Un buen modelo basado en hipótesis poco sólidas genera previsiones poco sólidas. Por eso, Power Price Projections combina la experiencia de mercado de Enerdata, escenarios de demanda conservadores, amplias bases de datos energéticas y un modelo de mercado eléctrico de última generación basado en el marco de código abierto PyPSA. El servicio ofrece previsiones fiables a largo plazo de los precios mayoristas de la electricidad para el día siguiente, lo que proporciona a inversores, promotores y participantes en el mercado energético información fiable para la planificación a largo plazo y la toma de decisiones de inversión.
de los mercados energéticos europeos
sólidas y realistas
proyecciones anuales
solar y eólica
Agenda de análisis por países
Precio por hora del día siguiente - Escenario EnerBase - España
Ejemplo de precio horario para el día siguiente - Escenario EnerBase
- Al combinar previsiones de demanda de alta calidad, hipótesis de mercado sólidas y modelos de optimización contrastados, ofrecemos proyecciones fiables
- Nuestros escenarios adoptan un enfoque conservador respecto al crecimiento de la demanda, basándose en el impacto de la eficiencia energética y los cambios de comportamiento para ofrecer trayectorias sólidas y realistas.
- A diferencia de los modelos de optimización tradicionales, la creación endógena de modelos de demanda de electricidad y desarrollos de generación/capacidad energética permite apreciar todo el conjunto.
- Modelo interno, globalmente reconocido, que cubre todas las tecnologías, incluidas las renovables, y todos los sistemas energéticos.
- Experiencia energética que goza de prestigio en todo el mundo.
- Los tres escenarios de capacidad a largo plazo contrastados, con diversas posibilidades climáticas y precios, permiten explorar vías futuras realistas y probables para cada país. Se permite utilizar escenarios personalizados bajo demanda.
Conjunto de datos en formato Excel:
- Demanda más actualizada, así como información sobre generación de energía.
- Precios mayoristas del día siguiente.
- Precios medios por hora hasta 2050, en intervalos de 1 año, actualizados trimestralmente.
- Precios anuales a medio plazo hasta 2030, en intervalos de 1 año, actualizados trimestralmente.
- Precios de captura de renovables.
- Precios medios mensuales mínimos y máximos en diferentes contextos climáticos.
- Precios anuales de los productos básicos.
Series de datos exclusivas:
- Demanda sectorial de electricidad
- A nivel de central eléctrica
- Precios del CO₂
PDF report:
- Documentación sobre la metodología, hipótesis, proyectos, normativas y marcos hipotéticos.
Cobertura geográfica
- Mercados energéticos europeos:
- Países afectados: Reino Unido, Irlanda, Francia, España, Portugal, Alemania, Austria, Suiza, Bélgica, Países Bajos, Dinamarca, Noruega, Suecia, Finlandia, Lituania, Letonia, Grecia, Albania, Bosnia y Herzegovina, Bulgaria, Croacia, Chequia, Eslovenia, Eslovaquia, Hungría y Rumanía.
- Previa solicitud: cualquier otro país con un mercado zonal (es decir, con un mercado eléctrico abierto en el que el precio de mercado de la electricidad para una zona determinada es igual, como por ejemplo Japón y Corea).
Metodología
Nuestras previsiones sobre los precios de la energía se construyen a partir de dos modelos propios:
- Modelo POLES: modelo de proyección de energía sólido y multinacional utilizado por numerosas compañías energéticas, servicios públicos, inversores y productores en todo el mundo. Establece modelos a nivel de país (entre otros indicadores), sobre las capacidades instaladas anualmente y la demanda eléctrica por sector.
- Modelo PyPSA-Enerdata: basado en la biblioteca de código abierto PyPSA con datos de Enerdata y posprocesamiento. Este modelo utiliza las conclusiones de POLES para ofrecer un modelo de distribución horaria de precios de la electricidad en la zona de oferta y a nivel de la central eléctrica.
Principales diferencias entre nuestro enfoque y los modelos energéticos de “optimización pura”
- El uso del enfoque POLES de creación de modelos para la capacidad y la demanda evita el efecto del “ganador absoluto” que a menudo se observa en los modelos de optimización pura. La atención de la capacidad histórica y las combinaciones de producción, junto con la introducción de parámetros de competencia no económicos, POLES asigna tecnologías de generación de electricidad sobre la base de los LCOE y los costes variables, pero también tiene en cuenta parámetros diferentes a los económicos (como las políticas existentes, la diversificación de la combinación, etc.).
- El modelo POLES considera las clases de tecnología y sus parámetros técnicos, económicos y ambientales, con un enfoque recurrente año a año que resulta más adecuado para describir los sistemas energéticos reales, con sus imperfecciones y obstáculos. Mientras que los modelos de optimización suelen adoptar un punto de vista de previsión perfecta, que permite a los agentes económicos disponer de toda la información durante todo el horizonte temporal, POLES implementa un proceso iterativo que tiene en cuenta las necesidades de capacidad a largo plazo y garantiza que se alcance una seguridad de reserva adaptada al usuario además de la demanda máxima.
- Una característica clave de nuestro enfoque basado en los fundamentos es que la demanda energética sectorial es endógena y puede ser modelizada y refinada por el usuario, creando bucles de retroalimentación realistas entre la oferta y la demanda de electricidad. Los modelos de optimización del sistema energético, por el contrario, generalmente utilizan la demanda de energía como un parámetro de entrada exógeno, lo que una vez más refleja una suposición inalterable a largo plazo o una previsión perfecta a largo plazo para los agentes involucrados en el sistema energético.
El modelo PyPSA-ENERDATA tiene dos claras ventajas adicionales en comparación con los modelos energéticos existentes:
- El suministro de electricidad se refina a nivel de planta eléctrica en función de los datos recopilados en nuestra base de datos de plantas eléctricas.
- El comportamiento del agente económico se adecúa para reflejar estrategias de licitación no racionales e incluir restricciones no lineales (por ejemplo, tiempo de comercialización, cargas mínimas, requisitos de emisiones anuales, etc.)
Escenarios EnerFuture
EnerBase
EnerBase describe una continuación de las políticas y tendencias existentes. Este escenario conduce a un aumento de la temperatura de unos 3 °C.
Escenario Central
El escenario central de Enerdata se centra en las tendencias a corto plazo, evaluando la probabilidad de éxito de los proyectos de generación de energía anunciados a corto plazo y examinando las tendencias en la electrificación de la demanda. Para el medio y largo plazo, el escenario tiene en cuenta la probabilidad estimada de que cada país cumpla sus NDC.
EnerBlue
EnerBlue se basa en el cumplimiento de las nuevas NDC (contribuciones determinadas a nivel nacional) presentadas hasta finales de 2025. Este escenario conduce a un aumento de la temperatura global de entre 2°C y 2,5°C.