Maria Teresa Garcia Alvarez.pdf - AEEE

ANÁLIS DINÁMICO DE LOS EFECTOS DE LA GARANTÍA DE
POTENCIA EN LA INVERSIÓN DE GENERACIÓN DE ELECTRICIDAD
EN ESPAÑA
María Teresa García Álvarez
Rafael M. García Rodríguez
Rosa María Mariz Pérez
Universidad A Coruña.
e-mail: mtgarcia@udc.es
Resumen
La liberalización del sector eléctrico conlleva la introducción de importantes cambios. Así, es de
destacar, para el caso de la actividad de generación, la creación de mercados mayoristas de
electricidad y la eliminación de la planificación vinculante en la decisión de inversión de nuevas
plantas generadoras. La elaboración de un modelo de simulación, para el caso español, pone de
manifiesto, como consecuencia de tal proceso, la presencia de ciclos de auge y declive en la inversión.
En este contexto, la garantía de potencia, actual incentivo a la inversión, no resuelve el problema.
Códigos JEL: L13, D43, E32, L94.
Palabras clave: Liberalización, pool, garantía de potencia, inversión, Dinámica de Sistemas.
1. INTRODUCCIÓN. LA TEORÍA DE LOS PRECIOS SPOT. APLICACIÓN A LOS
MERCADOS ELÉCTRICOS LIBERALIZADOS.
La liberalización del sector eléctrico asume que la actividad de generación puede ser una actividad
competitiva “normal” siempre y cuando las actividades de red -transporte y distribución- sean
reguladas con el objetivo de que dicha regulación permita un acceso no discriminatorio para los
nuevos agentes (De Vries, 2004). Por tanto, se espera que el mercado de generación eléctrica conlleve
la producción del output electricidad de forma eficiente así como una inversión óptima que asegure la
estabilidad en la oferta de tal producto. Esta argumentación es corroborada por la teoría de precios
spot, la cuál sostiene que los mercados eléctricos competitivos suministran un resultado socialmente
óptimo en el corto y largo plazo (Caramanis et al.,1982). De hecho, establece que los posibles factores
que pueden generar, a largo plazo, problemas de escasez de inversión son obstáculos al propio
funcionamiento del mercado, tales como restricciones en los precios o en los permisos de construcción
(Hirst y Hadley, 1999). Por tanto, de acuerdo a esta escuela de pensamiento, se desarrollaría una
adecuada inversión en capacidad de generación eliminando todas fuentes externas de riesgo, tales
como el riesgo regulatorio y otros obstáculos a la inversión.
No obstante, Stoft (2002) establece limitaciones a dicha teoría puesto que la misma asume la presencia
de una suficiente elasticidad de la demanda que impida una interrupción del suministro eléctrico como

consecuencia de la escasez de oferta. Sin embargo, la demanda en el sector eléctrico es muy inelástica,
puesto que no existen productos sustitutivos cercanos a la electricidad, y volátil, con lo que fallos
ocasionales en tales mercados se hacen inevitables.
Similarmente, Hobbs et al. (2001) critican la argumentación dada por la teoría de los precios spot
puesto que la misma parte de una serie de supuestos:
Ausencia de distorsiones en la formación de precios, bien sea en forma de restricciones de
precios, impuestos o externalidades
No existencia de poder de mercado.
Las compañías generadoras tienen un perfecto conocimiento de los precios futuros y de su
distribución estocástica.
En caso de no darse cualquiera de tales asunciones se desarrollarían fallos de mercado. Por tanto, los
mismos se tenderán a producir puesto que la mayoría de los sistemas eléctricos liberalizados son
oligopolios con la consiguiente posibilidad de que ejerzan poder de mercado, tal como ha ocurrido en
Alemania (Petrov et al., 2003), España (Bazán, 2004) o Texas (Hortacsu y Puller, 2004). Así, sin
intervención regulatoria, tales oligopolios tenderán a realizar una escasa inversión para mantener los
precios suficientemente elevados y conseguir de esta manera beneficios (Pérez-Arriaga, 2001).
En este contexto, la intervención regulatoria parece ser necesaria a pesar de los adecuados incentivos
teóricos suministrados por los mercados spot. Así, la misma permitirá reducir la aversión al riesgo de
los inversores y eliminar la volatilidad de los precios con sus consiguiente efectos sobre la inversión
(Besser et al., 2002). Además, la intervención regulatoria contribuirá a eliminar la formación de ciclos
que tiende a desarrollarse en la construcción como consecuencia del retraso entre la petición de
solicitudes y la disponibilidad de nueva capacidad de generación (Ford, 2001).
A partir de estas argumentaciones, podemos establecer que no existe unanimidad acerca de si los
mercados eléctricos competitivos suministran un volumen suficiente de capacidad de generación. No
obstante, es necesario considerar los diversos problemas de suministro que han surgido como
consecuencia de la liberalización en varios países, tales como Noruega, Suecia o Italia, y que han
conllevado que la nueva Directiva europea profundice, de manera detallada, en el desarrollo de
posibles mecanismos para garantizar la seguridad del suministro eléctrico.
En este contexto, el objetivo de nuestro trabajo se centra en proporcionar una comprensión de la
dinámica específica de inversión en el mercado eléctrico español. En el mismo, se observa el inicio de
la formación de ciclos en la evolución del margen de reserva 1 , tal y como muestra el gráfico 1, con las
consiguientes implicaciones para el abastecimiento de la demanda.
1 El margen de reserva se define como el cociente entre la potencia disponible y la potencia deseada (De Vries, 2004). La potencia disponible
es establecida como la potencia instalada en el sistema minorada por las indisponibilidades derivadas de averías fortuitas y los programas de
mantenimiento mientras que la potencia deseada se define como la punta de potencia demandada al sistema.
2

Además, el Operador del Sistema, Red Eléctrica de España, establece que el margen de reserva debe
de tener siempre un valor superior a 1,1 para garantizar el suministro de energía eléctrica de una
manera fiable, condición que no se cumple en el año 2001.
Gráfico 1. Evolución del margen de reserva
margen reserva
1,3
1,25
1,2
1,15
1,1
1,05
1
0,95
0,9
0,85
1999
2000
2001
2002
2003
2004
tiempo
margen reserva
2. ANÁLISIS DEL MERCADO MAYORISTA DE GENERACIÓN DE
ELECTRICIDAD.
La liberalización del sector eléctrico español es desarrollada en la Ley 54/1997, la cuál establece,
como uno de los aspectos clave, la creación de un pool de electricidad para incrementar la
competencia del sector. Asimismo, se eliminan los planes vinculantes en la inversión de nuevas
plantas generadoras con lo cuál, después de la liberalización, son las empresas generadoras quiénes
asumen los riesgos económicos de las nuevas inversiones.
El mercado mayorista de generación de electricidad español comienza a operar el uno de enero de
1998. En el mismo 2 se desarrollan las transacciones de compra y de venta de energía eléctrica, para las
veinticuatro horas del día siguiente, mediante la presentación de ofertas de venta y adquisición de
energía eléctrica por parte de los agentes del mercado. En este contexto, el Operador del Mercado, esto
es, el organismo encargado de la gestión económica del sistema, utiliza un modelo de casación basado
en subastas de primer precio. Mediante este método, el algoritmo de mercado ordena las ofertas de
venta en orden creciente de precios para formar la curva de oferta agregada y construye la curva de
demanda agregada sumando las ofertas de compra en orden decreciente de precios. El punto de corte
de ambas curvas determina la cantidad total negociada en el sistema y el precio final resultante con el
cuál se remunerará las unidades de generación despachadas.
2 Junto al mercado diario, descrito en el texto, se encuentran el mercado intradiario y el mercado de servicios complementarios. El primero
sirve como mecanismo de ajuste a la programación diaria mientras que el mercado de servicios complementarios recoge las transacciones de
aquellos servicios indispensables para asegurar el suministro de energía eléctrica en las condiciones de calidad, fiabilidad y seguridad
necesarias. No obstante, nosotros simularemos únicamente el mercado diario de electricidad puesto que es suficientemente representativo del
pool ya que más del 95% de las transacciones de energía eléctrica se realizan en dicho mercado.
3

Por tanto, con el nuevo sistema, como consecuencia de la introducción de un mecanismo de subastas
competitivas, se busca un incremento de eficiencia en el sector puesto que el mercado mayorista de
generación de electricidad permite minimizar los costes totales del sistema, efectuando el despacho
por orden decreciente de los costes marginales, así como proporcionar una señal para la decisión de
instalar nueva capacidad de generación.
No obstante, el funcionamiento de los mercados eléctricos de subastas ha sido objeto de diversas
críticas debido a que la introducción de los mismos ha supuesto, en diversas ocasiones, el desarrollo de
comportamientos poco competitivos por parte de las empresas generadoras.
A continuación, analizamos las principales características estructurales del sistema eléctrico español
con el objetivo de determinar las hipótesis de comportamiento de las empresas generadoras españolas
en el pool:
1. Elevada concentración y presencia de una demanda residual positiva 3 . Las cuatro principales
empresas del sector tienen una cuota de mercado superior al 80% con el consiguiente efecto sobre la
competencia. Además, la producción de las principales empresas resulta imprescindible la mayor parte
del tiempo para abastecer la demanda con la consiguiente posibilidad de que las mismas ejecuten
poder de mercado.
Hipótesis 1. La presencia de poder de mercado por las principales compañías generadoras conlleva
la realización de ofertas de precios superiores al coste marginal de las mismas.
2. Costes de transición a la competencia. Esta variable se establece con el objetivo de facilitar, a las
empresas instaladas en el sector, la transición a un entorno competitivo. Los costes de transición a la
competencia influyen en el mercado mayorista de electricidad puesto que el procedimiento para la
recuperación de los mismos se establece como la diferencia entre el precio del pool y un nivel de
referencia establecido, a través de un análisis ex ante, en 36,06 Euros/Mwh que se resta de los costes
de transición a la competencia pendientes de cobro.
Tales costes de transición son suprimidos por el R.D. 7/2006 con lo que, hasta dicho momento, las
ofertas de las empresas generadoras estarán distorsionadas por tal variable.
Hipótesis 2. Las empresas eléctricas que tengan una cuota de mercado superior a su cuota de cobro
pendiente de costes de transición a la competencia tenderán a incrementar sus ofertas en el pool y
viceversa.
Estas características de la oferta del pool no se ven mejoradas por la demanda, la cuál se caracteriza
por tener una baja elasticidad. Así, mientras la mayoría de los sectores productivos se caracterizan por
tener una demanda elástica que reacciona cuando los precios suben, la demanda del sector eléctrico es
3 Se dice que una empresa se enfrenta a una demanda residual positiva cuando la diferencia entre la demanda total del mercado y la oferta de
todos sus competidores produce un resultado positivo. Por tanto, cuanto mayores sean las cuotas de mercado de las empresas y menor sea el
exceso de capacidad de producción en el sistema, mayor será la probabilidad de que alguna de las empresas se enfrente a una demanda
residual positiva (Bazán, 2004).
4

más inelástica, -característica propia de los monopolios naturales- y, por tanto, permite a los que tienen
poder de mercado aprovecharse al máximo del mismo.
Por tanto, es de esperar el desarrollo de volatilidad en los precios formados en el pool, con las
consiguientes implicaciones para suministrar una señal adecuada en cuanto al momento y la cantidad
de inversión a realizar.
3. CARACTERÍSTICAS DE LA INVERSIÓN DE CAPACIDAD DE GENERACIÓN
EN EL NUEVO CONTEXTO LIBERALIZADO
Como comentamos anteriormente, la liberalización conlleva una eliminación de los planes vinculantes
en las decisiones de inversión en nueva capacidad de generación. Esto elimina el incentivo a
sobreinvertir que suponía la regulación tradicional 4 puesto que la misma garantizaba la rentabilidad de
las inversiones siendo los consumidores quienes asumían, en última instancia, el riesgo de las
inversiones.
No obstante, aunque la liberalización solventa tal problema, la misma puede suponer problemas
relativos a la seguridad del suministro. Así, la introducción plena de la competencia es un proceso
largo sometido a diversos cambios regulatorios lo que conlleva que al riesgo de mercado
-incertidumbre de la demanda, tecnología o comportamiento de las empresas rivales- se le añada
riesgo regulatorio.
Más aún, este periodo de infrainversión puede ir seguido de un periodo de sobreinversión (Ford, 2001;
Hindsberger et al., 2003) debido a que el precio es un indicador con retardo en la decisión de inversión
en nueva capacidad de generación (Graham y Eubanks, 2003). En este sentido, los inversores adversos
al riesgo esperan a realizar sus inversiones hasta que los precios aseguraren la rentabilidad de las
nuevas plantas. Por tanto, la inversión probablemente no se producirá hasta que la demanda alcance
los límites de la capacidad existente. En este punto, pasarán varios años antes de que las nuevas
plantas puedan ser financiadas y construidas, lo cuál supondrá una demanda elevada y una generación
rentable que ampliará, de nuevo, el optimismo para realizar nuevas inversiones con el consiguiente
exceso de capacidad. Como consecuencia de tal efecto se tenderá a producir una reducción en los
precios que desanimará la realización de nuevas inversiones. En este sentido, hasta que no produzca
una escasez de capacidad, con el consiguiente incremento de precios, no se decidirá invertir.
Por tanto, la liberalización puede ser suficiente para conllevar la existencia de mercados cíclicos en los
cuáles un proceso de decisión “racional” sobre inversión en nueva capacidad es muy probable que
conlleve la repetición de tales ciclos. Así, periodos de infrainversión y aumento de precios y
rentabilidad -boom- podría ir seguido por periodos de sobreinversión y caídas en los precios -bust-.
4 La regulación tradicional del sector eléctrico se ha caracterizado por la utilización del mecanismo de regulación de la tasa de rendimiento
que garantizaba la realización de tales inversiones. Dicho mecanismo implicaba que el regulador fijaba un precio que cubría el coste del
servicio y una tasa de rendimiento “justa” sobre el capital invertido, de tal forma que a la empresa regulada no se le permitía obtener
beneficios que excedieran dicha tasa.
5

Por tanto, formulamos la Hipótesis 3: la inversión en nueva capacidad de generación desarrollará un
comportamiento cíclico debido a que el precio es un indicador con retardo de tal decisión.
4. ANÁLISIS DE LA SITUACIÓN DEL MERCADO ELÉCTRICO ESPAÑOL.
La literatura económica establece tres tipos de modelos generales que pueden ser aplicados para la
descripción del comportamiento de los mercados eléctricos a largo plazo (Ventosa et al., 2005):
modelos de optimización, modelos de equilibrio de mercado y modelos de simulación (ver tabla 1).
Tabla 1. Tipos de modelización de los mercados eléctricos. Principales estudios.
MODELOS DE OPTIMIZACIÓN MODELOS DE EQUILIBRIO MODELOS DE SIMULACIÓN
Gross y Finlay (1996)
García et al. (1999)
Baíllo et al. (2001)
Baíllo (2002)
Fleten et al. (2002)
COURNOT
Borenstein et al. (1995)
Bushnell et al. (1999)
Vives (1999)
Battle et al. (2000)
Day et al. (2002)
SD
Bunn y Larsen (1992)
Grobbel (1999)
Ford (2001)
Graham y Eubanks (2003)
Olsina (2005)
FUNCIONES DE OFERTA EN ABM
EQUILIBRIO
Bower y Bunn (2001)
Kemplerer y Meyer (1989)
Rudkevich et al. (1998)
Bagnall y Smith (2005)
Sun y Tesfatsion. (2006)
Baldick y Holgan (2001)
Fuente: Elaboración propia a partir de Ventosa et al. (2005)
Los modelos de optimización son formulados mediante la búsqueda de la maximización de beneficios
de las empresas (función objetivo) sujeta a una serie de restricciones técnicas y económicas. En los
mismos, podemos distinguir entre los modelos de optimización dónde el precio es modelado como una
variable exógena (Gross y Finlay, 1996; Fletten et al., 2002) y aquéllos en que el precio es modelado
como una función de la demanda abastecida por la empresa analizada (García et al., 1999; Baíllo,
2002). Los primeros, representan mercados bajo condiciones de competencia cuasi-perfecta frente a
los segundos dónde se considera la influencia de las decisiones de las empresas en el precio de
mercado.
En cuanto a los modelos de equilibrio y de simulación se caracterizan porque representan el
comportamiento del mercado considerando la competencia entre todos los participantes. Así, los
modelos de equilibrio consideran explícitamente el equilibrio de mercado en un marco tradicional de
programación matemática. Dentro de los mismos, podemos distinguir entre modelos de Cournot,
dónde las empresas compiten en estrategias de cantidades (Boresntein et al., 1995; Bushnell et al.,
1999; Barquín et al., 2003), y modelos basados en funciones de oferta en equilibrio, dónde las
empresas compiten en estrategias relacionadas con sus curvas de oferta (Kemplerer y Meyer, 1989;
Baldick y Holgan, 2001).
Finalmente, los modelos de simulación tienen actualmente un creciente interés por su flexibilidad en
modelar el comportamiento actual de los mercados de energía. Así, permiten considerar diversas
características relevantes para el análisis, tales como la racionalidad limitada, habilidades de
6

aprendizaje o asimetrías en la información (Ventosa et al., 2005). Dentro de los modelos de
simulación es necesario distinguir entre la Dinámica de Sistemas (SD) y los modelos basados en
agentes (ABM). SD se centra en una estructura microscópica del sistema objeto de estudio y las
interrelaciones entre los componentes del mismo para determinar el comportamiento dinámico. En
este contexto, se han desarrollado diversos trabajos con el objeto de analizar el comportamiento a
largo plazo de los nuevos sistemas eléctricos liberalizados, tales como el de Reino Unido y Gales
(Bunn y Larsen, 1992), el pool de California (Ford, 2001) o el mercado de electricidad de
Pensylvania-New Jersey-Maryland (Graham y Eubanks, 2003).
Los modelos basados en agentes (ABM) se han desarrollado más recientemente y permiten realizar un
análisis a nivel micro. Los agentes objeto de análisis poseen algunas limitaciones racionales en los
procesos de decisión pero desarrollan habilidades para aprender del entorno. Este tipo de modelos
parecen más apropiados cuando el comportamiento del sistema complejo analizado emerge de
heterogeneidades a nivel micro. Sin embargo, su aplicación en simular el comportamiento de los
mercados de energía es muy reciente y se centra exclusivamente en problemas a corto plazo.
Por tanto, con la finalidad de analizar, en el mercado eléctrico español, los efectos de la liberalización
en la inversión de nueva capacidad de generación, se procedió a elaborar un modelo de simulación
empleando como metodología la Dinámica de Sistemas. La selección de la misma se debe a que el
sector eléctrico, en el nuevo contexto liberalizado, se caracteriza por la presencia de bucles de
realimentación 5 así como la existencia de no linealidad y retrasos en las relaciones entre variables.
Estas tres características son los pilares fundamentales sobre los que se apoya la Dinámica de
Sistemas. Además, esta metodología ha sido ampliamente utilizada para analizar los ciclos, en general,
y los ciclos de commodities, en particular, en los cuáles la energía y la electricidad, como comentamos
anteriormente, han sido ampliamente el centro (ver tabla 2).
En este sentido, Ford (2001) desarrolla un modelo de simulación de la decisión de inversión en nueva
capacidad de generación en el mercado de electricidad de California. El modelo simula las
expectativas del inversor para el valor futuro de los precios de electricidad, los cuáles son tratados
como una variable endógena. Los resultados de su simulación muestran un alto comportamiento
volátil, sobre un amplio rango de asunciones, con la consiguiente formación de ciclos. Por tanto,
establece la necesidad de introducir un incentivo adicional, para el inversor, más allá del precio de la
energía. La solución que propone es la introducción de pagos de capacidad fijos. Por otra parte,
5 Todo modelo de simulación, en Dinámica de Sistemas, está formado por uno o varios bucles de realimentación, que muestran las
relaciones entre variables, interactuando entre sí y permitiendo explicar comportamientos de variables que no tendrían justificación mediante
una relación lineal. Además, se puede distinguir entre bucles de realimentación positiva y negativa (Forrester, 1961) o reforzadores y
compensadores en la terminología de Senge (1995). Los bucles de realimentación positiva se caracterizan porque la variación de un
elemento se propaga a lo largo de un bucle, reforzando la variación inicial. Por tanto, en estos bucles todo movimiento es amplificado
produciendo más movimiento en la misma dirección, pudiendo generar círculos virtuosos, en los cuáles partiendo de una situación buena se
llega a una mejor, o círculos virtuosos, en los que partiendo de una situación mala se llega a una peor, de tal forma que conllevan un
crecimiento acelerado o un empeoramiento acelerado. En cuanto a los bucles de realimentación negativa se caracterizan porque una variación
en un elemento se transmite a lo largo del bucle de forma que determina una variación que contrarresta la variación original. Estos bucles
buscan ajustar el sistema con el objetivo de alcanzar una meta que se ha determinado de antemano, por tanto, buscan la estabilidad del
sistema. Los bucles negativos suelen surgir al detectarse una discrepancia entre el estado actual y el deseado, lo cuál dará lugar a la
aplicación de una acción correctora. En el caso de que tal acción sufra retrasos temporales el sistema comienza a oscilar debido a que el
responsable de toma de decisiones tiende a reaccionar con impaciencia redoblando sus esfuerzos con el fin de obtener el resultado deseado.
7

Graham y Eubanks (2003) analizan, mediante el desarrollo de un modelo de simulación, la formación
de precios y la decisión de inversión en el mercado mayorista de generación de electricidad de
Pensylvania-New Jersey-Maryland. Sus resultados manifiestan que la incertidumbre regulatoria que
conlleva la desregulación implica el origen de ciclos en la inversión como consecuencia de la
paralización de nueva construcción. Posteriormente, obtienen que los productores realizan ofertas por
encima de sus costes durante periodos de elevada demanda, incrementando el optimismo de los
inversores, suponiendo un nuevo ciclo en sentido contrario al inicial. Por tanto, consideran la
necesidad de algún tipo de intervención regulatoria que permita eliminar los ciclos en el sector.
Tabla 2. Estudios de Dinámica de Sistemas aplicados a los mercados eléctricos liberalizados.
Estudios de SD aplicados a los
mercados de energía
Ford (2001)
Graham and Eubanks (2003)
Olsina (2005)
Fuente: Elaboración propia.
Mercado eléctrico objeto de
estudio
California
PJM market
Mercados de energía en general
Resultados
El mercado mayorista de electricidad no
funciona de forma competitiva. Así, es
necesario introducir un pago de capacidad fijo
para eliminar la volatilidad en dicho mercado.
La presencia de incertidumbre regulatoria,
como consecuencia de la liberalización, supone
el inicio de un ciclo. La presencia de algún tipo
de intervención regulatoria, para eliminar tales
ciclos, es necesaria.
La liberalización conlleva la fluctuación de los
márgenes de reserve y, consecuentemente,
volatilidad en los precios de mercado a largo
plazo.
La solución no es la introducción de un precio
cap sino la fragmentación óptima de la oferta.
En los siguientes apartados se establecen las distintas fases que se han utilizado para formular el
modelo dinámico de inversión en el sistema eléctrico español.
4.1. Identificación del problema
La presencia de problemas como consecuencia de las escasas inversiones en capacidad realizadas en
España ha sido puesta de manifiesto por diversos entes y expertos del sector desde la liberalización
(ver cuadro 1):
Endesa advierte en el año 2001 de la posible presencia de cortes de suministro de electricidad
debido al incremento desarrollado en la demanda, en los anteriores cuatro años, en torno a un
25% frente al estancamiento en inversión en nueva capacidad (Expansión, 23/03/01).
Red Eléctrica de España establece un alarmismo coyuntural en la fiabilidad del sistema
eléctrico para satisfacer la demanda en condiciones extremas con lo cuál pone de manifiesto la
necesidad de inversión en nuevas infraestructuras de capacidad productora y transporte de
energía (Cinco Días, 18/05/01).
El Ministerio de Economía establece, a principios del año 2002, un avance del plan energético
para la próxima década reconociendo la existencia de una situación de riesgo y una necesidad
de inversión, en torno a 13.000 millones de euros para hacer poder hacer frente al crecimiento
previsto de la demanda (Expansión, 26/02/02).
8

Cuadro 1. Noticias acerca del problema de suministro de energía eléctrica en España.
“Endesa advierte que puede haber cortes de luz en España a partir del próximo invierno” (Expansión, 23/03/2001).
“La ola de frío dispara el consumo eléctrico y provoca apagones en gran parte de España” (El Mundo, 18/12/2001).
“Los apagones fuerzan al gobierno a acelerar el nuevo mapa eléctrico” (El Mundo, 24/12/2001).
“El apagón que viene” (El Mundo, 20/01/2002).
“El sector eléctrico necesita inversión y que los clientes ahorren luz” (Expansión, 11/02/2002).
“REE pide a empresas industriales cortes en el consumo eléctrico por las altas temperaturas” (Cinco Días, 13/06/2003).
“La gran industria teme un verano de apagones tras los cortes de ayer” (Cinco Días, 14/06/2003).
“Apagones y regulación eléctrica” (Cinco Días, 23/07/2003).
“¿Quién nos dará energía?” (El Mundo, 20/01/2004).
“Los apagones ponen el futuro del negocio en el punto de mira” (Expansión, 29/01/2004).
“La CNE alerta de problemas en el suministro eléctrico este verano” (La Voz de Galicia, 27/03/2004).
“Los apagones obligan a invertir 600.000 millones en Europa” (Cinco Días, 02/07/2004).
4.2. Elaboración del diagrama causal de partida
A continuación, se elaboró un diagrama causal de partida que conlleva determinar las interrelaciones
entre las principales variables, que interactúan en bucles de realimentación, y que suponen el
desarrollo de un patrón de comportamiento cíclico. En el diagrama de la figura 1 se recogen los bucles
de realimentación cuyo comportamiento global puede generar la evolución del sistema.
Tales bucles de realimentación recogen las interrelaciones existentes entre la formación del precio en
el pool y la decisión de inversión. De este modo, ante un incremento de demanda, menor será el
margen de reserva del sistema (puesto que para el mismo parque generador aumenta la demanda). Esta
situación permite incrementar el poder de mercado de las empresas eléctricas puesto que su capacidad
de generación puede resultar imprescindible para abastecer la demanda con el consiguiente incremento
en el precio ofertado. Esta acción conllevará la expectativa de un mayor precio esperado en el pool lo
que incentivará la petición de permisos en la construcción de nuevas plantas. Después de un retraso de
dieciocho meses, se incrementará el inicio de la construcción de nuevas plantas y después de otros
dieciocho meses de retraso se incrementará el número de nuevas plantas en funcionamiento. El
incremento en capacidad permitirá aumentar el margen de reserva, lo cuál conducirá a un ajuste
descendente en el precio.
En un segundo bucle se recoge el criterio de la cantidad ofertada. El mismo establece que, ante un
determinado incremento en las indisponibilidades por averías fortuitas y programas de mantenimiento,
la energía disponible de las empresas generadoras será reducida. Esta situación conlleva una menor
cantidad ofertada siendo de esperar, por tanto, un incremento en el precio del pool que conllevará un
incremento de la inversión. Así, después del retraso pertinente, se produce la entrada de nueva
capacidad y, por tanto, una mayor disponibilidad de energía con la consiguiente reducción de precios.
Debido a estas características de los bucles de realimentación, de carácter negativo y con retardos, no
existe garantía de que el sistema sea estable tendiendo a surgir comportamientos oscilatorios (Ford,
1999).
9

Figura 1. Bucles de realimentación del proceso de fijación de precios e inversión
+
cantidad
ofertada
indisponibilidades
-
energía
disponible
+ demanda
-
margen reserva
+
-
poder de
mercado
-
demanda
obtenida
+
+
precio ofertado
+
cuota
mercado
-
cuota ctcs
pendiente cobro
plantas en
funcionamiento
+
construcción
completa plantas
+
inicio construcción
nueva plantas +
+
petición permisos
construcción nuevas
plantas
+
-
precio pool
esperado
+
ingresos
esperados
Finalmente, el tercer bucle recoge la influencia de los CTCs en la política de precios ofertados que es
establecido a partir de la reglamentación comentada anteriormente.
4.3. Desarrollo del modelo, validación y resultados del modelo.
Una vez elaborado el diagrama causal, se procedió al desarrollo del modelo matemático 6 , compuesto
por una serie de ecuaciones cuyo objetivo es reflejar de forma simplificada y sintética el
funcionamiento real del sistema objeto de análisis.
Puesto que con la liberalización, la decisión de inversión en nueva capacidad de generación viene dada
por la rentabilidad, hemos procedido primeramente al desarrollo de una simulación del mercado diario
de electricidad dónde un elemento central ha sido la creación del algoritmo de casación basado en
subastas de primer precio.
Para ello, desde el punto de vista de la oferta, hemos considerado como muestra los 158 grupos
generadores 7 que pertenecen a las principales empresas del sector eléctrico español, esto es, Endesa,
Iberdrola, Unión Fenosa, Hidrocantábrico, Viesgo y Gas Natural (ver tabla 3).
6 El modelo ha sido elaborado mediante el programa de simulación VENSIM.
10

Dichos grupos generadores han sido agrupados en función de su tecnología de producción puesto que,
al poseer la misma estructura de costes, tenderán a desarrollar criterios oferentes homogéneos en el
pool (Grobbel, 1999).
Respecto a la demanda, ha sido establecida como una variable endógena puesto que la mayoría de los
clientes han decidido permanecer a tarifa y los distribuidores, esto es, los principales compradores en
el pool, desarrollan sus ofertas de adquisición a precios bajos para asegurar el abastecimiento a sus
clientes.
A partir de las características estructurales del sector eléctrico español, comentadas anteriormente,
hemos identificado dos estrategias alternativas en el pool:
Incremento del precio sobre el que las empresas están dispuestas a vender el output
marginal. Así, cuando la producción de una empresa sea indispensable para abastecer la
demanda tenderá a ofertar por encima del coste marginal. Para determinar esta estrategia,
el poder de mercado se define como el control que tiene una empresa eléctrica del
mercado mayorista en un determinado momento de tiempo y su cálculo se obtiene como el
ratio que relaciona la capacidad disponible de la empresa con la capacidad total del
sistema menos la demanda (Grobbel, 1999). Cuanto mayor sea el mismo mayor será el
incremento de los precios ofertados 8 (Hipótesis 1).
Considerar el impacto de los costes de transición a la competencia (CTCs) en las ofertas 9
realizadas por las empresas hasta la implantación del R.D.7/2006. Así, como comentamos
anteriormente, en el caso de que la cuota de mercado de una empresa sea superior a la
cuota pendiente de cobro de CTCs, mayor será el incentivo a incrementar los precios
ofertados. En caso contrario, tenderá a realizar sus ofertas de precio con un importe
cercano a los costes marginales (Hipótesis 2).
7 Así, los grupos generadores que forman la muestra son clasificados en plantas nucleares (UN), carbón (CAR), fuel.gas (FUGA), hidráulica
(HID –distinguiendo entre fluyente, modulable y bombeo puro-) y ciclos combinados de gas (CCG 750 MW, CCB 370 MW y CCB
INICIALES). Asimismo, se ha creado un grupo adicional denominado ficticio (FICT) que responde a grupos generadores que no existen en
la realidad, introducidos con una potencia instalada de cero megavatios, debido a cuestiones técnicas del programa que hace sea necesario
crear una matriz.
8 Asimismo, y siguiendo los trabajos de Ford (1999), Graham y Eubanks (2003) y Olsina (2005) simulamos las veinticuatro horas de un día
típico de cada mes puesto que la simulación de las veinticuatro horas de todos los días de los catorce años simulados conllevaría una multitud
de datos que haría inviable el tratamiento de los mismos (ver García y Mariz, 2005).
9 Para determinar el incremento y reducción de los precios ofertados, como consecuencia de esta política, seguimos el trabajo de Fabra y
Toro (2004).
11

Tabla 3. Grupos generadores que forman la muestra en la actividad de generación
del sistema eléctrico español
TECN NOMBRE GRUPO GENERADOR TECN NOMBRE GRUPO GENERADOR TECN NOMBRE GRUPO GENERADOR
CAR GG 001 ABOÑO GR1 FUG GG 045 ACECA GR1 IBERDROLA HBP GG 104V VIESGO HID BOMBEO PURO C. NORTE
CAR GG 002 ABOÑO GR2 FUG GG 046 ACECA GR1 UNIÓN FENOSA NUC GG 105 ALMARAZ GR1 ENDESA
CAR GG 003 ANLLARES ENDESA FUG GG 047 ACECA GR2 IBERDROLA NUC GG 106 ALMARAZ GR1 IBERDROLA
CAR GG 004 ANLLARES UNIÓN FENOSA FUG GG 048 ACECA GR2 UNIÓN FENOSA NUC GG 107 ALMARAZ GR1 UNIÓN FENOSA
CAR GG 005E CERCS ENDESA FUG GG 049E ALGECIRAS GR1 ENDESA NUC GG 108 ALMARAZ GR2 ENDESA
CAR GG 005V CERCS VIESGO FUG GG 049V ALGECIRAS GR1 VIESGO NUC GG 109 ALMARAZ GR2 IBERDROLA
CAR GG 006 COMPOSTILLA GR1 FUG GG 050E ALGECIRAS GR2 ENDESA NUC GG 110 ALMARAZ GR2 UNIÓN FENOSA
CAR GG 007 COMPOSTILLA GR2 FUG GG 050E ALGECIRAS GR2 VIESGO NUC GG 111 ASCÓ GR1
CAR GG 008 COMPOSTILLA GR3 FUG GG 051 BADALONA II GR1 NUC GG 112 ASCÓ GR2 ENDESA
CAR GG 009 COMPOSTILLA II GR4 FUG GG 052 BADALONA II GR2 NUC GG 113 ASCÓ GR2 IBERDROLA
CAR GG 010 COMPOSTILLA II GR5 FUG GG 053 BESÓS GR1 NUC GG 114 COFRENTES
CAR GG 011E ESCATRÓN ENDESA FUG GG 054 BESÓS GR2 NUC GG 115 GAROÑA ENDESA
CAR GG 011V ESCATRÓN VIESGO FUG GG 055 VASTELLÓN GR1 NUC GG 116 GAROÑA IBERDROLA
CAR GG 012E ESCUCHA ENDESA FUG GG 056 CASTELLÓN GR2 NUC GG 117 JOSÉ CABRERA
CAR GG 012V ESCUCHA VIESGO FUG GG 057 CRISTOBAL COLÓN GR1 NUC GG 118 TRILLO ENDESA
CAR GG 013 GUARDÓ GR1 FUG GG 058 CRISTOBAL COLÓN GR2 NUC GG 119 TRILLO HIDROCANTÁBRICO
CAR GG 014 GUARDO GR2 FUG GG 059 CRISTOBAL COLÓN GR3 NUC GG 120 TRILLO IBERDROLA
CAR GG 015 LA ROBLA GR1 FUG GG 060 ESCOMBRERAS GR1 NUC GG 121 TRILLO UNIÓN FENOSA
CAR GG 016 LA ROBLA GR2 FUG GG 061 ESCOMBRERAS GR2 NUC GG 122 VANDELLÓS GR 2 ENDESA
CAR GG 017 LADA GR3 FUG GG 062 ESCOMBRERAS GR3 NUC GG 123 VANDELLÓS GR 2 IBERDROLA
CAR GG 018 LADA GR4 FUG GG 063 ESCOMBRERAS GR4 FICT GG 124 GAS NATURAL CARBÓN
CAR GG 019 LITORAL GR1 FUG GG 064 ESCOMBRERAS GR5 FICT GG 125 GAS NATURAL FUEL-GAS
CAR GG 020 LITORAL GR2 FUG GG 065 FOIX FICT GG 126 HIDROCANTÁBRIO FUEL-GAS
CAR GG 021 LOS BARRIOS FUG GG 066 SABÓN GR1 FICT GG 127 GAS NATURAL NUCLEAR
CAR GG 022 MEIRAMA FUG GG 067 SABÓN GR2 FICT GG 128 VIESGO NUCLEAR
CAR GG 023 NARCEA GR1 FUG GG 068 SAN ADRIÁN GR1 FICT GG 129 GAS NATURAL HID BOMBEO PURO
CAR GG 024 NARCEA GR2 FUG GG 069 SAN ADRIÁN GR2 FICT GG 130 HIDROCANTÁBRIO HID BOMBEO PURO
CAR GG 025 NARCEA GR3 FUG GG 070 SAN ADRIÁN GR3 FICT GG 131 GAS NATURAL HID FLUYENTE
CAR GG 026 PASAJES FUG GG 071 SANTURCE GR1 FICT GG 132 GAS NATURAL HID MODULABLE
CAR GG 027E PUENTENUEVO GR3 ENDESA FUG GG 072 SANTURCE GR2 CCB 750 GG 133 ENDESA CCB NUEVOS 750
CAR GG 027V PUENTENUEVO GR3 VIESGO FUG GG 073 SANTURCE GR3 CCB 750 GG 134 IBERDROLA CCB NUEVOS 750
CAR GG 013 GUARDÓ GR1 HFL GG 074 ENDESA HID FLUYENTE C. DUERO CCB 750 GG 135 UNIÓN FENOSA CCB NUEVOS 750
CAR GG 014 GUARDO GR2 HFL GG 075 ENDESA HID FLUYENTE C. EBRO CCB 750 GG 136 HIDROCANTÁBRICO CCB NUEVOS 750
CAR GG 015 LA ROBLA GR1 HFL GG 076 ENDESA HID FLUYENTE C. GUADALQUIVIR-SUR CCB 750 GG 137 VIESGO CCB NUEVOS 750
CAR GG 016 LA ROBLA GR2 HFL GG 077 ENDESA HID FLUYENTE C. GUADIANA CCB 750 GG 138 GAS NATURAL CCB NUEVOS 750
CAR GG 017 LADA GR3 HFL GG 078 ENDESA HID FLUYENTE C. NORTE CCB 370 GG 139 ENDESA CCB NUEVOS 370
CAR GG 018 LADA GR4 HFL GG 079 HIDROCANTÁBRICO HID FLUYENTE C. NORTE CCB 370 GG 140 IBERDROLA CCB NUEVOS 370
CAR GG 019 LITORAL GR1 HFL GG 080 IBERDROLA HID FLUYENTE C. DUERO CCB 370 GG 141 UNIÓN FENOSA CCB NUEVOS 370
CAR GG 020 LITORAL GR2 HFL GG 081 IBERDROLA HID FLUYENTE C. EBRO CCB 370 GG 142 HIDROCANTÁBRICO CCB NUEVOS 370
CAR GG 021 LOS BARRIOS HFL GG 082 IBERDROLA HID FLUYENTE C. NORTE CCB 370 GG 143 VIESGO CCB NUEVOS 370
CAR GG 022 MEIRAMA HFL GG 083 IBERDROLA HID FLUYENTE C.TAJO-JÚCAR CCB 370 GG 144 GAS NATURAL CCB NUEVOS 370
CAR GG 023 NARCEA GR1 HFL GG 084 UNIÓN FENOSA HID FLUYENTE C. NORTE CCB INIC GG 145 BESÓS GR3
CAR GG 024 NARCEA GR2 HFL GG 085 UNIÓN FENOSA HID FLUYENTE C. TAJO-JÚCAR CCB INIC GG 146 BESÓS GR4
CAR GG 025 NARCEA GR3 HFL GG 086E VIESGO HID FLUYENTE C. NORTE CCB INIC GG 147 CASTEJÓN GR1
CAR GG 026 PASAJES HFL GG 086V VIESGO HID FLUYENTE C. NORTE (ENDESA) CCB INIC GG 148 CASTEJÓN GR2
CAR GG 027 PUENTENUEVO GR3 HFL GG 087 ENDESA HID MODULABLE C. DUERO CCB INIC GG 149 CASTELLÓN GR3
CAR GG 028
CAR GG 029
CAR GG 020
CAR GG 031
PUENTES GARCIA RODRIGUEZ
GR1 HMD GG 088 ENDESA HID MODULABLE C. EBRO CCB INIC GG 150 SAN ROQUE GR1
PUENTES GARCIA RODRIGUEZ
GR2 HMD GG 089 ENDESA HID MODULABLE C. GUADIANA CCB INIC GG 151 SAN ROQUE GR2
PUENTES GARCIA RODRÍGUEZ
GR3 HMD GG 090 ENDESA HID MODULABLE C. NORTE CCB INIC GG 152 TARRAGONA
PUENTES GARCIA RODRÍGUEZ
GR4 HMD GG 091 ENDESA HID MODULABLE C. GUADALQUIVIR-SUR CCB INIC GG 153 TARRAGONA IBERDROLA
CAR GG 032E PUERTOLLANO ENDESA HMD GG 092 HIDROCANÁBRICO HID MODULABLE C. NORTE
CAR GG 032V PUERTOLLANO VIESGO HMD GG 093 IBERDROLA HID MODULABLE C. DUERO
CAR GG 033 SOTO RIBERA GR1 ENDESA HMD GG 094 IBERDROLA HID MODULABLE C. EBRO
CAR GG 034
SOTO RIBERA GR1
HIDROCANTÁBRICO HMD GG 095 IBERDROLA HID MODULABLE C. NORTE
CAR GG 035 SOTO RIBERA GR1 IBERDROLA HMD GG 096 IBERDROLA HID MODULABLE C. TAJO-JÚCAR
CAR GG 036 SOTO RIBERA GR2 ENDESA HMD GG 097 UNIÓN FENOSA HID MODULABLE C. NORTE
CAR GG 037
SOTO RIBERA GR2
HIDROCANTÁBRICO HMD GG 098 UNIÓN FENOSA HID MODULABLE C. TAJO-JÚCAR
CAR GG 038 SOTO RIBERA GR2 IBERDROLA HMD GG 099E VIESGO HID MODULABLE C. NORTE (ENDESA)
CAR GG 039 SOTO RIBERA GR3 ENDESA HMD GG 099V VIESGO HID MODULABLE C. NORTE
CAR GG 040
SOTO RIBERA GR3
HIDROCANTÁBRICO HBP GG 100 ENDESA HID BOMBEO PURO C. EBRO
CAR GG 041 SOTO RIBERA GR3 IBERDROLA HBP GG 101
ENDESA HID BOMBEO PURO C. GUADALQUIVIR-
SUR
CAR GG 042 TERUEL GR1 HBP GG 102 IBERDROLA HID BOMBEO PURO C. TAJO-JÚCAR
CAR GG 043 TERUEL GR2 HBP GG 103
UNIÓN FENOSA HID BOMBEO PURO C. TAJO-
JÚCAR
CAR GG 044 TERUEL GR3 HBP GG 104E VIESGO HID BOMBEO PURO C. NORTE (ENDESA)
Fuente: Elaboración propia a partir de las Cuentas Anuales de las empresas eléctricas
12

Antes de analizar los resultados de la simulación, hemos aplicado el test de validación estadística
propuesto por Sterman (1984) con el que se busca contrastar en qué medida el modelo reproduce el
comportamiento observado en la realidad.
Una de las medidas más comunes para calcular el error en la previsión es el error medio cuadrático
(EMC), así como la raíz de este indicador 10 (REMC).
EMC = 1/N (S t – A t ) 2
REMC = 1/N (S t – A t ) 2
Dónde S t equivale al valor de la variable simulada en el periodo t y A t al valor real de la variable en
ese mismo periodo.
No obstante, la falta de ajuste de los datos puede ser debida a errores en el modelo o a un elevado
grado de aleatoriedad en la evolución de los datos reales (Sterman, 1984), lo que pone de manifiesto la
necesidad de diferenciar entre las fuentes de error. Con este objetivo, se aplican los estadísticos
propuestos por Theil (1966). El EMC se descompone de la siguiente manera:
EMC = 1/n(S t – A t ) 2 = (S - A) 2 + (S S – S A ) 2 + 2 (1 – r)S S A A
dónde
S y A son, respectivamente, los datos generados en la simulación y en los datos en la serie real, S S y
S A se refieren a la desviación típica en cada caso y r es establecido como el coeficiente de correlación
entre los datos reales y simulados.
En este contexto, (S - A) 2 mide la desviación o el sesgo existente entre la serie simulada y la real. En
segundo lugar, (S S – S A ) 2 recoge las diferencias de varianza de la serie simulada y real y, por último,
2 (1 – r)S S A A es el componente del error causado por una covariación incompleta entre las dos series.
(I) UM = (S - A) 2 / EMC
(II) US = (S S – S A ) 2 / EMC
(III)
UC = 2 (1 – r)S S A A / EMC
La suma de (I), (II) y (III) es igual a la unidad, de tal forma que cada uno de ellos representa la
fracción del EMC debido a sesgos, diferencias en la varianza y diferencias en la covarianza,
respectivamente.
Los resultados de aplicar tal test de validación estadística en el precio promedio anual del mercado
diario, variable analizada puesto que la decisión de inversión responde a la evolución de los precios
10 El EMC da mayor peso a las discrepancias elevadas frente a las pequeñas y, por otra parte, evita que los errores de signo contrario se
contrarresten.
13

esperados a largo plazo en el mercado mayorista, se recogen en la tabla 4. Así, el valor que suman los
estadísticos EMC y REMC junto el valor que toma el coeficiente de determinación 11 establecen que el
modelo reproduce con fiabilidad la evolución real del sistema.
Tabla 4. Resultados del test estadístico de la evolución del precio promedio anual del mercado diario
RESULTADOS DEL TEST ESTADÍSTICO
Número de periodos
Coeficiente de determinación R2
Error medio absoluto porcentual (EMAP)12
Error medio cuadrático (EMC)13
Raíz del error medio cuadrático (REMC)
Componente del sesgo de EMC (UM)
Componente de variación del EMC (US)
Componente de variación del EMC (UC)
2016 horas 14
0,93698
0,05599
5,89187
2,42732
0,13791
0,00129
0,86079
Además, la mayor parte del error se concentra en el tercero de los componentes -UC- y recoge el error
producido como consecuencia de diferencias en la covarianza. Este resultado demuestra que, aunque
el modelo no reproduce perfectamente los valores en cada momento, sí refleja adecuadamente el valor
medio y las tendencias centrales dominantes observadas en la evolución real de la variable.
En el gráfico 2 se recoge la evolución de los precios del pool promedios anuales dónde observamos
una tendencia muy similar entre los valores reales y simulados. En este sentido, el modelo reproduce
el precio spike que se produce en el sistema eléctrico español en el año 2002 como consecuencia de la
elevada demanda y la escasez de capacidad de generación para abastecer la misma.
Gráfico 2. Precios pool promedios anuales reales versus simulados
precio pool (Euros/Mwh)
50
40
30
20
10
0
1999 2000 2001 2002 2003 2004
tiempo
precio pool simulado
precio pool real
11 R 2 = [[1/n (S t A t) – SA] / S SS A] 2
12 EMAP = 1/n (St – A t)/A t
13 Tanto el resultado obtenido del cálculo del EMEC como del REMC se expresa en las unidades de la variable considerada.
14 Puesto que nuestro modelo simula las veinticuatro horas de un día típico de cada mes, el periodo anual estaría formado, en nuestro caso,
por 288 horas.
14

Una vez que tenemos los precios del pool a largo plazo, señal básica para la decisión de inversión,
analizamos de manera más pormenorizada la decisión de inversión. Respecto a la misma, asumimos
que la inversión se realizará en tecnologías de pequeña escala, concretamente ciclos combinados de
gas, puesto que las inversiones en tecnologías de gran escala, tales como plantas nucleares o de
carbón, son improbables debido a los intereses de los inversores y a la propia normativa legal respecto
a cuestiones medioambientales (Schuler, 1999). Asimismo, puesto que estamos en un mercado
liberalizado, y siguiendo a Grobbel (1999), Ford (2001), Graham y Eubanks (2003) y Olsina (2005),
suponemos que la inversión en nuevas plantas es realizada basándose en la rentabilidad. En este
sentido, siempre y cuando el pronóstico de los inversores en los precios spot futuros esperados 15 sea
superior al coste esperado de una planta, decidirá invertir.
No obstante, en el caso español se ha desarrollado un incentivo a la inversión, denominado garantía de
potencia, el cuál debe de ser considerado para realizar dicha decisión. La garantía de potencia es un
pago complementario que reciben los generadores, además del precio marginal del pool. El importe de
tal concepto es establecido por el regulador y su reparto se establece en función de la contribución de
los distintos grupos generadores al abastecimiento de la demanda.
Por tanto, en el caso español, la decisión de invertir se materializará cuando los precios spot futuros
esperados más la expectativa del pago de la garantía de potencia supere el coste esperado de una nueva
planta y, de manera paralela, haya escasez de capacidad en el sistema 16 .
En caso de cumplirse ambas condiciones, las empresas eléctricas decidirán invertir siendo necesario
determinar los criterios que se aplicarán para determinar la cantidad de megavatios a instalar. Respecto
a este criterio, Ford (2001) establece que tal decisión vendrá dada por las necesidades de capacidad en
el sistema de una forma proporcional a la rentabilidad dónde a través de la realización de varias
simulaciones, hemos obtenido cómo el valor de dos ajusta de manera adecuada el comportamiento del
inversor.
El gráfico 3 recoge la relación que hay entre el margen de reserva real y el margen de reserva
simulado a partir de tales criterios. En dicho gráfico observamos que ambas variables están muy
ajustadas. Así, se observa una reducción del margen de reserva tras la liberalización como
consecuencia de la incertidumbre regulatoria acerca del mantenimiento de las reglas de mercado
instauradas con la liberalización. Esta tendencia es especialmente importante en el año 2001 dónde el
margen de reserva alcanza un valor inferior a 1,1 (valor mínimo fijado por el Operador del Sistema
para garantizar el suministro eléctrico), tendencia que recoge los resultados de la simulación.
15 Las expectativas de los inversores se determinan analizando la tendencia general de los precios spot de los anteriores 24 meses y
extrapolando dicha tendencia en el futuro (Ford, 1999).
16 Consideramos que cuando la punta de demanda alcanza el 85% de la capacidad de generación disponible se está lanzando una señal acerca
de la necesidad de realizar nuevas inversiones en el sector.
15

Gráfico 3. Margen reserva real versus margen reserva simulado
1,40
margen reserva
1,30
1,20
1,10
1,00
0,90
1999 2000 2001 2002 2003 2004
tiempo
margen reserva simulado
margen reserva real
La validación de dicha variable (ver tabla 5), de forma equivalente a la evolución del precio promedio
anual del mercado diario, muestra como la mayor parte del error se concentra en el tercero de los
componentes -UC-, esto es, el error producido como consecuencia de diferencias en la covarianza. Por
tanto, el modelo refleja adecuadamente el valor medio y las tendencias centrales dominantes
observadas en la evolución real del margen de reserva.
Tabla 5. Resultados del test estadístico de la evolución del margen de reserva
RESULTADOS DEL TEST ESTADÍSTICO
Número de periodos
Coeficiente de determinación R 2
Error medio absoluto porcentual (EMAP)
Error medio cuadrático (EMC)
Raíz del error medio cuadrático (REMC)
Componente del sesgo de EMC (U M )
Componente de variación del EMC (U S )
Componente de variación del EMC (U C )
1728 horas
0,98114
0,01217
0,00027
0,01639
0,13856
0,38044
0,48100
Por tanto, el patrón de comportamiento observado en el margen de reserva parece indicar que el actual
sistema de incentivos no proporciona una señal adecuada en cuanto al momento y a la cuantía de
inversiones a realizar. Así, los pagos derivados de la garantía de potencia17 (ver gráfico 4) no son, por
sí mismos, suficientes para asegurar el suministro de energía eléctrica. El principal problema se deriva
de la incertidumbre acerca de la garantía de potencia, puesto que en tres años se han producido cuatro
diferentes regulaciones, que han conllevado una reducción en su importe. Esta situación puede
suponer que dicho incentivo a la inversión conlleve un objetivo contrario al establecido (Ocaña, 2003).
17 En los resultados simulados de la garantía de potencia, observamos que Viesgo comienza a obtener el cobro de tal concepto en el año
2002. El cobro de los años anteriores está calculado dentro de la garantía de potencia de Endesa, al pertenecer a dicha empresa eléctrica.
16

Gráfico 4. Garantía de potencia promedio simulada por empresa eléctrica.
Euros/Mwh
10
9
8
7
6
5
4
3
2
1
0
1999 2000 2001 2002 2003 2004 2005
Tiempo (años)
garantía potencia[ENDE] garantía potencia[IBER] garantía potencia[UFEN]
garantía potencia[HCTB] garantía potencia[VIES] garantía potencia[GANT]
A continuación, analizamos los resultados simulados de aplicar tal incentivo a la inversión en el
periodo 1999-2012 con el objetivo de determinar si continuará estando presente un comportamiento
oscilatorio en la inversión. Para ello, realizamos la simulación considerando un escenario hidrológico
seco 18 , a partir del año 2005, puesto que es la pauta que se ha observado en estos últimos años y que es
de esperar que se mantenga.
Así, el gráfico 5 muestra un importante incremento de precios anuales del pool, a partir del año 2005,
como consecuencia de la aplicación de la Directiva Europea 2003/87. Asimismo, se desarrolla un
importante incremento de precios en el año 2011 cuyo origen hay que analizarlo de forma paralela a la
realización de nuevas solicitudes de ciclos combinados de gas.
Gráfico 5. Evolución de los precios promedios anuales del pool (1999-2012)
simulados con garantía de potencia.
Euros/Mwh
70
60
50
40
30
20
10
0
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
tiempo (años)
p pool promedio anual simulado
18 Para determinar los datos hidrológicos en periodos secos, hemos realizado un promedio de la capacidad hidráulica, proporcionada por el
Operador del Sistema, en años muy secos y ligeramente secos.
17

En este contexto, en el gráfico 6 se observa como en los años 2003, 2004 y 2005, como consecuencia
del precio spike de 2002, casi todas empresas eléctricas 19 solicitan los permisos para la construcción
de nuevas plantas.
Gráfico 6. Evolución solicitudes de ciclos combinados de gas simuladas
por empresa eléctrica (1999-2012)
Mw
3000
2500
2000
1500
1000
500
0
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
tiempo (años)
PETICIÓN SOL. CCB ENDE
PETICIÓN SOL CCB UFEN
PETICIÓN SOL CCB VIES
PETICIÓN SOL CCB IBER
PETICIÓN SOL CCB HCTB
PETICIÓN SOL CCB GANT
La cantidad de megavatios que deciden instalar es similar entre las empresas siendo ligeramente
superior para el caso de Iberdrola, puesto que la misma es la que cobra una mayor garantía de potencia
al ser la que tiene más plantas hidráulicas. Sin embargo, tras el año 2006, se produce una paralización
en la realización de nuevas solicitudes como consecuencia de la entrada del exceso de inversiones que
conlleva el precio spike del año 2002. Finalmente, a partir del año 2011, observamos la solicitud de un
mayor número de permisos debido a que el precio spike de tal año casi llega a duplicar al acaecido en
el 2002.
6. CONCLUSIONES
En los últimos años se está desarrollando, a nivel mundial, un proceso de liberalización del sistema
eléctrico con el objetivo incrementar la competencia y, por tanto, aumentar la eficiencia del sector. En
este sentido, se crean mercados mayoristas de generación de electricidad, basados en subastas
competitivas, con la finalidad de minimizar los costes totales del sistema y establecer señales
19
Los resultados de la simulación muestran que Gas Natural no realiza inversiones en tal periodo. Esto se debe a que, al no disponer de un
parque generador diversificado, sólo cobra la garantía de potencia correspondiente a ciclos combinados de gas con lo que la misma no es
suficiente para garantizar la rentabilidad de las inversiones. Por tanto, parece que la inversión realizada por Gas Natural, en el mercado
eléctrico, no responde únicamente a cuestiones de rentabilidad. En el modelo, asumimos que transcurren cuatro años desde que se realiza la
inversión hasta que tal capacidad entra en funcionamiento en el sistema. Sin embargo, los datos reales muestran que la entrada de capacidad
de generación en el sistema se realiza de una forma menos cíclica que la simulada. No obstante, es necesario considerar que hay una elevada
volatilidad en el periodo de tiempo que transcurre desde que se realiza la petición de nuevas solicitudes de plantas de generación hasta que
las mismas entran en el sistema. Por ejemplo, el ciclo combinado de gas Guadaira es solicitado por Endesa en el año 1999, aunque no esta
prevista su entrada en el sistema hasta el año 2006. Existen varios casos en condiciones similares, dónde destacan también, entre otras, las
plantas de ciclos combinados de gas Sabón I y Sagunto II, para las cuáles Unión Fenosa realiza la petición de solicitudes en los años 1999 y
2000, respectivamente, aunque no se espera su entrada en el sistema hasta el año 2007 (CNE, 2005). De ahí, la dificultad de establecer en el
modelo, de forma unánime, el retraso que se produce entre la petición de solicitudes y la entrada en el sistema de las plantas
18

adecuadas a la decisión de inversión. Sin embargo, la experiencia internacional ha mostrado la
presencia de diversos problemas de suministro y la formación de precios poco competitivos.
El objetivo de este trabajo se centra en analizar la comprensión de la inversión en nueva capacidad de
generación, en el sistema eléctrico español, mediante la elaboración de un modelo de simulación. En el
mismo, asumimos que la inversión en nuevas plantas es realizada basándose en la rentabilidad, de tal
forma que si el precio spot de la electricidad junto con la garantía de potencia es superior al coste
esperado de una nueva planta, se materializará la inversión en nueva capacidad de generación.
Los resultados de nuestro modelo ponen de manifiesto el ejercicio de poder de mercado por parte de
las empresas eléctricas cuando se enfrentan a una demanda residual positiva (Hipótesis 1) así como la
influencia de los costes de transición a la competencia en las ofertas realizadas en el pool hasta que
dicha variable es anulada por decreto (Hipótesis 2). Además, se obtiene el inicio de un
comportamiento cíclico en la inversión (Hipótesis 3) que cuál aumenta la inestabilidad del sistema.
Las causas de tal problema se derivan de que el actual incentivo a la inversión, instaurado en España,
no es adecuado puesto que se ha reducido su importe y además no existe garantía acerca de su
mantenimiento a largo plazo.
Así, la garantía de potencia no conlleva una generación de ingresos suficientes para generar la
inversión en nueva capacidad en el momento y cuantía adecuadas. De hecho, el gráfico 7 muestra que
los resultados obtenidos de la simulación conllevan que en el año 2011 se producirá una caída del
margen de reserva, como consecuencia de las escasas inversiones realizadas en los años anteriores,
que supondrá incluso un valor inferior al acaecido en el año 2001. Por el contrario, el máximo valor
del margen de reserva se alcanza en el año 2007, momento en que entran en funcionamiento las
plantas solicitadas como consecuencia del precio spike del 2002, alcanzando un valor
significativamente superior al deseado.
Gráfico 7. Evolución del margen de reserva
por empresa eléctrica (1999-2012)
margen reserva
1,4
1,3
1,2
1,1
1
0,9
0,8
0,7
0,6
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
tiempo (años)
margen reserva con garantía potencia
En este contexto, como línea futura de investigación, estamos desarrollando el modelo para analizar
los efectos que tendrían la aplicación de otras políticas adicionales de incentivos a la inversión en el
19

sistema. Concretamente, los cambios que conllevaría la introducción de los ajustes propuestos a la
actual garantía de potencia en el Libro Blanco sobre la Reforma del Marco Regulatorio de la
Generación Eléctrica en España. Así, la propuesta añade el compromiso de los grupos generadores a
proporcionar la potencia firme asignada, cuando el sistema se encuentre cercano al racionamiento -que
vendrá dado cuando el precio de la energía en el mercado diario supere un determinado umbral- de tal
forma que si no cumple tal compromiso deberá pagar una fuerte penalización por cada megavatio de
su potencia firme no aportado. A priori, tal mecanismo conlleva un incentivo especial para que la
generación esté disponible en los momentos críticos y proporcionar así una mayor fiabilidad en el
sistema.
BIBLIOGRAFÍA:
Bagnall, A.J. y Smith, G.D.(2005): A Multi-Agent Model of the UK Market in Electricity Generation". Draft, March 16,
2005. http://www.econ.iastate.edu/tesfatsi/aelect.htm
Baíllo, A. (2002): “A methodology to develop optimal schedules and offering estrategy for a generation company operating
in a short-term electricity market. Ph. D. Dissertation, ICAI, Universidad Pontificia de Comillas, Madrid.
Baíllo, A.; Ventosa, M.; Ramos A.; Rivier, M. y Canseco, A. (2001): “Strategic unit commitment for generation companies in
deregulated electricity markets”, en Hobbs, B.; Rothkopf, M.; O´Neil, R. y Chao, H. (Eds.), The next generation of unit
commitment models. Ed. Kluwer academia Publisher.
Baldick, R.; Grant, R. y Kahn, E. (2000): Linear supply function equilibrium: generalizations, applications and limitations.
Program on Workable Energy Regulation (POWER) PWP-078. University of California Energy Institute.
Baldick, R.; yHogan, W.W. (2001): Capacity constrained supply function equilibrium models of electricity markets: stability,
non-decreasing constraints, and function space iterations. Program on Workable Energy Regulation (POWER) PWP-078.
University of California Energy Institute.
Battle, C.; Otero, I.; Alba, J.J.; Meseguer, C.; Barquin, J. (2000): “A model based in numerical simulation techniques as a
tool for decision making and risk management in a wholesale electricity market. Proceedings PMPAS00 Conference,
Madeira.
Bazán, C.E. (2004): “Análisis de la competencia en un Mercado mayorista de electricidad: el caso de España”. Documento de
Trabajo nº 2004-04, Universidad de la Laguna.
Bagnall, R. y Smith, L. (2005): A multi-agent model of the UK market in electricity generation. Draft en
www.econistate.edu/tesfatsi/ACEE/electric.Bagnall.pdf
Boston Consulting Group (2003): Keeping the ligths on. Navigating choices in European power generation, BCG.
Bower, J. y Bunn, D. (2001): Model-based comparisons of pool and bilateral markets for electricity. Energy Journal, vol. 21,
nº3, págs. 1-29.
Bunn, D.W. y Larsen, E.R. (1994): “Evaluating the effects of privatizing electricity”. Journal of the Operational Research
society, vol. 45, nº 4, págs. 52-78.
Bunn, D.W. y Larsen, E.R. (1992): “Sensitivity of reserve margin to factors influencing investment behaviour in the
electricity market of England and Walles”. Energy Policy, vol. 20, nº 5, págs. 420-429.
Bunn, D.W. y Larsen, E.R. (1992): “Sensitivity of reserve margin to factors influencing investment behaviour in the
electricity market of England and Walles”. Energy Policy, vol. 20, nº 5, págs. 420-429.
Busnhell, J.; Day, C.; Duckworth, M.; Green, R.; Halseth, A.; Grant, E.;. Scott, T; Smeers, Y. y Huntingthon, H.(1999): An
international comparison of models for measuring market power in electricity. Energy Modeling Forum, Stanford University.
California Energy Commission (2001): California energy outlook-electricity and natural gas trends report, report 200-01-002.
Ciarreta, A., y Espinosa, P. (2003): “Market power in the Spanish wholesale electricity market”. Working Paper 2003-22,
Instituto Valenciano de Investigaciones Económicas.
20

CNE (2005): Informe semestral de seguimiento de las infraestructuras referidas en el Informe macro sobre la demanda de
energía eléctrica y gas natural, y su cobertura, Comisión Nacional de Energía.
CNSE (2000): El funcionamiento del mercado eléctrico en el año 1998, Comisión Nacional del Sistema Eléctrico.
Day, C.J.; Hobbs, B.F. y Pang, J.S. (2002): Oligopolistic competition in power networks: a conjectured supply function
approach. IEEE Transactions on Power Systems, vol. 17, nº 3, págs. 597-607.
De Vries, L.J. (2004): Securing the public interest in electricity generation markets: the myths of the invisible hand and the
copper plate. Tesis doctoral Technical University Delft.
Fabra, N. y Toro, J. (2004): Price wars and collusion in the Spanish electricity market. Ed. Mimeo. Universidad Carlos III de
Madrid.
Fernández, E. (2004): Modelo de simulación para la explotación de la generación eléctrica a corto plazo del sistema ibérico.
Tesis doctoral Universidad de Oviedo.
Fleten, S.E..; Ziembra, W.T.. y Wallace, S.W. (2002): “Hedging electricity portfolios via stochastic programming”, en
Greengard, C. y Ruszczynski, A. (Eds.), Gecision making under uncertainty: energy and power. Ed. IMA.
Forrester, J. W. (1961): Industrial Dynamics. Ed. The MIT Press, Cambridge Massachussetts.
Ford, A. (1999): “Cycles in competitive electricity markets: a simulation study of the Western United States”. Energy Policy,
vol. 27, págs. 637-658.
Ford, A. (2001): “Waiting for the boom: a simulation study of power plant construction in California”. Energy Policy, vol.
29, págs. 847-869.
García, M.T. y Mariz, R.M.. (2005): “Efectos de la liberalización en el pool eléctrico español: ¿eficiencia o comportamiento
estratégico?”. Boletín de Estudios Económicos, vol. LX (185), págs. 333-357.
García, J.; Román, J.; Barquín, J. y González, A. (1996): Strategic bidding in deregulated power systems. Proceedings of the
13 th PSCC Conference, Norway.
Graham, A.K. y Eubanks, K. (2003): “Deregulating into permanent boom and bust: prospects for the electric power industry”.
21th International Conference of the System Dynamics Society, New York.
Grobbel, C. (1999): Competition in electricity generation in Germany and neighbouring countries from a System Dynamics
Perspective. Ed. Peter Lang GmgH, Germany.
Gross, G.y Finlay, D.J. (1996): Optimal binding strategies in competitive electricity markets. Proceedings of the 12 th PSCC
Conference, Germany.
Hindsberger, M.; Tennback, T,; Braten, J. y Magnus, E. (2003): “Security of supply in a hydro-thermal system-a Nordic
perspective”. Research Symposium European Electricity Markets, The Hague.
Hobbs, B.F.; Iñón, J. y Kahal, M. (2001): “A review of issues concerning electricity electric power capacity markets”.
Maryland Power Plant Research Program, Maryland Department of Natural Resources.
Joskow, P. (1997): “Restructuring, competition and regulatory reform in the US electricity Journal”. Journal of Economic
Perspectives, vol. 11, nº 3, págs.1-17.
Kemplerer, P. y Meyer, M. (1989): Supply function equilibria in oligopoly under uncertainty. Econometrica, vol. 57, nº 6,
págs. 1243-1277.
León, A. y Rubia, A. (2001): "Comportamiento del precio y volatilidad en el pool eléctrico español”. Jornadas de Economía
Industrial, Barcelona.
Maure, A. (2003): “La planificación del transporte eléctrico en un entorno competitivo”. Seminario Nuevo Marco Energético,
Universidad Internacional Menéndez Pelayo, julio.
Newberry, D. (2001): “Regulating Electricity to ensure efficient competition”. CEPR/ESRC Workshop on The Political
Economy of Regulation, London.
Ocaña, C. (2003): “Problemas pendientes en el sector eléctrico”. Colegio de Economistas de Madrid, nº 96, págs. 103-108.
Olsina, F. (2005): Long-term dynamics of liberalized electricity markets. Tesis doctoral Universidad Nacional de San Juan
(Argentina).
Pérez, J.I. (2005): Libro Blanco sobre la reforma del marco regulatorio de la generación eléctrica en España.
REE (1999, 2000, 2001): lnforme sobre la Operación del Sistema Eléctrico Español. Red Eléctrica de España.
21

REE (2002, 2003, 2004): El Sistema Eléctrico Español. Red Eléctrica de España.
Sánchez, J.I. (2003): “Liberalización de los sistemas eléctricos y mercado interior: eficiencia y ¿algo más?”. Revista de
Estudios Europeos, nº 33, págs. 35-61.
Schuler, J. (1999): “Generation: Big or small?”. Public Utilities Fortnightly, nº 15, September.
Senge, P. M. (1995): La Quinta Disciplina en la Práctica. Ed. Granica, Barcelona.
Sterman, J. (1984): “Appropiate summary statistic for evaluating the historical fit of system dynamics models”. Dynamica
10, Parte II, págs. 51-66.
Stoft, S.E. (2002): Power system economics: designing markets for electricity. Ed. IEEE Press, Piscataway, NJ.
Sun, J. y Tesfatsion, L. (2006): DC Optimal Power Flow Formulation and Testing Using QuadProgJ. ISU Economics
Working Paper No. 06014, Department of Economics, Iowa State University, March.
UCTE (Union for the Co-ordination of Transmission of Electricity) (2003): UCTE. System Adequacy Forecast 2004-2010.
Ed. UCTE,. Brussels.
Theil, H. (1996): Applied economic forecasting. Ed. Amsterdam North Holland Publishing Company, Holland.
Ventosa, M.; Baíllo, A.; Ramos, A. y Rivier, M.. (2005): Electricity market modelling trends. Energy Policy, vol. 33, págs.
897-913.
Vives, X. (1999): Oligopoly pricing. Ed. MIT Press, Cambridge.
Wolak, F. y Patrick, R. (1996): The impact of rules and market structure on the price determination process in the England
and Wales electricity market. Working Paper, Department Economics, Stanford University.
LEGISLACIÓN BÁSICA
Directiva 2005/89/CE, del Parlamento Europeo y del Consejo de 18 de enero de 2006.
Directiva 2003/54/CE, del Parlamento Europeo y del Consejo de 26 de junio de 2003.
Directiva 96/92/CE, del Parlamento Europeo y del Consejo de 19 de diciembre de 1996.
Ley 54/1997, de 27 de noviembre, del Sector Eléctrico.
Orden Ministerial de 29 de diciembre de 1997.
Orden Ministerial de 17 de diciembre de 1998.
Real Decreto-Ley 6/1999, de 16 de Abril.
Real Decreto-Ley 6/2000, de 23 de junio.
Real Decreto-Ley 3/2006, de 24 de febrero.
Real Decreto-Ley 7/2006, de 23 de junio.
Resolución del 5 de abril de 2001.
22