GESTIÓN ÓPTIMA DE LA CARTERA DE GAS DE UNA COMERCIALIZADORA

Transcripción

1 GESTIÓN ÓPTIMA DE LA CARTERA DE GAS DE UNA COMERCIALIZADORA Autor: Diego Martínez Morales Directores: Paloma Duque Pérez-Pire, Antonio Canseco García-Pita Universidad Pontificia Comillas RESUMEN DEL PROYECTO Introducción Durante las últimas décadas, el sector energético se ha transformado tanto en el ámbito del consumo, como en el de infraestructuras y regulación. En el marco regulatorio del gas, los cambios de mayor relevancia de los últimos años tuvieron lugar el 26 de marzo de 2014, cuando se aprobó el Reglamento (UE) nº 312/2014 por el que la Comisión Europea establece el código de red sobre el balance del gas en las redes de transporte. Con los nuevos cambios regulatorios, ahora más que nunca se hace imprescindible que las comercializadoras mantengan su nivel de competitividad. Para ello, es necesario adoptar un método efectivo de previsión de demanda, y cambiar el modus operandi para adaptarse al nuevo entorno. Objetivos En este proyecto se realiza un análisis de la reforma del sector del gas realizada recientemente por la CNMC para adecuar la regulación española a la normativa europea y que afecta a la gestión del sistema. Además, se realiza una exposición sobre la historia del sector del gas. Por otro lado, se analiza el funcionamiento de una comercializadora de gas natural y del impacto de los cambios regulatorios en su operativa, con el objeto de poder definir nuevos mecanismos y mejoras que permitan a las comercializadoras una gestión óptima de sus carteras en el nuevo entorno regulatorio. En colaboración con la comercializadora de energía Axpo Iberia, se desarrollan algoritmos de previsión de demanda para reducir los desbalances y se proponen diferentes metodologías para reducir riesgos y costes que actualmente asume la comercializadora, todo ello con el objeto de optimizar de la gestión de la cartera. Gestión de los riesgos Se analizan tres riesgos inherentes a la gestión del stock del gas por parte de la comercializadora. El riesgo por la precisión de la previsión de los clientes, el riesgo por el perfil de consumo y el riesgo por los desvíos. Se cuantifican los costes que tuvieron dichos riesgos para la comercializadora durante el periodo de , y se proponen métodos para traspasar parte de los riesgos a los clientes a través de márgenes a los precios de contrato. Se estudia la propuesta de márgenes de la comercializadora, y se propone unos márgenes nuevos, más bajos en general y que se justifican como suficientes para cubrir los riesgos de la cartera. En el caso de los márgenes por riesgos de previsión de cliente y perfil de consumo, se proponen unos valores en función de la tipología de contrato que tiene el cliente. Para finalizar el estudio, se analiza el impacto económico que hubiera tenido durante el 2016 la aplicación de los márgenes propuestos en la cartera de clientes de la comercializadora.

2 Previsión de la demanda Se estudian dos algoritmos diferentes de previsión de demanda. Un modelo de regresión lineal múltiple y una red neuronal, ambos calculados a través del programa informático Matlab. Se analizan una serie de variables de entrada (precio de la electricidad, precio del gas, precio de las emisiones, temperaturas, ) y se estudia cuáles son significativas para predecir la demanda a través de los modelos. Se expone la metodología seguida para la configuración de ambos modelos, y se analiza el rendimiento y la precisión de los modelos finales. Por último, se lleva a cabo una valoración económica del impacto que hubiera tenido utilizar los algoritmos de previsión durante el mes de junio de Conclusiones La aplicación de los márgenes propuestos es una medida viable y que permite a la comercializadora traspasar parte de los riesgos a los precios de los clientes. Ello supondría un incremento de los ingresos netos considerable (en un 14,54% en 2016). Este incremento de los ingresos son consecuencia de recuperar los costes por los riesgos que asumió Axpo de gestión del stock de sus clientes. De entre los tres riesgos analizados, el impacto por riesgo de previsión de los clientes es mucho mayor que el resto, o al menos lo fue durante el El coste por riesgos de previsión de clientes fue de /mes de media, mientras que el riesgo por desvíos supuso un coste de /mes de media, y el riesgo por perfil de consumo unos /mes de media. Por otro lado, los algoritmos de previsión producen ahorros considerables respecto a la metodologías actuales de previsión (de más del 50%). Con el modelo de red neuronal se obtienen mejores resultados. Durante el mes de prueba (junio 2017), la red neuronal hubiera reducido los costes por desvíos en y el modelo de regresión lineal en 3.096, frente a los de costes por desbalances que tuvo la comercializadora ese mes utilizando su metodología actual. Sin embargo, los costes por desvíos tienen bajo nivel de impacto frente a los ingresos netos de la comercializadora, por lo que no supondrían un cambio notable en los ingresos netos actuales (un incremento entre el 0,09% al 0,24% en el mes de junio). La propuesta de márgenes y los algoritmos de previsión de demanda son medidas con las que se pretende mejorar la adaptación de la comercializadora al nuevo entorno regulatorio, reduciendo el nivel de riesgos y aumentando la eficiencia de la gestión del gas. Resumen de las propuestas de mejora En el cálculo de los costes de los riesgos, se podría ampliar el periodo de estudio a varios años. Se propone realizar convenios con otras comercializadoras para obtener datos de más empresas y hacer un estudio de costes más completo. Además, se podrían tener en cuenta más variables de los contratos para el cálculo de los márgenes, y poder dar una propuesta más completa y personalizada para cada cliente. En el ámbito de los algoritmos de previsión, se concibe un amplio campo de estudio. Se propone probar con modelos distintos a los utilizados en este proyecto, como modelos

3 ARIMA de media móvil, además de probar nuevas combinaciones de parámetros en los modelos actuales con el fin de mejorar aún más su rendimiento.

4

5 OPTIMAL MANAGEMENT OF A PORTFOLIO OF A GAS TRADING COMPANY ABSTRACT Introduction In the last decades, the energy industry has evolved in the terms of consumption, of infrastructure and regulation. In the gas regulatory framework, the most importance changes of the last years took place on March 2014, when the European Commission published the Regulation (EU) nº 312/2014. It established the code of gas balance in transport networks. With the new regulatory changes, now more than ever it becomes imperative that gas trading companies become adapted to the new environment. To achieve this, it is necessary to develop an effective method of forecasting demand, and change the modus operandi. Objectives An analysis of the last important gas industry reform is carried out. It has been taken by the CNMC in order to adapt the Spanish regulation to the European regulations and it highly affects the management of the system. In addition, a summarize of the gas history is done. On the other hand, the operation of a trading company and the impact of the regulatory changes in its operations is analyzed, in order to define new mechanisms and improvements that allow it to optimally manage the portfolios in the new regulatory framework. In collaboration with energy trading company Axpo Iberia, algorithms of demand forecasting are developed to reduce imbalances and new methodologies are proposed to reduce risks and costs currently assumed by the trader. The main aim of them is to optimize the portfolio management. Risk management Three risks inherent to the management of the gas stock by the energy trading company are analyzed: The risk by the precision of the forecast of the customers, the risk by the consumption curve and the risk by the deviations of demand. The costs incurred by the Axpo Iberia are quantified during the period and methods are proposed to transfer some of the risks to customers through margins at contract prices. The company s proposal for margins is studied, and new margins are proposed, which are generally lower and are justified as enough to cover portfolio risks. In the case of margins for risks of customer forecasting and consumption curve, some values are proposed depending on the type of contract of the client. Finally, the economic impact that would have had during 2016 the application of the proposed margins in the portfolio of clients of the marketer is analyzed. Demand forecasting Two different forecasting algorithms are studied. A multiple linear regression model and a neural network, both calculated through Matlab software. A set of input variables (like electricity price, gas price, emissions price, temperatures,...) are tested to see which ones are significant to forecast demand of the Axpo Iberia portfolio. The methodology used for the configuration of both models is discussed, and the performance and accuracy of the final models are analyzed. Finally, an economic assessment of the impact

6 that would have had to use the algorithms of forecast during the month of June of 2017 is carried out. Conclusions The application of the proposed margins is a viable measure and allows the trading company to transfer part of the risks to the prices of the customers. This would mean a considerable increase in net revenues (by 14.54% in 2016). This increase in revenues is a consequence of recovering the costs due to the risks that Axpo took because of the management of the gas stock. Among the three risks analyzed, the impact of customer forecasting risk is much higher than the others, or at least was during The cost of customer forecasting risks was 77,167 / month on average, while the risk of deviations was cost of 33,333 / month on average, and the risk per consumption curve was around 1,333 / month. On the other hand, forecasting algorithms produce considerable savings over current forecasting methodologies (over 50%). With the neural network model, better results are obtained. During the testing month (June 2017), the neural network would have reduced the cost of deviations by and the linear regression model by 3,096, (compared to 16,697 of costs due to the imbalance that the company had that month). However, deviation costs have a low level of impact compared to the net income, so new algorithms would not mean a significant change in current net revenues (an increase between 0.09% and 0.24% in the month of June). The proposal of margins and the algorithms of demand forecasting are measures that aim to improve the adaptation of the trading company to the new regulatory environment, reducing the level of risks and increasing the efficiency of gas management. Summary of improvement proposals In risk cost calculations, the study period could be extended to several years. It is proposed to make agreements with other company of the gas industry to get more data and to make a more complete cost study. In addition, to take into account more variables of the contracts for the calculation of the margins would be possible, and would allow to give a more complete and personalized proposal for each client. In the field of forecasting algorithms, a broad field of study is conceived. It is proposed to test models different from those used in this project, such as ARIMA models, in addition to testing new combinations of parameters in current models in order to further improve their performance.