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. 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. 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. El tercer escenario, representa una hipotética fusión de Endesa e Iberdrola. 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: 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. 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. The third scenario represents a hypothetical merger of Endesa and Iberdrola. 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: Potencia a instalar Combinación de tecnologías Localización Fechas de puesta en servicio y salida de servicio Compras Ventas Modificación de instalaciones 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: Agente o agents = f Grupos o units = u Bloques o blocks = b Tecnología o technology = t Nivel de demanda o levels = l Área o area = a 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: Oferta hidráulica: que se divide en fluyente y obligatoria. 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. 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: New units power investments [u] Current new units variable cost [u] Como salida se tiene el precio area y nivel mensualmente. 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: BID PRICE [u, b, a, l]; precios ofertados por los grupos. BID POWER [u, b, a, l]; potencia ofertada por los grupos. Demand [l] (current month) ; demanda de cada nivel por mes (de Excel). 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: 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: BID PRICE FOR SPECULATIVE THERMAL [u, b, l]; oferta de precios de las tecnologías especulativas. BID PRICE FOR NOT SPECULATIVE THERMAL [u, b, l]; precio ofertado de las tecnologías que no son especulativas. BID PRICE FOR MUST RUN; precio de las tecnologías de carácter must run, siempre tiene precio de 0€/MWh. BID PRICE FOR HYDRO ROR; precio de la hidráulica fluyente en el sistema, siempre tiene precio de 0€/MWh. 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: BID POWER FOR SPECULATIVE THERMAL [u, b, l]; potencia ofertada par alas tecnologías especulativas. BID POWER FOR NOT SPECULATIVE THERMAL [u, b, l]; potencia ofertada para las tecnologías no especulativas. BID POWER FOR MUST RUN; potencia must run en el sistema. BID POWER FOR HYDRO ROR; potencia hidráulica fluyente. 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: 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: 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: 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: Punto de decisión: es el momento actual en el que se encuentra el modelo. 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: 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. 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. 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 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: Forecast Price [a, l, y’] Como salida se obtiene el número de MW a instalar por área, agente y tecnología: 8 Modelo 58 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: NET PRESENT VALUE [a, u, t]; VAN por agente y tecnología en €/MW 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: 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: Request permits[a, f, t]; Como salida se obtiene la potencia de las nuevas unidades que entran en el sistema al año: 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: Market Price [a, l]; precio de mercado por área y nivel de carga Considered Demand [a, l]; demanda considerada por área y nivel 8 Modelo 66 Market Power by Unit and Block [a, u, b, l]; potencia casada por cada grupo en el sistema 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: Extrapolate Price [a, l]; previsión de precios por área y nivel 8.6.3.3 Indicadores del Módulo Decisiones Los indicadores son: Request Permits [a, f, t]; Permisos reales solicitados por agente y tecnología Function Request Permits [a, f, t]; Potencia estimada como rentable a solicitar por agente y tecnología Market Share [f]; cuota de mercado de los agentes Net present value [a, f, t]; valor actual neto para agente y tecnología 8.6.3.4 Indicadores del Módulo Construcción Los indicadores son: 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: IPP NPV [a]; VAN de un IPP por área 8.6.3.6 Indicadores del Sistema y Balance Energético Los indicadores son: Herfindahl Index; índice de concentración del sistema Thermal Demand [a, l]; parte de la demanda en potencia cubierta con grupos térmicos no nucleares. 8 Modelo 67 Hydro Demand [a, l]; parte de la demanda en potencia cubierta con la hidráulica. Nuclear Demand [a, l]; parte de la demanda en potencia cubierta con grupos nucleares. Renowable Demand [a, l]; parte de la demanda en potencia cubierta con energía de régimen especial. Thermal Technologies Demand [a, l, t]; parte de la demanda en potencia cubierta con grupos térmicos no nucleares, diferenciando entre tipo de tecnología. % Thermal Demand [a, l]; parte de la demanda en % a cubierta con grupos térmicos no nucleares. % Hydro Demand [a, l]; parte de la demanda en % cubierta con la hidráulica. % Nuclear Demand [a, l]; parte de la demanda en % cubierta con grupos nucleares. % Renowable Demand [a, l]; parte de la demanda en % cubierta con energía de régimen especial. % Thermal Technologies Demand [a, l, t]; parte de la demanda en % cubierta con grupos térmicos no nucleares, diferenciando entre tipo de tecnología. Reserve Margin [a]; Margen de reserva del sistema por área. % 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: 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. 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. 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: Energía hidráulica anual del agente (EHAA): tomada de los informes anuales de los agentes del 2004. Potencia hidráulica del agente instalada (PHAI): tomada de los informes anuales de los agentes del 2004. Energía hidráulica anual del sistema (EHAS): tomada del año 2004 del informe de REE. Energía hidráulica mensual del sistema (EHMS): tomada del año 2004 del informe de REE. 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: 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. 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. 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: 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%. Etapa2. Entran las nuevas inversiones por lo que el margen de reserva crece rápidamente hasta llegar a un 62%. 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: Los carbones importados entran siempre en el mercado. Los ciclos entran a su máxima capacidad durante casi todo el horizonte. 9 Caso estudio. Caso Base 93 Los demás carbones entran con regularidad pero sufren más descenso en su aportación. Los fueles cobran importancia en la tercera etapa de precios distinguida. 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: Primer caso: 11 €/TCO2. Caso base: 22 €/TCO2. 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: 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. 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. 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. 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. 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. 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 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. 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. 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. 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