Aquest projecte té com a objectiu realitzar un estudi de l’impacte econòmic de les energies renovables sobre el mercat elèctric espanyol durant el període comprès entre els anys 2002 i 2022. Aquest impacte correspon a una reducció dels preus de l’electricitat que suposa un estalvi sobre el subministrament elèctric. La comparació d’aquest estalvi amb el cost de les primes de les polítiques de promoció de les energies renovables permet avaluar la compensació d’aquest cost, que resulta positiva i de 2.340 M€. Paral·lelament s’estableix l’objectiu d’estudiar també l’impacte de les ordres complexes sobre el mercat elèctric i el mateix període d’estudi. Aquestes ordres impliquen un augment en els preus del mercat durant el procés de cassació, que es quantifica en uns costos de 96.000 M€ i comparables amb el cost de les primes. Aquest elevat valor porta a un estudi exhaustiu de les ordres complexes centrat en les cinc principals companyies energètiques d’Espanya: Endesa, Iberdrola, Edp, Naturgy i Repsol. S’estudien les característiques i comportaments d’aquestes ordres a partir d’anàlisi estadístics i models predictius d’Intel·ligència Artificial, que deriven en la identificació d’estratègies per part de les companyies energètiques envers aquests tipus d’ordres. La metodologia utilitzada es basa en la creació de diferents programes amb el llenguatge de programació Python que permet automatitzar els càlculs i implementar els models predictius, utilitzant com a font principal de dades les corbes agregades d’oferta i demanda de les sessions diàries del mercat elèctric.

Este proyecto tiene como objetivo realizar un estudio del impacto económico de las energías renovables sobre el mercado eléctrico español durante el periodo comprendido entre los años 2002 y 2022. Este impacto corresponde a una reducción en los precios de la electricidad que supone un ahorro sobre el suministro eléctrico. La comparación de este ahorro con el coste de las primas de las políticas de promoción de las energías renovables permite evaluar la compensación de este coste, que resulta positiva y de 2.340 M€. Paralelamente se establece el objetivo de estudiar también el impacto de las órdenes complejas sobre el mercado eléctrico y el mismo periodo de estudio. Estas órdenes implican un aumento en los precios del mercado durante el proceso de casación, que se cuantifica en unos costes de 96.000 M€ y comparables con el coste de las primas. Este elevado valor lleva a un estudio exhaustivo de las órdenes complexas centrado en las cinco principales compañías energéticas de España: Endesa, Iberdrola, Edp, Naturgy y Repsol. Se estudian las características y comportamientos de estas órdenes a partir de análisis estadísticos y modelos predictivos de Inteligencia Artificial, que derivan en la identificación de estrategias por parte de las compañías energéticas hacia este tipo de órdenes. La metodología utilizada se basa en la creación de diferentes programas con el lenguaje de programación Python que permite automatizar los cálculos e implementar los modelos predictivos, utilizando como fuente principal de datos las curvas agregadas de oferta y demanda de las sesiones diarias del mercado eléctrico.

This project aims to carry out a study of the economic impact of renewable energies on the Spanish electricity market during the period between 2002 and 2022. This impact corresponds to a reduction in electricity prices, resulting in savings in electricity supply. Comparing this savings with the cost of premiums for renewable energy promotion policies allows for evaluating the compensation of this cost, which is positive and amounts to 2.340 M€. Additionally, the aim is also to study the impact of complex orders on the electricity market during the same study period. These orders imply an increase in market prices during the clearing process, quantified in costs of 96.000 M€ and comparable to the cost of premiums. This high value leads to a comprehensive study of complex orders focused on the five major energy companies in Spain: Endesa, Iberdrola, Edp, Naturgy, and Repsol. The characteristics and behaviours of these orders are studied through statistical analysis and predictive models of Artificial Intelligence, resulting in the identification of strategies adopted by energy companies regarding these types of orders. The methodology used is based on the creation of different programs with the Python programming language that allows to automate calculations and implement predictive models, using aggregated supply and demand curves from daily sessions of the electricity market as the main data source.