Predictor de precios del mercado mayorista de la electricidad

Abstract

El precio de la energía eléctrica es diferente para cada una de las horas de cada día, y en España dicho precio se establece mediante una subasta. En este mercado entran por un lado los agentes productores para realizar ofertas de su energía generada, y por el otro acceden las comercializadoras y los consumidores directos para comprar la energía que tienen previsto consumir.

Todos los días, entre las 12:30 y las 13:00, mediante la casación de las ofertas de compra y de venta, se hace público el precio que tendrá la energía en cada una de las horas del día siguiente, dentro del mercado eléctrico diario.

Este trabajo tiene como fin principal el de desarrollar un procedimiento que obtenga el valor del precio del mercado mayorista de la electricidad unas horas antes de que el Operador del Mercado lo haga público, por lo que se podría conocer el precio antes de que se realice el cierre de la recepción de ofertas.

Esta predicción podría suponer una ventaja competitiva tanto para los generadores como para los consumidores, los cuales tendrán la posibilidad de modificar sus ofertas de venta y compra respectivamente, con el objetivo de maximizar su ahorro todo lo posible, siempre y cuando su oferta no modifique el precio. De esta forma, dichos agentes tendrían la opción de modificar su planificación de producción y de consumo de energía para el día siguiente, aprovechando para aumentar el consumo y disminuir la generación si el precio predicho es bajo, o para hacer las acciones contrarias en el caso en el que se estime alto.

En este trabajo se expondrán con detalle cada uno de los aspectos que intervienen en el precio de la electricidad y en qué medida influyen en que su precio tome una dirección u otra, con el objetivo de dar una visión clara y definida del funcionamiento del mercado eléctrico.

Para llevar a cabo la predicción, se desarrollará un algoritmo que tendrá en cuenta los distintos factores que intervienen en la obtención del precio final de la energía eléctrica. Se hará uso de las herramientas de aprendizaje automático que ofrece el programa Matlab, utilizando datos históricos del precio de la energía y de cada una de las variables que se consideren influyentes.

Realizando una fase previa de entrenamiento, en base a la información conocida de las variables, el algoritmo dará como respuesta un conjunto de valores numéricos que harán referencia al precio del mercado mayorista de la electricidad para cada una de las horas del día siguiente.

The price of electricity is different for each hour of each day. In Spain, this price is established through an auction. On the one hand, the producers go to this market to make offers of their generated energy, and on the other, the trading companies and direct consumers enter to buy the energy they plan to consume. By the cassation of all the purchase and sale offers, the electricity market establishes the price of energy for each hour of the following day. Every day, between 12:30 p.m. and 1:00 p.m., by the cassation of all the purchase and sale offers, the energy price in each of the hours of the next day is made public, within the market daily electric. The main purpose of this project is to develop a process that obtains the price of electricity a few hours before the Market Operator makes it public, so this price could be known before the closing of the offers receipt. This prediction could represent a competitive advantage for both generators and consumers, who will have the possibility to modify their sales and purchase offers respectively, in order to maximize their savings as much as possible. In this way, agents would have the option of modifying their production and energy consumption planning for the next day. It would take advantage to increase consumption and decrease generation if the predicted price is low, or to take the opposite actions in the case in which it is estimated high. In this project, we will explain in detail the aspects that affect the price of electricity and the form which they influence its price to take one direction or another, with the aim of giving a clear and defined vision of the operation of the electricity market. To carry out the prediction, an algorithm will be developed that will take into account the different factors that intervene in obtaining the final price of electricity. We will use the machine learning tools offered by the Matlab program, including historical data on the price of energy and each of the variables that are considered influential. Carrying out a previous training phase, based on the known information of the variables, the algorithm will respond to a numerical value that will refer to the price of the wholesale electricity market for the following day.