de carga del sistema, para ello, se coge los
datos del operador de mercado OMEL, como fuente, y se ajusta al déficit hallado con
respecto a los datos del informe de REE anual, ya que los datos utilizados de OMEL no
tienen en cuenta el régimen especial.
Se describe paso a paso para un mes, el procedimiento. Se tienen la energía
contratada en el mercado diario (MWh) en Enero de 2005 por ejemplo.
Energia Contratada en el Mercado diario
40.000,0
MWh
30.000,0
20.000,0
Energia MWh
10.000,0
0
1
75 149 223 297 371 445 519 593 667 741
Horas
Figura 75. Energía contratada en el mercado diario en Enero 2005. OMEL
Se ordena la energía contratada de mayor a menor, con lo que tenemos la curva de
carga.
MWh
Curva de carga de la energía contratada en el M ercado
diario
35.000,0
30.000,0
25.000,0
20.000,0
15.000,0
10.000,0
5.000,0
0
Energía
MWh
1
69 137 205 273 341 409 477 545 613 681
Horas
Figura 76. Curva de carga mes de Enero 2005
A Datos
153
Con la curva de carga y las horas de cada nivel en cada mes, se lamina la curva de
carga, obteniendo la potencia en cada mes para cada nivel de carga.
MES
Level1
Level2
Level3
Level4
Level5
Level6
Horas
80
280
99
99
120
66
ACUMULADO
80
360
459
558
678
744
Media
Level1
Level2
Level4
Level5
Level3
Level6
MW
30224
27196
24768
23272
21819
19513
Tabla 23. Laminación de la curva de carga para Enero 2005
Una vez tenemos la potencia que es la que el modelo necesita, la ajustamos a los
datos de REE, con lo que se incluye todas las fuentes de energía.
Enero 05
MW
Level1
33055
POTENCIA DEMANDADA AJUSTADA SEGÚN REE
Level2
Level3
Level4
Level5
29744
27088
25453
23864
Level6
21341
Tabla 24. Demanda ajustada con datos de REE para Enero 2005
Este proceso se realiza para todos los meses de año, y se tiene la base de partida a la
cual insertar el crecimiento anual estimado.
A Datos
154
B
MODELO DE GARY
B Modelo de Gary
155
B Modelo de Gary
Una vez terminado un primer proceso de documentación, se implementó el modelo
de Campillo A., bajo el software Vensim. Se adapta el modelo a esta herramienta con
el fin de encontrar dificultades, limitaciones, alternativas etc., que ofrece Vensim como
herramienta de Business Dynamics.
Se implementa en Vensim por tanto, un modelo similar al desarrollado por Alberto
Campillo Real en su PFC, el cual se basa en el Modelo de Gary para el Sistema Eléctrico
Inglés.
Con esta tarea se consigue por una parte conceptualizar qué características y
ventajas ofrece la dinámica de sistemas, y tomar ideas del potencial de la herramienta a
la hora de plantear el nuevo modelo en el futuro.
La implementación se realiza por pasos empezando por el bloque Market y
continuando con el bloque Agents, que es la generalización del bloque Duopoly de
Campillo A., para varios agentes.
El modelo consta de nueve vistas, de las cuales cuatro pertenecen al bloque Market y
cinco al bloque Agents, el bloque IPP no se implemento tomando sus salidas para
alimentar al sistema como fijas.
La entrada de datos se realiza con la lectura desde Vensim una hoja de
configuración Excel.
B Modelo de Gary
B.1
156
Vistas Bloque Market.
Las siguientes vistas corresponden al modulo de mercado, en el cual se realiza la
actualización de la capacidad en el sistema, la casación del precio de mercado, la
previsión de precios y se calcula la rentabilidad esperada.
B.1.1
Vista 1
Se calcula la capacidad instalada por año en el sistema que será utilizada para la
casación del precio.
switch cni
ipp cni
<AGENTS EXPECTED
NEW INVESTMENTS>
acni
CAPACITY
NOW
CAPACITY
RETIREMENT
start capacity
Figura 77. Modelo de Gary. Actualización de la capacidad en el sistema
B Modelo de Gary
B.1.2
157
Vista 2
Se realiza la casación del precio en función de la demanda y de la capacidad
instalada en el sistema en ese instante, suponiendo que el precio del pool será el del
coste variable de la última tecnología que consigue entrar en a mercado.
demand
increase
initial demand
DEMAND
Technology Price
Periods
POOL PRICE
<CAPACITY>
Figura 78. Modelo Gary. Casación del precio de la energía eléctrica
B.1.3
Vista 3
Se calcula el precio del pool previsto. Para cada año se calcula el precio previsto
para los siguientes 30 años en función del histórico de los 10 años anteriores.
Out of Capacity
EXPECTED POOL PRICE
<POOL
PRICE>
YEAR
INCREASE
Figura 79. Modelo de Gary. Previsión de precios de Mercado
B Modelo de Gary
B.1.4
158
Vista 4
Se obtiene la ganancia esperada para cada año, si se decidiera a invertir en ese año
mediante el van a 30 años, para el calculo del van se utilizan los precios esperados de
pool de los próximos 30 años que se obtienen en la Vista 3.
fixed cost
capacity
payment
B
M
investement
cost ccgt
discount rate
EXPECTED PROFITABILITY
REVENUE
VARIABLE
COST CCGT
<Technolog
y Price>
VARIABLE
CASH FLOW
<EXPECTED
POOL PRICE>
schedule periods
Figura 80. Modelo Gary. Cálculo de la rentabilidad esperada
<Tim
B Modelo de Gary
B.2
159
Vistas Bloque Agents.
B.2.1
Vista 5
En el bloque Agents se calculan las decisiones que los agentes toman de inversión
en centrales de ciclo combinado, dependiendo de las ganancias esperadas que
perciban.
En este nodo nos limitamos a representar el retraso existente entre la decisión de
construir una central de ciclo combinado, y la puesta en marcha de esa central de
manera productiva, que consideramos de 2 años.
<AGENTS DECIDED
NEW INVESTEMENTS
AC>
AGENTS DECIDED
NEW INVESTMENTS
AGENTS EXPECTED
NEW INVESTMENTS
Figura 81. Modelo Gary. Retraso de inversiones
B.2.2
Vista 6
Se calcula la capacidad proyectada total por los agentes, con independencia de la
tecnología, en función de las centrales que entran a funcionar este año fruto de
decisiones anteriores y las retiradas anuales de capacidad por parte de los agentes.
B Modelo de Gary
160
OLIO
START AGENTS
CAPACITY
AGENTS
DECISIONS
AGENTS
CURRENT
CAPACITY
AGENTS
RETIREMENT
AGENTS
PROJECTED
CAPACITY
<AGENTS EXPECTED
NEW INVESTMENTS>
Figura 82. Modelo Gary. Capacida proyectada por los agentes
B.2.3
Vista 7
Se calcula la cuota de mercado de los agentes, comparándola con la capacidad
proyectada de los productores independientes.
IPP PROJECTED
CAPACITY
PROJECTED
MARKET SHARE
<AGENTS
PROJECTED
CAPACITY>
Figura 83. Modelo Gary. Cuota de Mercado de los agentes
B Modelo de Gary
B.2.4
161
Vista 8
Se obtiene el déficit que perciben los agentes en la cuota de mercado deseada, que
depende de la estrategia que cada agente tenga para su mercado.
<PROJECTED
MARKET SHARE>
SHORTFALL IN
DESIRED MARKET
SHARE
desired market
share
Figura 84. Modelo Gary. Cuota deseada por los agentes
B.2.5
Vista 9
Se calcula las decisiones de inversión a realizar por los agentes en este año,
dependiendo de la ganancia que es percibida por los agentes a futuro, así como de la
demanda, y del grado de cumplimiento de su estrategia en cuanto a cuota de mercado.
<SHORTFALL IN
DESIRED MARKET
SHARE>
agents max
AGENTS DECIDED
NEW INVESTEMENTS
AC
<fixed cost>
<DEMAND>
<EXPECTED
PROFITABILITY>
Figura 85. Modelo de Gary. Nuevas inversiones decididas
B Modelo de Gary
B.3
162
Estudio del interfaz para entrada de datos de Vensim.
En esta fase se fue acoplando Vensim con Excel, para estudiar las posibilidades de
comunicación e interactividad entre ambos, para el futuro desarrollo de la interfaz de
entrada de datos del modelo.
Se ha desarrollado un interfaz para la entrada de datos sobre Excel. La filosofía de
este interfaz es que el usuario configure todos los parámetros que son necesarios para
la ejecución del modelo en Excel, al ser un entorno más intuitivo y familiar.
El interfaz consta de una hoja principal llamada “groups”, desde la cual se pueden
introducir los distintos agentes, tecnologías y periodos, para construir las tablas en las
que se pueden introducir sus datos una vez pulsado el botón
El botón
expande las tablas y las rellena con ceros, por lo que
el usuario deberá introducir los valores que desea de demanda, de capacidad inicial
etc., de nuevo.
Si se introducen nuevos agentes, tecnologías o periodos se tendrá que actualizar los
Subscript en Vensim con ellos. Para redefinir los Subscript en Vensim se debe ir a
Windows/Subscript Control/ y editar el Subcript que corresponda mediante la opción
Edit, poniendo el orden que tienen en su tabla correspondiente de Excel.
El aspecto que presenta la interfaz es:
Figura 86. Modelo Gary. Interfaz de usuario
B Modelo de Gary
B.4
163
RESULTADOS
El modelo en su ejecución devuelve una serie de resultados, de las cuales vamos a
comentar los más relevantes para el modelo.
Las salidas no son fiables, como se comento la fuente de los datos no es real, dado
que el objetivo de esta primera parte era la familiarización con el proyecto, y el
desarrollo de un primer modelo que ayudara a ver problemas, soluciones y
posibilidades de Vensim.
B.4.1
Vista 1.
Ejemplo de cómo aumenta la capacidad instalada en ciclos combinados en el
sistema, en función de las nuevas instalaciones y los cierres que no se consideran en el
caso.
400,000
200,000
0
0 2 4
6 8 10 12
14
16 18 20 22
24 26 28 30
CAPACITY[CCGT] : currentb (GWh)
CAPACITY NOW[CCGT] : currentb (GWh)
Figura 87. Modelo Gary. Potencia total y potencia de ciclos combinados
B Modelo de Gary
164
El balance energético en el sistema por tecnología se desarrolla como muestra la
siguiente salida:
CAPACITY
800,000
400,000
0
-400,000
-800,000
0
2
4
6
8
10 12 14 16 18 20 22 24 26 28
Time (Year)
CAPACITY[Nuclear] : currentb
CAPACITY[Coal] : currentb
CAPACITY[Oil] : currentb
CAPACITY[CCGT] : currentb
30
GWh
GWh
GWh
GWh
Figura 88. Modelo Gary. Balance Energético en el sistema
B.4.2
Vista 2.
Se ve como el precio del pool que surge de la casación entre la capacidad instalada y
la demanda dependiendo del periodo en el que nos encontremos.
POOL PRICE
6
5
4
3
2
0
2
4
6
8
10
12
14
16
18
Time (Year)
20
POOL PRICE[peak] : currentb
POOL PRICE[level] : currentb
POOL PRICE[valley] : currentb
Figura 89. Modelo Gary. Precio del Pool
22
24
26
28
30
c€/kwh
c€/kwh
c€/kwh
B Modelo de Gary
B.4.3
165
Vista 4.
La ganancia esperada en cada año, es el VAN que se obtendría para cada año si se
decidiera a invertir. Según esta gráfica el inversor que realizara una inversión en el año
6, no estaría tomando una decisión adecuada según el modelo al tener un VAN
negativo. Hay que resaltar que cada valor que toma la función en un punto es el total
del VAN y no el valor del VAN en ese año para el año 1. Lógicamente no es verdadera
la información mostrada porque los datos no son reales.
Expected Profiability
4,000
0
-4,000
0 2 4 6
8 10 12 14
16
18 20 22 24
26 28 30
EXPECTED PROFITABILITY : currentb (€/Kw)
Figura 90. Modelo Gary. VAN anual en cada punto
B.4.4
Vista 5.
Las decisiones de inversión tomadas por cada agente en cada año muestran un
comportamiento estacionario en función del la rentabilidad esperada, que es
dependiente del precio de la energía eléctrica en el mercado.
B Modelo de Gary
166
AGENTS DECIDED NEW INVESTMENTS
200
150
100
50
0
0
2
4
6
8
10
12
14 16 18
Time (Year)
20
22
24
26
AGENTS DECIDED NEW INVESTMENTS[Endesa] : currentb
AGENTS DECIDED NEW INVESTMENTS[Iberdrola] : currentb
AGENTS DECIDED NEW INVESTMENTS[Union Fenosa] : currentb
28
30
Dmnl
Dmnl
Dmnl
Figura 91. Modelo Gary. Inversiones decididas por los agentes
Las inversiones por su parte sufren un retraso en el tiempo,.debido a solicitud de
licencias y el periodo de construcción de la planta.
AGENTS EXPECTED NEW INVESTMENTS
200
150
100
50
0
0
2
4
6
8
10
12
14 16 18
Time (Year)
20
22
24
26
AGENTS EXPECTED NEW INVESTMENTS[Endesa] : currentb
AGENTS EXPECTED NEW INVESTMENTS[Iberdrola] : currentb
AGENTS EXPECTED NEW INVESTMENTS[Union Fenosa] : currentb
Figura 92. Modelo de Gary. Retraso en la entrada de las nuevas inversiones al sistema.
28
30
Dmnl
Dmnl
Dmnl