• No se han encontrado resultados

Análisis de precios de oferta de centrales eléctricas del S I N , e identificación de comportamientos típicos en el proceso de oferta de energía ante el C N D

N/A
N/A
Protected

Academic year: 2020

Share "Análisis de precios de oferta de centrales eléctricas del S I N , e identificación de comportamientos típicos en el proceso de oferta de energía ante el C N D"

Copied!
147
0
0

Texto completo

(1)

Análisis de precios de oferta de centrales eléctricas del S.I.N., e identificación

de comportamientos típicos en el proceso de oferta de energía ante el C.N.D.

Una monografía presentada para obtener el título de

Ingeniero Eléctrico.

Fredy Alexander Castro Castro.

Agosto 2018.

(2)

ii Tabla de Contenidos

Capítulo 1. Antecedentes y justificación ... 1

Capítulo 2. Problema de investigación ... 5

Capítulo 3. Objetivos ... 7

Objetivo general ... 7

Objetivos específicos ... 7

Capítulo 4. Marco referencial ... 8

Mercado eléctrico colombiano ... 8

Capacidad Efectiva Neta (C.E.N.) ... 10

Agentes generadores ... 11

Demanda de energía del SIN ... 12

Formación del precio spot de la energía (precio de bolsa) ... 15

Análisis de conveniencia del precio spot en función de las posiciones en contratos ... 17

Escenario 1 ... 18

Escenario 2 ... 18

Escenario 3 ... 19

Energía Firme para el Cargo por Confiabilidad (ENFICC) de un agente generador ... 20

Embalses y aportes hidrológicos ... 21

Fenómeno de “El Niño” ... 23

Capítulo 5. Metodología ... 26

Selección de los agentes y centrales ... 30

Variables de interés ... 31

Gráficas para el análisis ... 31

Distribución de probabilidad de aportes ... 32

Distribución de probabilidad de precios ... 34

Distribución de probabilidad condicional de precios ... 36

Evolución de Precio de Bolsa Nacional, Precio de Oferta y Embalse en escala temporal ... 38

Posición en contratos del agente ... 39

Correlación POFE vs PBNA, POFE vs Aportes del rio, POFE vs Reservas... 40

Selección del año con condiciones climáticas normales ... 42

Selección de meses de análisis para cada central ... 43

Capítulo 6. Desarrollo de la propuesta ... 45

Análisis de Precios de Oferta de la Central Hidroeléctrica San Carlos - ISAGEN ... 46

Mes deficitario – Febrero de 2017 ... 46

Mes normal – Abril de 2017 ... 52

Mes superavitario – Noviembre de 2017 ... 58

Análisis de Precios de Oferta de la Central Hidroeléctrica Sogamoso - ISAGEN ... 63

(3)

iii

Mes normal – Noviembre de 2017... 68

Mes superavitario – Mayo de 2017 ... 73

Análisis de Precios de Oferta de la Central Hidroeléctrica Porce III - EPM ... 78

Mes deficitario – Febrero de 2017 ... 78

Mes normal – Enero de 2017 ... 84

Mes superavitario – Mayo de 2017 ... 89

Análisis de Precios de Oferta de la Central Hidroeléctrica Guatapé – EPM ... 94

Mes deficitario – Febrero de 2017 ... 94

Mes normal – Abril de 2017 ... 99

Mes superavitario – Mayo de 2017 ... 105

Análisis de Precios de Oferta de la Central Hidroeléctrica Chivor – AES Chivor ... 110

Mes deficitario – Diciembre de 2017... 110

Mes normal – Octubre de 2017 ... 116

Mes superavitario – Julio de 2017 ... 122

Identificación de comportamientos típicos de los agentes en el proceso de oferta ... 127

Capítulo 7. Conclusiones y recomendaciones ... 132

(4)

iv Lista de tablas

Tabla 1. Principales Agentes Generadores de Colombia. Fuente: Portal BI, XM, Elaboración propia. ... 11 Tabla 2. Balance por ventas en contrato y precio spot de dos agentes del mercado en el escenario

1, Fuente: (Rodríguez, 2017) ... 18 Tabla 3. Balance por ventas en contrato y precio spot de dos agentes del mercado en el escenario

2, Fuente: (Rodríguez, 2017) ... 18 Tabla 4. Balance por ventas en contrato y precio spot de dos agentes del mercado en el escenario

3, Fuente: (Rodríguez, 2017) ... 19 Tabla 5. Plantas Hidráulicas con Embalse de cada región, Fuente: Datos:BI, Paratec, XM,

Elaboración propia. ... 22 Tabla 6. Históricos Indicador ENSO - ONI, Fuente: (NOAA, 2018)... 25 Tabla 7. Costos incluidos en los precios de oferta para el despacho horario. Fuente: (Rodríguez,

2017) ... 26 Tabla 8. Cálculo de probabilidades relativa y absoluta de los aportes del SIN y aportes del rio

afluente. Fuente: Datos: XM, Elaboración propia. ... 32 Tabla 9. Cálculo de probabilidades relativa y absoluta de los precios de oferta del recurso y el

precio de bolsa nacional. Fuente: Datos: XM, Elaboración propia. ... 34 Tabla 10. Cálculo de probabilidad condicional del POFE dado que PBNA. Fuente: Datos: XM,

Elaboración propia. ... 36 Tabla 11. Aportes mensuales en porcentaje sobre la media histórica del año 2017 para los recursos

de interés. ... 43 Tabla 12. Meses de análisis bajo el criterio de los aportes mensuales sobre la media histórica.

Elaboración propia. ... 43 Tabla 13. Aportes mensuales en energía del año 2017 para los recursos de interés. ... 43 Tabla 14. Meses de análisis bajo el criterio de los aportes mensuales en energía. Elaboración

propia. ... 44 Tabla 15.Meses de análisis teniendo en cuenta los dos criterios de aportes. Elaboración propia. 44 Tabla 16. Cuadro comparativo de las centrales de análisis. Fuente: Datos: XM, Elaboración propia. ... 44 Tabla 17. Resumen para identificación de comportamientos típicos de los Agentes. Elaboración

propia. ... 127 Tabla 18. Formato condicional para analizar comportamientos típicos del POFE y el PBNA.

(5)

v Lista de figuras

Figura 1. Compra y Venta de energía para un agente generador. Fuente: (Derivex, 2018, pág. 17)

... 8

Figura 2. Cadena Productiva de la Energía, Fuente: (Aktiva, Servicios Financieros, 2015) ... 9

Figura 3. Matriz de Generación de Energía Eléctrica de Colombia al año 2017; Fuente: PARATEC; Elaboración propia. ... 10

Figura 4. Curva de demanda diaria, Fuente: XM. ... 12

Figura 5. Relación de la Demanda de Energía Eléctrica por Tipo de Usuario, Fuente: (UPME, 2016) ... 13

Figura 6. Formación precio Spot de la electricidad, Fuente: (Derivex, 2018) ... 15

Figura 7. Formación del precio spot en el Mercado Eléctrico Colombiano, Fuente: (Rodríguez, 2017) ... 16

Figura 8. Esquema de contratación de dos agentes del mercado A, B, Fuente: (Rodríguez, 2017) ... 17

Figura 9. Zonas Niño establecidas para el monitoreo del fenómeno ENSO, Fuente: (Canal Clima, 2014) ... 23

Figura 10. Grafica Índice Multivariado ENSO, Fuente: (XM, 2013) ... 24

Figura 11. Grafica Índice Oceánico de El Niño ONI, Fuente: (XM, 2013) ... 24

Figura 12. Composición de la generación y precio spot. Fuente: (Vélez, 2015) ... 27

Figura 13. Distribución de probabilidad de Aportes. Fuente: Datos: XM, Elaboración propia. .. 33

Figura 14. Distribución de probabilidad de Precios. Fuente: Datos: XM, Elaboración propia. ... 35

Figura 15. Distribución de probabilidad condicional de precios. Fuente: Datos: XM, Elaboración propia. ... 37

Figura 16. Evolución de precios y embalse durante el mes de análisis. Fuente: Datos: XM, Elaboración propia. ... 38

Figura 17. Gráfica posición en contratos del agente durante el mes de análisis. Fuente: Datos: XM, Elaboración propia. ... 39

Figura 18. A. Correlación POFE vs PBNA, B. Correlación POFE vs Ap. Rio, C. Correlación POFE vs Reservas... 41

Figura 19. Precio de escasez y precio máximo de bolsa en 2017. Fuente: XM... 42

(6)

vi Figura 21. Distribuciones de Probabilidad de Precios San Carlos - Febrero de 2017. ... 47 Figura 22. Distribuciones de Probabilidad Condicional POFE dado que PBNA - San Carlos -

Febrero de 2017. ... 48 Figura 23. Evolución PBNA y POFE - Evolución Embalse Punchiná - San Carlos - Febrero de

2017... 49 Figura 24. Posición de Contratos de ISAGEN en el mes de Febrero de 2017. Fuente: Datos: XM,

Elaboración propia. ... 50 Figura 25. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- San Carlos - Febrero de 2017. Fuente: Datos: XM, Elaboración propia. ... 51 Figura 26. Resumen de datos relevantes para la central San Carlos – Febrero de 2017. Elaboración

propia. ... 51 Figura 27. Distribuciones de Probabilidad de Aportes San Carlos - Abril de 2017. ... 52 Figura 28. Distribuciones de Probabilidad de Precios San Carlos - Abril de 2017. ... 53 Figura 29. Distribuciones de Probabilidad Condicional POFE dado que PBNA - San Carlos - Abril

de 2017. ... 54 Figura 30. Evolución PBNA y POFE - Evolución Embalse Punchiná - San Carlos Abril de 2017. ... 55 Figura 31. Posición de Contratos de ISAGEN en el mes de Abril de 2017. Fuente: Datos: XM,

Elaboración propia. ... 56 Figura 32. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- San Carlos – Abril de 2017. Fuente: Datos: XM, Elaboración propia. ... 57 Figura 33. Resumen de datos relevantes para la central San Carlos – Abril de 2017. Elaboración

propia. ... 57 Figura 34. Distribuciones de Probabilidad de Aportes San Carlos - Noviembre de 2017. ... 58 Figura 35. Distribuciones de Probabilidad de Precios San Carlos - Noviembre de 2017. ... 59 Figura 36. Distribuciones de Probabilidad Condicional POFE dado que PBNA - San Carlos -

Noviembre de 2017. Fuente: Datos: XM, Elaboración propia. ... 60 Figura 37. Evolución PBNA y POFE - Evolución Embalse Punchiná - San Carlos - Noviembre de

2017... 61 Figura 38. Posición de Contratos de ISAGEN en el mes de Noviembre de 2017. Fuente: Datos:

(7)

vii Figura 39. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs

Reservas - San Carlos – Noviembre de 2017. Fuente: Datos: XM, Elaboración propia. ... 62 Figura 40. Resumen de datos relevantes para la central San Carlos – Noviembre de 2017.

Elaboración propia. ... 62 Figura 41. Distribuciones de Probabilidad de Aportes Sogamoso - Febrero de 2017. ... 63 Figura 42. Distribuciones de Probabilidad de Precios Sogamoso - Febrero de 2017. ... 64 Figura 43. Distribuciones de Probabilidad Condicional POFE dado que PBNA - Sogamoso -

Febrero de 2017. ... 65 Figura 44. Evolución PBNA y POFE - Evolución Embalse Topocoro – Sogamoso - Febrero de

2017... 66 Figura 45. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- Sogamoso - Febrero de 2017. Fuente: Datos: XM, Elaboración propia... 67 Figura 46. Resumen de datos relevantes para la central Sogamoso – Febrero de 2017. Elaboración

propia. ... 67 Figura 47. Distribuciones de Probabilidad de Aportes Sogamoso - Noviembre de 2017. ... 68 Figura 48. Distribuciones de Probabilidad de Precios Sogamoso - Noviembre de 2017. ... 69 Figura 49. Distribuciones de Probabilidad Condicional POFE dado que PBNA - Sogamoso -

Noviembre de 2017. Fuente: Datos: XM, Elaboración propia. ... 70 Figura 50. Evolución PBNA y POFE - Evolución Embalse Topocoro - Sogamoso - Noviembre de

2017... 71 Figura 51. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- Sogamoso – Noviembre de 2017. Fuente: Datos: XM, Elaboración propia. ... 72 Figura 52. Resumen de datos relevantes para la central Sogamoso – Noviembre de 2017.

Elaboración propia. ... 72 Figura 53. Distribuciones de Probabilidad de Aportes Sogamoso - Mayo de 2017. ... 73 Figura 54. Distribuciones de Probabilidad de Precios Sogamoso - Mayo de 2017. ... 74 Figura 55. Distribuciones de Probabilidad Condicional POFE dado que PBNA - Sogamoso - Mayo

(8)

viii Figura 57. Posición de Contratos de ISAGEN en el mes de Mayo de 2017. Fuente: Datos: XM,

Elaboración propia. ... 76 Figura 58. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- Sogamoso – Mayo de 2017. Fuente: Datos: XM, Elaboración propia. ... 77 Figura 59. Resumen de datos relevantes para la central Sogamoso - Mayo de 2017. Elaboración

propia. ... 77 Figura 60. Distribuciones de Probabilidad de Aportes Porce III - Febrero de 2017. ... 78 Figura 61. Distribuciones de Probabilidad de Precios Porce III - Febrero de 2017. ... 79 Figura 62. Distribuciones de Probabilidad Condicional POFE dado que PBNA – Porce III - Febrero

de 2017. ... 80 Figura 63. Evolución PBNA y POFE - Evolución Embalse Porce III – Porce III - Febrero de 2017. ... 81 Figura 64. Posición de Contratos de EPM en el mes de Febrero de 2017. Fuente: Datos: XM,

Elaboración propia. ... 82 Figura 65. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

– Porce III - Febrero de 2017. Fuente: Datos: XM, Elaboración propia. ... 83 Figura 66. Resumen de datos relevantes para la central Porce III – Febrero de 2017. Elaboración

propia. ... 83 Figura 67. Distribuciones de Probabilidad de Aportes Porce III - Enero de 2017. ... 84 Figura 68. Distribuciones de Probabilidad de Precios Porce III - Enero de 2017. ... 85 Figura 69. Distribuciones de Probabilidad Condicional POFE dado que PBNA – Porce III - Enero

de 2017. ... 86 Figura 70. Evolución PBNA y POFE - Evolución Embalse Porce III – Porce III - Enero de 2017. ... 87 Figura 71. Posición de Contratos de EPM en el mes de Enero de 2017. Fuente: Datos: XM,

Elaboración propia. ... 87 Figura 72. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

– Porce III – Enero de 2017. Fuente: Datos: XM, Elaboración propia. ... 88 Figura 73. Resumen de datos relevantes para la central Porce III – Enero de 2017. Elaboración

(9)

ix Figura 75. Distribuciones de Probabilidad de Precios Porce III - Mayo de 2017. ... 90 Figura 76. Distribuciones de Probabilidad Condicional POFE dado que PBNA – Porce III - Mayo

de 2017. ... 91 Figura 77. Evolución PBNA y POFE - Evolución Embalse Porce III - Porce III - Mayo de 2017. ... 92 Figura 78. Posición de Contratos de EPM en el mes de Mayo de 2017. Fuente: Datos: XM,

Elaboración propia. ... 92 Figura 79. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

– Porce III – Mayo de 2017. Fuente: Datos: XM, Elaboración propia. ... 93 Figura 80. Resumen de datos relevantes para la central Porce III – Mayo de 2017. Elaboración

propia. ... 93 Figura 81. Distribuciones de Probabilidad de Aportes Guatapé - Febrero de 2017. ... 94 Figura 82. Distribuciones de Probabilidad de Precios Guatapé - Febrero de 2017. ... 95 Figura 83. Distribuciones de Probabilidad Condicional POFE dado que PBNA – Guatapé - Febrero

de 2017. ... 96 Figura 84. Evolución PBNA y POFE - Evolución Embalse Peñol – Guatapé - Febrero de 2017.97 Figura 85. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- Guatapé – Febrero de 2017. Fuente: Datos: XM, Elaboración propia. ... 98 Figura 86. Resumen de datos relevantes para la central Guatapé – Febrero de 2017. Elaboración

propia. ... 98 Figura 87. Distribuciones de Probabilidad de Aportes Guatapé - Abril de 2017. ... 99 Figura 88. Distribuciones de Probabilidad de Precios Guatapé - Abril de 2017. Fuente: Datos: XM,

Elaboración propia. ... 100 Figura 89. Distribuciones de Probabilidad Condicional POFE dado que PBNA - Guatapé - Abril

de 2017. ... 101 Figura 90. Evolución PBNA y POFE - Evolución Embalse Peñol – Guatapé - Abril de 2017. 102 Figura 91. Posición de Contratos de EPM en el mes de Abril de 2017. Fuente: Datos: XM,

Elaboración propia. ... 103 Figura 92. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

(10)

x Figura 93. Resumen de datos relevantes para la central Guatapé – Abril de 2017. Elaboración

propia. ... 104 Figura 94. Distribuciones de Probabilidad de Aportes Guatapé - Mayo de 2017. Fuente: Datos:

XM, Elaboración propia... 105 Figura 95. Distribuciones de Probabilidad de Precios Guatapé - Mayo de 2017. Fuente: Datos:

XM, Elaboración propia... 106 Figura 96. Distribuciones de Probabilidad Condicional POFE dado que PBNA - Guatapé - Mayo

de 2017. ... 107 Figura 97. Evolución PBNA y POFE - Evolución Embalse Peñol - Guatapé - Mayo de 2017. 108 Figura 98. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

– Guatapé – Mayo de 2017. Fuente: Datos: XM, Elaboración propia. ... 109 Figura 99. Resumen de datos relevantes para la central Guatapé - Mayo de 2017. Elaboración

propia. ... 109 Figura 100. Distribuciones de Probabilidad de Aportes Chivor - Diciembre de 2017. ... 110 Figura 101. Distribuciones de Probabilidad de Precios Chivor - Diciembre de 2017. ... 111 Figura 102. Distribuciones de Probabilidad Condicional POFE dado que PBNA – Chivor -

Diciembre de 2017. ... 112 Figura 103. Evolución PBNA y POFE - Evolución Embalse Esmeralda – Chivor - Diciembre de

2017... 113 Figura 104. Posición de Contratos de AES Chivor en el mes de Diciembre de 2017. Fuente: Datos:

XM, Elaboración propia... 114 Figura 105. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- Chivor - Diciembre de 2017. Fuente: Datos: XM, Elaboración propia. ... 115 Figura 106. Resumen de datos relevantes para la central Chivor – Diciembre de 2017. Elaboración

propia. ... 115 Figura 107. Distribuciones de Probabilidad de Aportes Chivor - Octubre de 2017. ... 116 Figura 108. Distribuciones de Probabilidad de Precios Chivor - Octubre de 2017. ... 117 Figura 109. Distribuciones de Probabilidad Condicional POFE dado que PBNA - Chivor - Octubre

de 2017. ... 118 Figura 110. Evolución PBNA y POFE - Evolución Embalse Esmeralda - Chivor - Octubre de

(11)

xi Figura 111. Posición de Contratos de AES Chivor en el mes de Octubre de 2017. ... 120 Figura 112. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- Chivor - Octubre de 2017. Fuente: Datos: XM, Elaboración propia. ... 121 Figura 113. Resumen de datos relevantes para la central Chivor – Octubre de 2017. Elaboración

propia. ... 121 Figura 114. Distribuciones de Probabilidad de Aportes Chivor - Julio de 2017. ... 122 Figura 115. Distribuciones de Probabilidad de Precios Chivor - Julio de 2017. ... 123 Figura 116. Distribuciones de Probabilidad Condicional POFE dado que PBNA - Chivor - Julio

de 2017. ... 124 Figura 117. Evolución PBNA y POFE - Evolución Embalse Esmeralda - Chivor - Julio de 2017.

Fuente: Datos: XM, Elaboración propia. ... 125 Figura 118. Posición de Contratos de AES Chivor en el mes de Julio de 2017. Fuente: Datos: XM,

Elaboración propia. ... 125 Figura 119. A. Correlación POFE vs PBNA, B. Corr. POFE vs Ap. Rio, C. Corr. POFE vs Reservas

- Chivor - Julio de 2017. Fuente: Datos: XM, Elaboración propia. ... 126 Figura 120. Resumen de datos relevantes para la central Chivor - Julio de 2017. Elaboración

(12)

1

Capítulo 1. Antecedentes y justificación

Se realizó una revisión bibliográfica sobre el estudio de precios de oferta de centrales eléctricas enfocada al mercado eléctrico colombiano, en esta búsqueda se ha encontrado poca información referente a este tema, por otra parte se encontró gran variedad de estudios del precio de bolsa, el mercado no regulado o las tarifas de energía, estos temas han sido de mayor interés para la academia y los agentes debido a que tienen una incidencia en aspectos más generales del mercado eléctrico.

Algunos procesos como el despacho de energía ideal o la oferta de energía de los agentes son interesantes en el estudio del mercado ya que al final estos determinan el precio de bolsa para cada hora del día que puede afectar directamente la actividad comercial de compra y venta de energía que se lleva a cabo a través de contratos de mediano o largo plazo y en el mercado de corto plazo también conocido como bolsa de energía.

Por ejemplo, como lo afirman Botero & Cano (2007): el estudio del precio spot o precio de bolsa ha sido de amplio interés a nivel mundial, debido a que esta es una de las primeras señales que necesitan los agentes generadores para realizar su proceso de oferta de energía y poder así definir el precio del kilovatiohora generado por cada central que va a ser ofertada para el despacho del día siguiente, debido a que como lo plantea Vélez (2015):

El precio spot es también importante para el consumidor final porque influye en el precio de los contratos de largo plazo y, adicionalmente, porque el componente G de la fórmula tarifaria depende del precio de bolsa de acuerdo con el grado de exposición de los comercializadores. (p. 8)

(13)

2

Ahora bien, el precio de bolsa esperado se calcula teniendo en cuenta el despacho ideal de energía que se subasta diariamente bajo un modelo de bolsa con la premisa de llevar a cabo el mejor aprovechamiento de los recursos energéticos disponibles en el sistema buscando garantizar el menor precio de bolsa posible, en esta subasta participan todas las centrales eléctricas de despacho central del Sistema Interconectado Nacional (SIN), entonces un agente generador existente o un futuro agente que quiera ingresar al mercado requiere información de diferentes variables que pueden afectar el despacho, por este motivo los agentes recurren a métodos técnicos que permiten obtener de forma precisa y correcta la información correspondiente al comportamiento de las variables del mercado y poder establecer una estrategia de oferta más eficiente enfocada a la optimización de los recursos técnicos de generación (embalses, combustibles, etc).

En algunos países que poseen un sistema eléctrico que asigna el despacho de energía de forma similar al colombiano, como el sistema de interconexión suroriental de Australia, en el estado de Victoria, que tiene una capacidad instalada de 12.780MW cuya mayor participación está dada por centrales térmicas a carbón (9.919MW) y gas (2.531MW) las cuales representan el 94,7% de la potencia instalada del sistema eléctrico; Zahedi & Aldeen (2014) realizaron un estudio referente a los efectos de la estacionalidad en el precio spot del sistema anteriormente mencionado para algunos de los días más calientes durante el verano donde el consumo de energía aumenta considerablemente, debido a esto encontraron que el impacto de ese incremento en el precio spot era muy alto, donde el precio llegaba ser 15 veces mayor al de días normales, causando sobrecostos para los comercializadores de hasta 100 millones de dólares en un día, debido a esto plantearon algunos escenarios de proyectos de energía solar fotovoltaica la cual resulta ser una opción muy factible para disminuir esos sobrecostos en la generación de energía que son muy altos a pesar que se presentan pocos días del año.

(14)

3

ante periodos de escasez del recurso hídrico se han presentado altos precios de bolsa, Vélez (2015) afirma que: “La evolución del precio spot se asocia a la situación de la hidrología y a la composición de la generación.”(p. 9), por esa incertidumbre que genera la volatilidad del precio de bolsa en países con sistemas eléctricos que asignan despacho de energía, han estudiado los posibles métodos para realizar una predicción del precio de bolsa o precio spot ya que desde la desregulación de los mercados de energía se ha planteado el estudio del precio spot a partir de diferentes técnicas a nivel nacional e internacional, como lo plantea Botero & Cano (2007): “La predicción de los precios de la energía en las diferentes bolsas del mundo, a menudo emplea técnicas de predicción similares como son: los modelos ARIMA, GARCH, Redes Neuronales, Método de Montecarlo, Análisis de volatilidad, etc.” (p. 2), con base en lo expuesto se afirma que el precio de bolsa esperado para el día siguiente puede marcar una directa afectación en la decisión de cualquier agente generador al momento de realizar su proceso de oferta de energía ante el Centro Nacional de Despacho (CND).

Del mismo modo que se plantean métodos para conocer el precio de bolsa esperado, puede sugerirse un método para conocer el comportamiento de los precios de oferta de las centrales eléctricas más representativas del SIN y con mayor capacidad de influir en el precio spot, este trabajo se realizó tomando tres de los agentes más representativos del mercado, para el criterio de selección de estos se estableció que en primer lugar se debe tener en cuenta la región en que están ubicadas las centrales de acuerdo a su participación en el embalse agregado del SIN, luego el volumen útil y la regulación de los embalses teniendo en cuenta que se escojan centrales con diferentes características, por último la capacidad instalada del agente y de sus centrales debido a la alta participación de centrales hidroeléctricas en la generación de energía y a la evidente afectación de la estacionalidad en el precio spot.

(15)

4

del embalse, ya que una pequeña diferencia en los precios de oferta que se pueda identificar antes de enviar la oferta al CND puede representar que se despache o no una central eléctrica y afectar directamente la operación de las centrales de cualquier agente.

En ese mismo sentido, teniendo en cuenta que las centrales hidroeléctricas de despacho central con uno o varios embalses tienen una mayor participación en la generación de energía eléctrica del país y que la disponibilidad del recurso hídrico tiene una estrecha relación con la ocurrencia de fenómenos de variabilidad climática como El Niño o La Niña, se realizó un análisis a los precios de oferta de algunas centrales hidroeléctricas consideradas como representativas en el Sistema Interconectado Nacional, que son de propiedad de tres agentes generadores, por el periodo de un año en el que no se presentó un fenómeno de variabilidad climática donde se espera que el sistema tendrá una disponibilidad del recurso hídrico con un comportamiento similar a los aportes históricos de cada mes y que el mercado no va a ser intervenido por el estado regulando los precios ofertados por los agentes, luego se observó cómo se comportaron los precios de oferta de cada central en tres meses diferentes del año donde se presentaron bajos, medios y altos aportes hídricos históricos mensuales, por último se analizó qué comportamientos se pueden considerar típicos de los agentes a la hora de ofertar los precios de energía de las centrales que fueron objeto de análisis.

(16)

5

Capítulo 2. Problema de investigación

El mercado eléctrico colombiano asigna el despacho de energía eléctrica bajo el modelo de bolsa, de modo que todas las centrales de despacho central deben hacer una oferta de precio y disponibilidad diaria, tal oferta debe ser enviada por cada agente generador al operador del mercado un día antes de la operación, con estas ofertas se realiza una subasta de precio uniforme teniendo en cuenta el precio de oferta y la disponibilidad de cada recurso para cada hora del día, en el argot del mercado eléctrico se conoce como recurso a cada central de generación del SIN, se despacha en primer lugar el recurso con menor precio con su potencia disponible, luego el siguiente más económico y su potencia disponible y así sucesivamente hasta satisfacer la demanda del sistema, de esta manera el operador programa el despacho de energía de todos los recursos necesarios para satisfacer la demanda de energía esperada en cada hora del día, todo esto bajo la premisa de optimizar el uso de los recursos energéticos disponibles en el sistema y garantizar el menor precio de bolsa posible (Rodríguez, 2017, págs. 6,7).

Los recursos que no entran en el despacho reciben una remuneración de cargo por confiabilidad, con el requisito mínimo que la disponibilidad comercial sea igual a sus Obligaciones de Energía Firme (OEF) subastadas para el día de operación, como lo establece la Resolución CREG 079 de 2008 Anexo 8., estos agentes deben respaldar sus OEF subastadas con una potencia o capacidad efectiva neta instalada generalmente sustentada por la Energía Firme para el Cargo por Confiabilidad (ENFICC) declarada por el agente generador ante el Centro Nacional de Despacho.

(17)

6

De este modo los agentes generadores compiten en el mercado brindando garantías y/o mejores tarifas a sus clientes; los contratos bilaterales de compra y venta de energía se firman entre agentes generadores y comercializadores, no tienen limitantes en cuanto a la cantidad de energía que se compromete o a la duración de los mismos, así mismo el agente generador puede tomar una posición compradora ya sea en la bolsa de energía o bajo la modalidad de contratos (C.R.E.G., 2006, pág. 3).

(18)

7

Capítulo 3. Objetivos

Objetivo general

Realizar un análisis de los precios de oferta de algunas centrales hidroeléctricas pertenecientes a tres agentes generadores de los más representativos del Sistema Interconectado Nacional e identificar comportamientos típicos de los agentes en su proceso de oferta de energía ante el Centro Nacional de Despacho, en un año que no se presenten fenómenos de variabilidad climática drástica en el país, seleccionando meses con aportes hidrológicos deficitarios, normales y superavitarios.

Objetivos específicos

- Establecer una metodología para el análisis teniendo en cuenta que las

variables tienen una frecuencia diaria y que el mercado es muy dinámico en el corto plazo.

- Establecer el comportamiento del mercado eléctrico en un año con

disponibilidad normal del recurso hidráulico que definirá el espacio temporal del análisis, teniendo en cuenta que no se haya presentado eventos de variabilidad climática como el fenómeno de El Niño o La Niña, validando con indicadores internacionales asociados a la ocurrencia y magnitud de estos fenómenos.

- Identificar la relación entre el precio de bolsa nacional, los aportes del rio y el nivel

del embalse con los precios de oferta de cada central, a través de un estudio de correlación en los meses de análisis donde se presentaron bajos, medios y altos aportes hídricos.

- Identificar comportamientos típicos que realizan los agentes para ofertar el precio

(19)

8

Capítulo 4. Marco referencial

Mercado eléctrico colombiano

El mercado eléctrico colombiano empezó a operar bajo el modelo de despacho de energía desde Junio de 1995 como consecuencia del racionamiento de energía que sufrió el país en los años de 1992 y 1993, esto debido a la alta dependencia de la generación de energía eléctrica con plantas hidráulicas y la aparición de un fenómeno “El Niño” intenso, en consecuencia el gobierno nacional vio la necesidad de un mayor control y planeación para la generación de energía eléctrica (Mantilla, 2016), todo con el fin de garantizar una seguridad energética para el país, con ese objetivo el estado creó la Ley 143 de 1994 que reglamenta y establece los lineamientos del sector eléctrico colombiano, debido a esto se fundó el operador del mercado eléctrico colombiano llamado XM expertos del mercado; en este mercado participan tres tipos de agentes importantes que son: los generadores, los comercializadores y los grandes consumidores, estas empresas pueden ser de carácter público o privado (XM, 2015).

Figura 1. Compra y Venta de energía para un agente generador. Fuente: (Derivex, 2018, pág. 17)

(20)

9

(XM, 2015), ya que como lo asegura la CREG (2006): “El objetivo de realizar estos contratos es reducir la exposición a la alta volatilidad de precios del mercado spot o de corto plazo del generador y el usuario final” (p. 3), así mismo un agente generador puede en algunas horas del día tener posición compradora en bolsa para poder cumplir con sus obligaciones en contratos o por el contrario vender excedentes de energía en la bolsa dependiendo del despacho asignado por el CND.

Ahora bien, existe el mercado no regulado que abarca a todos los grandes consumidores quienes pueden comprar energía por medio de contratos de mediano o largo plazo a los comercializadores, para poder acceder a este mercado los usuarios deben tener un consumo mensual promedio superior a 55.000 kWh/mes o una potencia instalada superior a 0.1 MW como lo establece el artículo 2 de la Resolución CREG 131 de 1998, mientras que el mercado regulado está compuesto por usuarios de menores consumos de energía, como hogares y pequeñas empresas quienes adquieren el servicio directamente con un comercializador de energía quien compra la energía en bolsa o en contratos con otros agentes, en grandes volúmenes.

Para poder entender la dinámica comercial de los diferentes agentes del mercado se puede observar la Figura 2 elaborada por Aktiva, donde se muestra el flujo monetario de las transacciones realizadas entre los agentes donde se resume lo anteriormente expuesto.

(21)

10

Capacidad Efectiva Neta (C.E.N.)

Según la Resolución CREG 074 de 2002, Anexo 4, la Capacidad Efectiva Neta (CEN):

Es la máxima capacidad de potencia neta (expresada en valor entero en MW) que puede suministrar una planta y/o unidad de generación en condiciones normales de operación, medida en la frontera comercial. Se calcula como la Capacidad Nominal menos el Consumo Propio de la planta y/o unidad de generación. (p.1)

con datos del operador de mercado XM en el portal PARATEC a Diciembre de 2017, se obtuvo la matriz de participación de la capacidad efectiva neta por tipo de generación o matriz de generación eléctrica en Colombia, en la Figura 3 se observa el porcentaje de participación de cada tecnología en el sistema interconectado nacional, donde la participación de centrales hidráulicas es muy representativa logrando cerca del 70 % de la capacidad instalada del país luego continúan las centrales térmicas a partir de gas, carbón y combustibles líquidos, por último una pequeña representación (0,85%) de las fuentes no convencionales de energía (viento, radiación solar, bagazo, biomasa).

Figura 3. Matriz de Generación de Energía Eléctrica de Colombia al año 2017; Fuente: PARATEC; Elaboración propia. AGUA; 11 721.52; 69.97%

GAS; 2 093.95;

12.50% CARBON; 1 365.30; 8.15%

ACPM; 931; 5.56% GAS+JET-A1; 264; 1.58%

COMBUSTOLEO; 187; 1.12%

BAGAZO; 111.7; 0.67% JET-A1; 44; 0.26%

VIENTO; 18.42; 0.11%

RAD SOLAR; 9.8; 0.06% BIOGAS; 3.95;

0.02% BIOMASA; 1.7;

0.01%

(22)

11

Agentes generadores

Según el portal PARATEC actualmente existen 71 agentes generadores en el país, en la Tabla 1 se puede observar los agentes con mayor participación en la potencia instalada del sistema interconectado nacional están ordenados de mayor a menor capacidad efectiva neta (CEN), no se enuncian las plantas menores o plantas que tienen CEN menor a 20 MW según la Resolución CREG 054 de 1994 y las plantas filo de agua de cada agente, debido a que estas centrales no ofertan precio en la bolsa de energía dejando así las plantas de despacho central de los agentes con mayor participación hasta Diciembre de 2017.

Tabla 1. Principales Agentes Generadores de Colombia. Fuente: Portal BI, XM, Elaboración propia.

AGENTE GENERADOR RECURSO C.E.N. [MW] % Acum. [%] EMGESA S,A, E,S,P, TOTAL 3.492,91 20,85%

GUAVIO 1.250

PAGUA 600

BETANIA 540 EL QUIMBO 396 TERMOCARTAGENA 190 TERMOZIPA 224 EMPRESAS PUBLICAS DE

MEDELLIN E,S,P, TOTAL PORCE III 3.476,78 700 41,60% GUATAPE 560

GUATRON 512 PORCE II 405 TERMOSIERRAB 364 LA TASAJERA 306 PLAYAS 207 SAN FRANCISCO 135 TERMODORADA 44

ISAGEN S,A, E,S,P, TOTAL 2.988,90 59,45% SAN CARLOS 1.240

SOGAMOSO 819 MIEL I 396 TERMOCENTRO CC 264 JAGUAS 170 EMPRESA DE ENERGIA DEL

PACIFICO S,A, E,S,P, TOTAL ALBAN 1.053,67 429 65,74% SALVAJINA 285

CALIMA 132 CUCUANA 56

PRADO 46

AES CHIVOR & CIA, S,C,A, E,S,P, TOTAL 1.019,70 71,82% CHIVOR 1.000

TERMOBARRANQUILLA S,A, E,S,P, TOTAL 918 77,30% TEBSAB 791

BARRANQUILLA 3 64 BARRANQUILLA 4 63

ZONA FRANCA CELSIA S,A E,S,P, TOTAL 610 80,94% FLORES 4B 450

FLORES 1 160 GENERADORA Y COMERCIALIZADORA DE

ENERGIA DEL CARIBE S,A, E,S,P, TOTAL GECELCA 3 450 164 83,63% TERMOGUAJIRA 286

EMPRESA URRA S,A, E,S,P, URRA 338

GESTION ENERGETICA S,A, E,S,P, TOTAL 327 85,58% SOCHAGOTA 154

TERMOPAIPA 173

(23)

12

Demanda de energía del SIN

La demanda de energía eléctrica del sistema eléctrico colombiano tiene unas características particulares, para conocer el comportamiento de la curva de demanda diaria se acude a los históricos de demanda que suministra el operador de mercado, como se puede ver en la Figura 4 la demanda de energía del SIN para los días de Lunes a Viernes es de un comportamiento similar, para el día Sábado se ve una ligera disminución y en los días Domingos y Festivos una disminución mucho mayor, así mismo se observa tres puntas donde la demanda muestra una tendencia creciente, en intervalos entre la hora 5:00 a 7:00 la primera punta, de las 11:00 a las 13:00 la segunda punta y entre las 18:00 y las 21:00 la tercera punta donde se presenta la mayor demanda diaria del país específicamente en la conocida hora 20 (XM, 2018), la UPME calcula escenarios teóricos de la proyección de demanda teniendo en cuenta diversos aspectos técnicos y económicos que pueden afectar a esta.

(24)

13

Debido a que la demanda está dada en su mayoría por el mercado regulado, el cual a finales de 2016 representaba el 69% de la demanda total y el mercado no regulado el 31% (XM, 2017), en la Figura 5 se puede observar la evolución histórica de la participación del mercado regulado y no regulado desde el año 1997 hasta el 2016, donde se aprecia el aumento considerable del mercado no regulado, debido a que en el Artículo 2 de la Resolución CREG 179 de 2009, se modificaron gradualmente las condiciones para poder participar en el mercado no regulado desde el año 2011 hasta el 2013, dejando como resultado final la condición que el usuario deberá tener una potencia instalada de 19 kW o una demanda de 10 MWh en el mes, modificando el artículo 2 de la Resolución CREG 131 de 1998, este cambio pudo provocar la decisión de más usuarios que cumplían con esas condiciones de optar por entrar a participar del mercado no regulado.

(25)

14

Componentes de la tarifa al usuario final

Según la cartilla que establece la metodología para la remuneración de la actividad de comercialización de energía eléctrica a usuarios regulados, emitida por la CREG (2012):

La tarifa de energía eléctrica en Colombia está dividida en dos componentes, Un cargo fijo, creado con el objetivo de remunerar todas las actividades realizadas por el comercializador para llevar la energía al usuario final; y un cargo variable que depende del consumo del servicio de energía eléctrica de cada usuario. (p.14) Para el cargo variable (Cv) en el mercado regulado y no regulado se establece una fórmula para el cobro de cada kilovatio hora consumido, el cual está dado por la ecuación (1):

𝐶𝑣 = 𝐺 + 𝑇 + 𝐷 + 𝐶 + 𝑃𝑅 + 𝑅𝑦𝑂 (1)

Donde:

G= Cargos por generación (32,42%)*Porcentaje promedio, T= Cargos por Transmisión (6,13%)

D= Cargos por Distribución (39,87%) C= Margen de Comercialización (13,00%) PR= Perdidas Reconocidas (6,39%)

RyO = Restricciones y otros cargos regulados (2,19%)

(26)

15

Formación del precio spot de la energía (precio de bolsa)

El precio de la energía en bolsa es completamente dinámico ya que se establece en el despacho ideal programado el día anterior para cada una de las horas del día de operación, este varía en el tiempo en función de la demanda, las ofertas de precio del día y disponibilidad horaria de los agentes generadores, así pues el Centro Nacional de Despacho (CND) realiza una subasta de precio uniforme donde se revisan los precios de oferta de cada uno de los recursos (en el argot del mercado eléctrico se denomina recurso a una central que pertenece al SIN) de los agentes generadores y la disponibilidad declarada donde se especifica en cada hora del día la capacidad efectiva neta (CEN) o potencia dada en megavatios [MW] de cada máquina de la central o recurso.

Figura 6. Formación precio Spot de la electricidad, Fuente: (Derivex, 2018)

(27)

16

para generar luego el siguiente más barato y su potencia y así sucesivamente se suman las potencias de cada central hasta satisfacer la demanda de esa hora, esto se conoce como despacho ideal teniendo en cuenta que los agentes generadores asumen condiciones óptimas del Sistema Interconectado Nacional sin restricciones operativas. (C.R.E.G., 2006)

En la Figura 7 se observa que se establece como precio final de esa hora o precio marginal, el precio de oferta del último agente que tuvo que ser llamado a despachar energía (P5) se llama precio de bolsa o precio spot, por lo tanto a todos los agentes que estén vendiendo energía en bolsa a esa hora se les pagará cada kWh vendido a este precio, produciendo para los recursos en operación que no fueron marginales lo que se conoce como renta inframarginal (área de color naranja), en consecuencia mayores ingresos sobre el precio ofertado (Rodríguez, 2017).

(28)

17

Análisis de conveniencia del precio spot en función de las posiciones en contratos

Debido a que el despacho de energía se asigna bajo el modelo de bolsa los agentes generadores más representativos realizan ofertas para formar el precio del kilovatio hora, para esta decisión influyen diversos factores que se analizarán en este documento, por ejemplo si su energía está siendo vendida directamente en la bolsa o está comprometida a través de contratos, las condiciones hidrológicas particulares de los agentes y del sistema, los mantenimientos, la época del año, etc.

Para hacer una mayor claridad en la forma como los contratos afectan el ingreso de un agente, Stoft (2002) plantea el siguiente ejemplo:

Existen 2 agentes en el mercado el Agente A y el Agente B, ambos tienen una capacidad de generación de 1.000MWh, el Agente A tiene contratados 900MWh es decir el 90% de su capacidad y el agente B no tiene contratos por lo tanto vende toda su energía en el mercado spot, (Ver Figura 8).

Figura 8. Esquema de contratación de dos agentes del mercado A, B, Fuente: (Rodríguez, 2017)

(29)

18

Escenario 1

Se establece una condición normal donde los dos agentes generan toda su capacidad de energía y el precio spot es de 100$/kWh, en la Tabla 2 se observa el balance neto de cada agente en este escenario.

Tabla 2. Balance por ventas en contrato y precio spot de dos agentes del mercado en el escenario 1, Fuente: (Rodríguez, 2017)

Del balance neto se observa que el agente A tuvo un margen superior al Agente B por $9.000 a pesar de haber generado la misma energía para el sistema.

Escenario 2

El agente B decide retener 50MWh produciendo así un incremento en el precio spot a 120$/kWh, en la Tabla 3 se observa el balance neto de cada agente en este escenario. Tabla 3. Balance por ventas en contrato y precio spot de dos agentes del mercado en el escenario 2, Fuente: (Rodríguez, 2017)

(30)

19

Escenario 3

El agente A decide retener 50MWh cubriendo su obligación de contratos generación propia, produciendo así un incremento en el precio spot a 120$/kWh, en la Tabla 4 se observa el balance neto de cada agente en este escenario.

Tabla 4. Balance por ventas en contrato y precio spot de dos agentes del mercado en el escenario 3, Fuente: (Rodríguez, 2017)

Se puede observar que aunque el Agente A ahorró en costos de generación al retener los 50MWh, el margen de ganancia disminuye aún más que en el escenario 2 debido a que la mayor parte de su energía ya fue vendida a través de los contratos a una tarifa fija entonces dejar de generar se convirtió en un evento que disminuye su ingreso a pesar de haber un precio spot más alto.

(31)

20

Energía Firme para el Cargo por Confiabilidad (ENFICC) de un agente generador

La Energía Firme para el Cargo por Confiabilidad (ENFICC) es una declaración del activo de generación o recurso de la máxima energía eléctrica que es capaz de entregar de manera continua en un año bajo condiciones críticas de disponibilidad del recurso primario (agua, combustible), para esto se tiene en cuenta parámetros de diseño de la planta dependiendo del tipo de tecnología usada para la generación de energía (hidráulica o térmica), esta ENFICC es verificada por el Centro Nacional de Despacho (CND) como lo establece la Resolución CREG 071 de 2006, p: 6. (C.R.E.G., 2006, pág. 5)

Así mismo existe la Obligación de Energía Firme (OEF) que fue implementada por el operador del mercado para garantizar la confiabilidad del suministro de energía a largo plazo y con precios eficientes, estas OEF son subastadas y asignadas diariamente teniendo en cuenta la ENFICC declarada por cada recurso ante el Centro Nacional de Despacho (CND).

(32)

21

Embalses y aportes hidrológicos

A los recursos de generación a partir del aprovechamiento del agua se realizan unas mediciones en las cuencas hidrográficas, de los caudales para centrales filo de agua, caudales y aportes hídricos de los ríos a los embalses, estos aportes son la cantidad de agua que fue embalsada durante el día y un equivalente de cuanta energía se podría generar con esa agua dado por un factor técnico de cada central, generalmente se da en términos de energía en gigavatios hora [GWh], estos aportes también son reportados en porcentaje sobre la media histórica mensual, es decir cada día se informa si los aportes recibidos en la central estuvieron por debajo de la media histórica mensual, es decir menores que 100% denominados deficitarios, cercanos a la media histórica llamados normales o sobre la media histórica los mayores que 100% o superavitarios.

Así mismo se observa el nivel de los embalses en un porcentaje del volumen útil del embalse que es usado para la generación de energía dado en unidades porcentuales [%], este se reporta para cada central en el Informe Diario de Operación de XM que es de acceso público, estos datos son de suma importancia para los agentes ya que con esta información pueden llevar a cabo su estrategia para la administración del recurso hídrico específicamente en las centrales que poseen uno o varios embalses.

Los embalses poseen una característica importante llamada regulación la cual está determinada por el tiempo que requiere para llenar el volumen útil de acuerdo con el caudal promedio que aportan sus tributarios, esta puede ser horaria, diaria, mensual, anual o multianual. (CNO, 2018)

(33)

22

Tabla 5. Plantas Hidráulicas con Embalse de cada región, Fuente: Datos:BI, Paratec, XM, Elaboración propia.

Región Planta Embalse Afluente Apor,

Med, Hist, (GWh)

Vol, Máx, Técnico (GWh)

Vol, Máx, Útil (GWh)

Part, Emb, Región (%)

Antioquia Jaguas San Lorenzo San

Lorenzo 196,27 471,91 426,58 36,51

La Tasajera Riogrande2 Grande 279,89 734,34 541,50

Guatrón Miraflores Guadalupe 160,56 326,59 308,57

Guatrón Troneras Guadalupe 160,56 97,58 69,97

Playas Playas Guatape 163,65 135,88 95,90

Miel I Amani Miel I 146,44 270,51 243,02

Guatapé Peñol Nare 415,94 4.559,20 4.242,90

Porce II Porce II Porce II 247,33 193,98 133,54

Porce III Porce III Porce III 85,83 141,99 115,68

San Carlos Punchiná San Carlos 88,08 85,82 73,39

Caribe Urra Urra1 Sinu Urra 89,56 197,03 153,01 0,89

Centro Betania Betania Betania CP 72,69 198,37 124,96 35,34

Pagua Agreg,

Bogotá Bogota N.R. 252,58 3.775,53 3.775,53

El Quimbo El Quimbo El Quimbo 231,67 1.302,41 1.095,63

Prado Prado Prado 53,41 101,42 56,83

Sogamoso Topocoro Sogamoso 354,85 1.209,65 998,89

Oriente Chivor Esmeralda Bata 311,96 1.171,26 1.126,59 24,68

Pagua Chuza Chuza 121,72 1.052,10 1.004,20

Guavio Guavio Guavio 376,88 2.143,60 2.095,06

Valle Albán Altoanchica

ya Altoanchicaya 111,18 42,32 33,86 2,57

Calima Calima1 Calima 21,40 267,46 216,19

Salvajina Salvajina Cauca

Salvajina 99,16 215,83 190,60

TOTAL

SIN 18.694,7 17.122,4 100,0

(34)

23

Fenómeno de “El Niño”

El fenómeno de El Niño es un fenómeno de variabilidad climática causado por la interacción entre la atmosfera y el Océano Pacifico Tropical que se ubica desde las costas de Indonesia hasta las costas de Sudamérica sobre la franja del Ecuador.

Se conoce como fenómeno de El Niño debido a que los pescadores de la zona ecuatorial de las costas de Ecuador, Chile y Perú veían una significativa disminución en la cantidad de peces para la época de Navidad y por esto le asignaron el nombre de El Niño, haciendo alusión al Niño Dios, este fenómeno es conocido como ENSO (El Niño Southern Oscillation).

La formación de este fenómeno es causada por el calentamiento inusual de la superficie del mar del Océano Pacifico Tropical donde usualmente hay predominio de aguas frías, este incremento de temperatura es causado por un alto contenido de calor que tienen las aguas de las corrientes marinas sobre la franja ecuatorial que al mezclarse con las aguas superficiales producen un alto nivel de evaporación generando así un debilitamiento de los vientos alisios y un cambio en la presión atmosférica.

Para realizar un seguimiento a este fenómeno se tiene en cuenta factores como la zona del océano, la época de iniciación, la fase de desarrollo, la fase de madurez que generalmente se presenta en los meses de Diciembre y Enero, y la época de disipación que se presenta en los meses de Marzo a Mayo del siguiente año.

Para realizar el monitoreo se instalaron boyas a través de la franja ecuatorial sobre el Océano Pacifico para medir la temperatura superficial del mar, así mismo se establecieron zonas llamadas: Niño 1, Niño 2, Niño 3 y Niño 4 así como zonas combinadas de estas, (ver Figura 9). (Canal Clima, 2014)

(35)

24

Para realizar el seguimiento al comportamiento de este fenómeno en el tiempo se han establecido diferentes indicadores asociados a la ocurrencia y magnitud del mismo, por ejemplo, existe el Índice multivariado ENSO el cual brinda información sobre la fortaleza de un fenómeno de El Niño o La Niña, se construye mediante métodos estadísticos agregando el comportamiento de las 6 variables más relevantes y obteniendo al final una gráfica histórica donde el color azul denota enfriamiento y el color rojo denota calentamiento, (ver Figura 10). (XM, 2013)

Figura 10. Grafica Índice Multivariado ENSO, Fuente: (XM, 2013)

Así mismo el índice oceánico de El Niño (ONI, Oceanic Niño Index) es un estándar utilizado por la National Oceanic and Atmospheric Administration (NOAA) para identificar eventos cálidos o fríos en el Océano Pacifico Tropical, se obtiene bajo la media móvil de tres meses de la temperatura superficial del mar en la región Niño 3.4. (XM, 2013), (ver Figura 11), en donde se establece que para una temperatura superior a 0,5 °C es una anomalía positiva de Niño y para una temperatura menor a -0,5 °C es una anomalía negativa de Niña, si se registran estas anomalías durante al menos 5 periodos consecutivos se puede establecer que ocurrió un evento de El Niño o La Niña, cuando se presentan temperaturas entre -0,5 °C y 0,5 °C se asocia a una condición de neutralidad.

(36)

25

En la Tabla 6, se puede observar el indicador ENSO - ONI el cual muestra periodos históricos y la intensidad de acuerdo a los indicadores ENSO y ONI de los eventos El Niño (de color rojo) o La Niña (de color azul) que se han presentado en el tiempo así como de color negro los periodos de neutralidad; para establecer que se presentó un fenómeno de El Niño o La Niña, los expertos plantean que debe haber 5 periodos consecutivos con temperaturas por debajo de -0,5°C para un fenómeno de La Niña o 5 periodos consecutivos con temperaturas por encima de 0,5°C para un fenómeno de El Niño.

Tabla 6. Históricos Indicador ENSO - ONI, Fuente: (NOAA, 2018)

Year DJF JFM FMA MAM AMJ MJJ JJA JAS ASO SON OND NDJ

1990 0,1 0,2 0,3 0,3 0,3 0,3 0,3 0,4 0,4 0,3 0,4 0,4

1991 0,4 0,3 0,2 0,3 0,5 0,6 0,7 0,6 0,6 0,8 1,2 1,5

1992 1,7 1,6 1,5 1,3 1,1 0,7 0,4 0,1 -0,1 -0,2 -0,3 -0,1

1993 0,1 0,3 0,5 0,7 0,7 0,6 0,3 0,3 0,2 0,1 0,0 0,1

1994 0,1 0,1 0,2 0,3 0,4 0,4 0,4 0,4 0,6 0,7 1,0 1,1

1995 1,0 0,7 0,5 0,3 0,1 0,0 -0,2 -0,5 -0,8 -1,0 -1,0 -1,0

1996 -0,9 -0,8 -0,6 -0,4 -0,3 -0,3 -0,3 -0,3 -0,4 -0,4 -0,4 -0,5

1997 -0,5 -0,4 -0,1 0,3 0,8 1,2 1,6 1,9 2,1 2,3 2,4 2,4

1998 2,2 1,9 1,4 1,0 0,5 -0,1 -0,8 -1,1 -1,3 -1,4 -1,5 -1,6

1999 -1,5 -1,3 -1,1 -1,0 -1,0 -1,0 -1,1 -1,1 -1,2 -1,3 -1,5 -1,7

Year DJF JFM FMA MAM AMJ MJJ JJA JAS ASO SON OND NDJ

2000 -1,7 -1,4 -1,1 -0,8 -0,7 -0,6 -0,6 -0,5 -0,5 -0,6 -0,7 -0,7

2001 -0,7 -0,5 -0,4 -0,3 -0,3 -0,1 -0,1 -0,1 -0,2 -0,3 -0,3 -0,3

2002 -0,1 0,0 0,1 0,2 0,4 0,7 0,8 0,9 1,0 1,2 1,3 1,1

2003 0,9 0,6 0,4 0,0 -0,3 -0,2 0,1 0,2 0,3 0,3 0,4 0,4

2004 0,4 0,3 0,2 0,2 0,2 0,3 0,5 0,6 0,7 0,7 0,7 0,7

2005 0,6 0,6 0,4 0,4 0,3 0,1 -0,1 -0,1 -0,1 -0,3 -0,6 -0,8

2006 -0,8 -0,7 -0,5 -0,3 0,0 0,0 0,1 0,3 0,5 0,7 0,9 0,9

2007 0,7 0,3 0,0 -0,2 -0,3 -0,4 -0,5 -0,8 -1,1 -1,4 -1,5 -1,6

2008 -1,6 -1,4 -1,2 -0,9 -0,8 -0,5 -0,4 -0,3 -0,3 -0,4 -0,6 -0,7

2009 -0,8 -0,7 -0,5 -0,2 0,1 0,4 0,5 0,5 0,7 1,0 1,3 1,6

Year DJF JFM FMA MAM AMJ MJJ JJA JAS ASO SON OND NDJ

2012 -0,8 -0,6 -0,5 -0,4 -0,2 0,1 0,3 0,3 0,3 0,2 0,0 -0,2

2013 -0,4 -0,3 -0,2 -0,2 -0,3 -0,3 -0,4 -0,4 -0,3 -0,2 -0,2 -0,3

2014 -0,4 -0,4 -0,2 0,1 0,3 0,2 0,1 0,0 0,2 0,4 0,6 0,7

2015 0,6 0,6 0,6 0,8 1,0 1,2 1,5 1,8 2,1 2,4 2,5 2,6

2016 2,5 2,2 1,7 1,0 0,5 0,0 -0,3 -0,6 -0,7 -0,7 -0,7 -0,6

2017 -0,3 -0,1 0,1 0,3 0,4 0,4 0,2 -0,1 -0,4 -0,7 -0,9 -1,0

(37)

26

Capítulo 5. Metodología

Conforme a lo analizado, para la oferta de precio que un agente generador realiza para el día siguiente las principales variables que analiza son: posición en contratos, precio de bolsa esperado, energía disponible para la generación de acuerdo con el estado de las máquinas, perspectivas hidrológicas en el momento de la oferta, objetivos de embalse conforme a las perspectivas hidrológicas anteriormente mencionadas, embalse en el momento de la oferta, demanda esperada para el día de operación (día para el que se está haciendo la oferta), análisis de las mismas variables para otros agentes (la competencia).

Ahora bien, debido a que como lo afirma Rodríguez (2017): “Cada planta oferta para

el día siguiente una curva horaria de disponibilidad y un único precio para la subasta” (p.6) y

que los precios de oferta se establecen de forma diferente para las centrales dependiendo

del tipo de tecnología usada para la generación de energía (hidráulica, térmica), cabe

resaltar los principales costos que tienen en cuenta los agentes generadores para definir el precio de oferta de cada central, (ver Tabla 7).

Tabla 7. Costos incluidos en los precios de oferta para el despacho horario. Fuente: (Rodríguez, 2017)

(38)

27

Debido a la alta importancia que tiene el precio spot en el mercado, se hace interesante estudiar la incidencia de este en los precios de oferta de las centrales debido a que como lo asegura la C.R.E.G. (2006): “la volatilidad del precio spot es causada por la amplia participación del componente hidráulico, la estacionalidad climática y la aparición periódica de El Niño” (p.3) o como lo menciona Vélez (2015): el precio de bolsa aumenta, al disminuir la participación de la generación de centrales hidráulicas en el sistema debido a que las centrales térmicas entran a participar en mayor proporción de la generación del SIN y como el precio de oferta de las térmicas es habitualmente mayor al de las centrales hidráulicas debido a los costos de los combustibles, además la disminución en la disponibilidad del recurso hídrico produce un aumento en el costo de oportunidad del mismo, lo que lleva a las centrales hidroeléctricas a ofertar su energía a un mayor precio buscando que sus máquinas sean despachadas en menor cuantía y así administrar su recurso hídrico para cumplir con sus obligaciones de energía firme y que sea turbinado en un futuro con un precio más favorable.

En la Figura 12 se observa la comparación del precio de bolsa con la generación hidráulica y la generación de otros que generalmente es térmica, donde el precio de bolsa aumenta por la disminución de la participación hidráulica y mayor participación de la térmica, debido a esto se realizó el análisis a hidroeléctricas con embalse en un año donde no se presentó fenómenos de variabilidad climática como El Niño y se tomaron tres meses en donde cada central tuvo aportes hídricos deficitarios, normales y superavitarios.

(39)

28

Para llevar a cabo este estudio primero se realizó un análisis estadístico a los precios de oferta de cada recurso comparándolos con el precio de bolsa nacional, a la vez se comparó los aportes propios del embalse con los aportes del embalse agregado del SIN, para mostrar cómo se comportó la central teniendo como referencia el estado del mercado para cada mes, para esto se graficaron distribuciones de probabilidad acumulada y relativa de estas variables y se calcularon indicadores estadísticos de medidas de posición cómo el promedio y la mediana, medidas de variación como el coeficiente de variación que está dado por el cociente de la desviación estándar sobre el promedio, dado en porcentaje [%], este coeficiente indica cuanto fue la variación de los datos con respecto al promedio de cada variable esto debido a que se compararon cuatro distribuciones de probabilidad diferentes. (Anderson, Sweeney, & Williams, 2008, págs. 83-95)

Así mismo se calculó una medida de forma como el coeficiente de asimetría o sesgo el cual brinda información de la forma de la distribución de probabilidad relativa, entonces cuando hay un coeficiente de asimetría positivo es una distribución con sesgo a la derecha, es decir que el promedio es mayor que la mediana por lo tanto hay mayor cantidad de datos menores que el promedio, cuando hay un coeficiente de asimetría negativo es una distribución con sesgo a la izquierda, es decir que el promedio es menor que la mediana y hay mayor cantidad de datos mayores que el promedio y si el coeficiente de asimetría es cero, el promedio es igual a la mediana y es una distribución completamente simétrica. (Anderson, Sweeney, & Williams, 2008, págs. 98,99)

(40)

29

se puede identificar cuando el recurso oferta predominantemente precios por debajo del precio de bolsa, precios marginales o precios cercanos al precio de bolsa esperado y por último si la central oferta precios por encima del precio de bolsa, brindando al final la probabilidad de estos sucesos.

En seguida se analiza la evolución del embalse de cada central, la evolución de los precios de oferta y el precio de bolsa para observar si la central administra el embalse con el precio de oferta o si por el contrario toma decisiones sin tener en cuenta el nivel del embalse, luego se analiza la posición en contratos de cada agente, para establecer si el agente toma acciones en función de sus compromisos en contratos y la cantidad de energía vendida en bolsa o si no las tiene en cuenta y actúa de forma independiente.

Se realizó un análisis de correlación, tomando los precios de oferta como variable dependiente y como variables independientes el precio de bolsa nacional, los aportes propios del rio y el nivel del embalse, se realizaron gráficos de dispersión y luego regresiones lineales buscando determinar si estas variables independientes tienen una relación directa con el precio de oferta o si por el contrario no se relacionan con este, en conclusión se busca observar si los agentes toman decisiones basados en el comportamiento de estas variables o si por el contrario establecen el precio de oferta de forma independiente, para esto se calculó el coeficiente de correlación de Pearson (r) el

cual está dado por el cociente de la covarianza de las dos variables (Sxy) sobre el producto

de las desviaciones estándar de las dos variables(SxSy), este coeficiente tomará valores

entre 0 y 1, donde 1 denota una correlación perfecta entre las dos variables y 0 denota una correlación nula, se plantea que para valores cercanos a 0 la correlación será débil o nula, para valores entre 0,5 y 0,75 la correlación será considerada como moderada, y para valores por encima de 0,75 como una correlación fuerte, este coeficiente de correlación r puede tener signo positivo o negativo, lo cual indica que cuando es positivo la correlación es directa y cuando es negativo la correlación es inversa. (Anderson, Sweeney, & Williams, 2008, págs. 114-116)

(41)

30

comportamientos que se puedan considerar típicos de los agentes en los meses deficitarios, normales y superavitarios.

A continuación se expondrá los métodos realizados para la escogencia de los agentes que van a ser objeto de análisis, se realizará una descripción de las variables de interés y las gráficas construidas para abordar el análisis de los precios, por último el criterio utilizado para escoger el año de análisis y los meses en donde se presentaron aportes deficitarios, normales y superavitarios para cada central.

Selección de los agentes y centrales

Se consideró que debido a la alta dependencia del recurso hídrico de la matriz de generación eléctrica del país, se debían analizar centrales de despacho central que poseen embalse, observando la Tabla 5 se plantea que se deben tomar como mínimo centrales de las regiones Antioquia y Central debido a que estas tienen una mayor participación en el volumen útil del embalse agregado del SIN, además de estas regiones se observa las centrales con una capacidad efectiva neta (CEN) importante para la demanda nacional, plantas de gran capacidad instalada como Chivor por ejemplo, son del interés de este documento y algunas plantas con menor CEN que pueden llegar a ser relevantes para la formación del precio también fueron consideradas dentro del análisis.

(42)

31

Variables de interés

Se descargaron datos históricos de los reportes públicos del operador de mercado (XM) desde el año 2012 hasta el 2017 para cada central de los agentes que fueron objeto de análisis, se tiene en cuenta variables como: el precio spot o precio promedio de bolsa nacional diario (PBNA) en pesos sobre kilovatio hora [$/kWh], el precio de oferta diario (POFE) de las centrales en pesos sobre kilovatio hora [$/kWh], aportes hídricos diarios del SIN en porcentaje sobre la media histórica mensual [%], aportes hídricos diarios del rio afluente de cada embalse en porcentaje sobre la media histórica mensual [%], las reservas diarias de agua de la central en porcentaje del volumen útil del embalse [%], las ventas y compras en contratos mensuales del agente en gigavatios hora [GWh], la ENFICC mensual del agente en gigavatios hora [GWh] y la generación real (GREA) mensual del agente en gigavatios hora [GWh].

Gráficas para el análisis

Las variables de interés tienen una frecuencia diaria, son cuantitativas y aleatorias discretas por esto el análisis se realizó en el corto plazo planteando como rango de tiempo un mes, la muestra son los datos de cada variable en el número total de días del mes de interés, así mismo se plantea el método de análisis a partir de distribuciones de probabilidad relativa y acumulada, la distribución relativa graficada en un diagrama de barras a forma de histograma y la distribución acumulada en un diagrama de ojiva con una gráfica de línea, estas distribuciones pueden ilustrar de manera sencilla el comportamiento de cada una de las variables, la variabilidad de los datos y comparar el comportamiento de estas con referencia en otra variable que tenga las misma unidades de medición; en algunos estudios realizados se han creado modelos a partir de redes neuronales o el método de Montecarlo para predecir el precio de bolsa (Botero & Cano, 2007), teniendo en cuenta esto se realizó una herramienta que proporciona las distribuciones de probabilidad relativa y acumulada que son un insumo para poder realizar el Método de Montecarlo que permitiría realizar predicciones de los precios de oferta a futuro.

(43)

32

Distribución de probabilidad de aportes

Se realiza una tabla de frecuencias para el cálculo de las probabilidades relativa y absoluta de los aportes del rio afluente y los aportes del embalse agregado del SIN durante el mes de interés, como se puede observar en la Tabla 8 se establecen los intervalos de variación de los aportes en la columna Grupos, donde por ejemplo los aportes del rio tienen una probabilidad relativa de 0,233 o 23,3% que estuvieran entre 20% y 40% sobre la media histórica (de color rojo) o una probabilidad acumulada de 0,533 o 53,3% de aportes del embalse agregado del SIN por debajo del 100% sobre la media histórica (de color azul).

Tabla 8. Cálculo de probabilidades relativa y absoluta de los aportes del SIN y aportes del rio afluente. Fuente: Datos: XM, Elaboración propia.

Distribución de Probabilidad de Aportes de JAGUAS 170 MW - ISAGEN - JUNIO 2015 - [% Media Histórica]

GRUPOS F.A. Ap. SIN P.A. Ap. SIN P.R. Ap. SIN F.A. Ap. Rio P.A. Ap. Rio P.R. Ap. Rio

0% 0 0,000 0,000 0 0,000 0,000

20% 0 0,000 0,000 0 0,000 0,000

40% 0 0,000 0,000 7 0,233 0,233

60% 0 0,000 0,000 18 0,600 0,367

80% 4 0,133 0,133 24 0,800 0,200

100% 16 0,533 0,400 27 0,900 0,100

120% 22 0,733 0,200 27 0,900 0,000

140% 24 0,800 0,067 28 0,933 0,033

160% 26 0,867 0,067 29 0,967 0,033

180% 29 0,967 0,100 29 0,967 0,000

200% 30 1,000 0,033 29 0,967 0,000

220% 30 1,000 0,000 29 0,967 0,000

240% 30 1,000 0,000 29 0,967 0,000

260% 30 1,000 0,000 29 0,967 0,000

280% 30 1,000 0,000 29 0,967 0,000

300% 30 1,000 0,000 29 0,967 0,000

320% 30 1,000 0,000 30 1,000 0,033

340% 30 1,000 0,000 30 1,000 0,000

360% 30 1,000 0,000 30 1,000 0,000

380% 30 1,000 0,000 30 1,000 0,000

(44)

33

Como se puede observar en la Figura 13 se graficó la distribución de probabilidad relativa de los aportes propios del rio durante el mes de análisis con un diagrama de columnas de color verde claro y la distribución de probabilidad acumulada mediante un diagrama de líneas de color verde, a la vez se grafica la distribución de probabilidad relativa de los aportes del SIN del mismo mes con un diagrama de columnas de color amarillo claro y la distribución de probabilidad acumulada mediante un diagrama de líneas de color amarillo.

Figura 13. Distribución de probabilidad de Aportes. Fuente: Datos: XM, Elaboración propia.

En la figura anterior se observa en la línea verde una probabilidad acumulada de 90% de aportes del rio menores que 100% y en la línea amarilla una probabilidad acumulada de 53% de aportes del SIN menores que 100%, entonces los aportes propios del rio fueron más deficitarios en comparación con el SIN ya que se muestra una mayor acumulación de datos por debajo del 100%, además la gráfica verde tiene una acumulación más cercana al origen en comparación con la línea amarilla.

0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100% 105%

0% 20% 40% 60% 80%

100% 120% 140% 160% 180% 200% 220% 240% 260% 280% 300% 320% 340% 360% 380% 400% 420% 440% 460% 480% 500% 520% 540% 560% 580% 600% Distribución de Probabilidad de Aportes de JAGUAS 170 MW - ISAGEN - JUNIO 2015 - [% Media Histórica]

Figure

Figura 11. Grafica Índice Oceánico de El Niño ONI, Fuente: (XM, 2013)
Tabla 8. Cálculo de probabilidades relativa y absoluta de los aportes del SIN y aportes del rio afluente
Figura 13. Distribución de probabilidad de Aportes. Fuente: Datos: XM, Elaboración propia
Figura 15. Distribución de probabilidad condicional de precios. Fuente: Datos: XM, Elaboración propia
+7

Referencias

Documento similar

Cedulario se inicia a mediados del siglo XVIL, por sus propias cédulas puede advertirse que no estaba totalmente conquistada la Nueva Gali- cia, ya que a fines del siglo xvn y en

que hasta que llegue el tiempo en que su regia planta ; | pise el hispano suelo... que hasta que el

En junio de 1980, el Departamento de Literatura Española de la Universi- dad de Sevilla, tras consultar con diversos estudiosos del poeta, decidió propo- ner al Claustro de la

E Clamades andaua sienpre sobre el caua- 11o de madera, y en poco tienpo fue tan lexos, que el no sabia en donde estaña; pero el tomo muy gran esfuergo en si, y pensó yendo assi

[r]

SVP, EXECUTIVE CREATIVE DIRECTOR JACK MORTON

Social Media, Email Marketing, Workflows, Smart CTA’s, Video Marketing. Blog, Social Media, SEO, SEM, Mobile Marketing,

De hecho, este sometimiento periódico al voto, esta decisión periódica de los electores sobre la gestión ha sido uno de los componentes teóricos más interesantes de la