METODOLOGIE DI PROFILAZIONE DINAMI A DEI PRELIEVI AI … · appendice 3 - il modello econometrico...
Transcript of METODOLOGIE DI PROFILAZIONE DINAMI A DEI PRELIEVI AI … · appendice 3 - il modello econometrico...
-
METODOLOGIE DI PROFILAZIONE DINAMICA DEI PRELIEVI AI SENSI DELLA DELIBERAZIONE
72/2018/R/GAS
-
I
Indice
1 OBIETTIVO DEL PROGETTO ....................................................................................................................... 1
2 DESCRIZIONE DELLO STUDIO .................................................................................................................... 2
3 LA STIMA DELLA REAZIONE DEI CONSUMI ALLE TEMPERATURE SU DATI AGGREGATI .............................. 3
3.1 La suddivisione del territorio nazionale in fasce e regioni climatiche ..................................... 3
3.2 La stima della reazione dei consumi gas alle temperature ..................................................... 4
4 IL CAMPIONE DI PDR DOTATI DI SMART METER ....................................................................................... 9
4.1 Le aziende coinvolte ................................................................................................................ 9
4.2 I Dati richiesti ......................................................................................................................... 10
4.3 La validazione del campione.................................................................................................. 12
5 LA VALUTAZIONE DEI PROFILI DI PRELIEVO STANDARD.......................................................................... 15
6 LA STIMA DEI COEFFICIENTI DI CORREZIONE CLIMATICA WKR ............................................................... 18
6.1 La strategia di stima dei coefficienti Wkr .............................................................................. 18
6.2 La stima della reazione dei consumi alle temperature ......................................................... 19
6.3 La valutazione dell’attendibilità delle stime prodotte dal modello econometrico ............... 21
6.4 Il calcolo dei coefficienti di correzione climatica Wkr ........................................................... 25
6.5 L’applicazione dei Wkr ai profili standard ............................................................................. 28
7 UNA PROPOSTA DI REVISIONE DELLA COMPONENTE C1% DEI PROFILI STANDARD ................................ 33
7.1 Definizione di una componente c1% alterativa: ................................................................... 33
7.2 Correzione dei profili standard tramite l’applicazione della c1% alternativa ....................... 36
8 RISULTATI DELL’ANALISI SUI DATI CAMPIONARI: ................................................................................... 39
9 FASE DI TEST DEL MODELLO DI STIMA DEL PARAMETRO WKR E DEI PROFILI DI PRELIEVO ..................... 41
9.1 L’impatto a livello nazionale .................................................................................................. 42
-
II
9.2 L’impatto per regione climatica............................................................................................. 46
10 CONCLUSIONI DELLO STUDIO ................................................................................................................. 50
10.1 10.1 Interventi in prima applicazione su profili di prelievo e Coefficiente Wkr .................... 50
10.2 Ulteriori considerazioni in merito ai Profili di Prelievo ......................................................... 51
10.3 Ulteriori considerazioni in merito al Wkr .............................................................................. 52
APPENDICE 1 – LA SELEZIONE DEL MODELLO ECONOMETRICO .................................................... 54
APPENDICE 2 - I DATI FORNITI DALLE AD ..................................................................................... 56
2.1 I campioni forniti dalle AD ....................................................................................................... 56
2.2 L’eliminazione delle osservazioni estreme .............................................................................. 57
2.3 Le correlazioni tra i consumi del campione delle popolazioni cui sono confrontati ............... 57
APPENDICE 3 - IL MODELLO ECONOMETRICO PER LA STIMA DELLA REAZIONE ALLE TEMPERATURE
61
3.1 La stima dei Wkr giornalieri ..................................................................................................... 63
APPENDICE 4 – MAPE DEI WKR DISTINTI DISTINTI PER FASCIA CLIMATICA E REGIONE CLIMATICA 65
APPENDICE 5 - IL MODELLO ECONOMETRICO PER LA STIMA DELLA COMPONENTE C1% ............... 67
APPENDICE 6 - CURVE DEI CONSUMI MEDI GIORNALIERI DEL CAMPIONE CONFRONTATE CON
PROFILI DI PRELIEVO STANDARD E RICOSTRUZIONE DELLE CURVE DEI PRELIEVI COMUNICATI IN
SEDE DI SESSIONE DI BILANCIAMENTO ....................................................................................... 69
APPENDICE 7 - FUNZIONI DI REAZIONE DEI CONSUMI ALLE TEMPERATURE TRA LE DIFFERENTI
REGIONI CLIMATICHE ................................................................................................................. 73
APPENDICE 8 - CONFRONTO TRA LE CURVE DEI CONSUMI MEDI REALI E STIMATI PER CIASCUNA
REGIONE CLIMATICA .................................................................................................................. 76
-
1
1 Obiettivo del Progetto
Lo studio ha realizzato un modello per la stima del coefficiente Wkr, come definito dal Testo
Integrato delle disposizioni per la regolazione delle partite fisiche ed economiche del servizio di
bilanciamento del Gas naturale (TISG) approvato dalla delibera ARERA 72/2018/R/gas, e ha
verificato i profili di prelievo standard di cui all’articolo 5 del TISG per una loro eventuale
revisione.
-
2
2 Descrizione dello studio
La prima fase dello studio, mirata a definire le caratteristiche fondamentali dei modelli
econometrici utilizzati nelle fasi successive dello studio è stata svolta tramite l’uso delle serie
storiche di immissione di gas alle REMI registrate da SNAM. Le fasi successive, mirate alla
valutazione dei profili di prelievo standard e alla stima puntuale dei coefficienti di correzione
climatica Wkr, sono state condotte sulla base dei dati di prelievo giornaliero di gas naturale di
un campione di PdR dotati di smart meters fornito dalle aziende di distribuzione (AD) coinvolte.
Quest’analisi ha posto particolare attenzione ai PdR associati ad un profilo di prelievo con
componente termica (categoria d’uso C1,C3,C5,T2).
Lo studio ha compreso le seguenti fasi:
I. Selezione del modello per la stima della reazione dei consumi al variare delle temperature
II. raccolta, management e analisi dei dati forniti da ciascuna AD per la selezione di un
campione valido
III. valutazione della validità dei profili standard di prelievo
IV. calcolo dei coefficienti giornalieri di correzione climatica Wkr
V. valutazione della performance dei Wkr ai fini della correzione degli scostamenti tra
immessi e prelievi calcolati tramite l’applicazione dei profili standard
VI. valutazione della riduzione degli scostamenti associabili ai profili standard tramite la
modifica delle componenti c% dei profili standard e l’applicazione dei coefficienti Wkr.
VII. valutazione dell’applicazione dei coefficienti di correzione climatica Wkr e della modifica
delle componenti dei profili standard tramite l’analisi quantitativa dell’impatto che queste
modifiche hanno sullo scostamento tra immessi e dati reali e stimati comunicati in sede di
sessione di bilanciamento utilizzando i dati aggregati di prelievo su tutto il territorio
nazionale
-
3
3 La stima della reazione dei consumi alle temperature su dati
aggregati
Nella prima fase dello studio è stata condotta un’analisi della relazione tra consumi di gas e
temperature in base ai dati aggregati di immissioni giornaliere alle REMI connesse alla rete di
SNAM, che sono utilizzate come proxy dei consumi. Questo esercizio ha permesso di ottenere
una robusta evidenza quantitativa del fatto che le relazioni che legano i consumi di gas al variare
temperature locali sono specifiche per ciascuna regione climatica e che debbano, quindi, essere
stimate separatamente. L’evidenza prodotta ha, inoltre, mostrato come un modello
econometrico ad effetti fissi che permetta una reazione non costante dei consumi al variare
delle temperature sia il più appropriato per misurare tali relazioni, in quanto mostra la maggior
capacità esplicativa dell’andamento dei consumi.
I risultati empirici ottenuti in questa fase iniziale dello studio sono stati utilizzati a supporto della
procedura di stima della reazione dei consumi alle temperature e dei coefficienti di correzione
climatica Wkr svolte nelle fasi successive dello studio tramite l’utilizzo dei dati campionari di PdR
dotati di smart meters.
3.1 La suddivisione del territorio nazionale in fasce e regioni climatiche
Il territorio nazionale è suddiviso in 6 fasce climatiche omogenee in base al valore totale dei
gradi giorno medi annuali. La definizione dei coefficienti climatici si è basata su una suddivisione
alternativa del territorio, ovvero in 18 regioni climatiche, ciascuna delle quali associata ad una
singola stazione meteorologica. Come mostrato in Figura 1, si osserva una rilevante
sovrapposizione delle fasce e delle regioni: in ogni fascia sono comprese aree geografiche che
riferiscono a più regioni climatiche ed in ogni regione sono comprese aree associate a fasce
climatiche differenti. La rilevanza di queste differenze sarà discussa nel resto della
presentazione, quando d’interesse.
-
4
3.2 La stima della reazione dei consumi gas alle temperature
La relazione che lega i consumi di gas alle temperature non è nota ed è stata, quindi, stimata
tramite un approccio econometrico. In questa fase, per ciascuna delle 18 regioni climatiche,
ciascuna delle quali associata ad una stazione meteorologica, la stima della reazione dei consumi
al variare delle temperature è stata svolta utilizzando i dati aggregati di immissioni giornaliere
alle REMI collegati alla rete SNAM. I valori delle immissioni, utilizzate come proxy dei consumi,
sono stati computate su base giornaliera per 2,876 REMI.
Oltre ai dati di immissione, per ogni REMI è stata utilizzata l’informazione sulla provincia
amministrativa di riferimento, la stazione meteorologica cui la REMI è associata e la fascia
climatica. L’analisi è stata svolta considerando i soli periodi di accensione degli impianti di
riscaldamento determinati per ogni fascia climatica a termini di legge nel periodo gennaio 2015
– settembre 2018. Le temperature giornaliere sono state calcolate come HDD (Heating Degree
Day), ovvero come la differenza positiva di 18 gradi centigradi e la temperatura media del giorno
di riferimento.
L’approccio selezionato d’utilizzo di un modello econometrico presenta numerosi vantaggi
rispetto a metodologie alternative (es. reti neurali) in quanto:
garantisce al ricercatore il controllo della procedura e l’interpretabilità dei risultati delle
stime
LE 6 AREE CLIMATICHE LE 18 REGIONI CLIMATICHE
Figura 1
-
5
permette di stimare la reazione dei consumi in base alle osservazioni effettive, al contrario
di quanto previsto da approcci differenti che imporrebbero una relazione predeterminata
permette di stimare la reazione dei consumi termici alle temperature, al netto dei altri
elementi che possano incidere sui consumi stessi (es. dimensione dell’abitazione/edificio
servito, stagionalità dei consumi nell’anno e infrasettimanali, numero di abitanti
nell’abitazione/edificio, dimensione dell’impresa, ecc.)
Si noti che lo scopo di questo esercizio è quello fornire un supporto empirico alla strategia di
stima della reazione dei consumi al variare delle temperature e dei valori dei coefficienti di
correzione climatica Wkr, demandati alle fasi successive dello studio e basati sui dati campionari
di PdR dotati di smart meter. Le stime econometriche svolte in questa fase non sono, dunque,
finalizzate alla stima puntuale delle funzioni di reazione dei consumi alle temperature. I modelli
non sono, inoltre, concepiti come modelli di previsione dei consumi. L’analisi econometrica, in
questa fase, è, invece, volta all’identificazione delle caratteristiche fondamentali che i modelli
econometrici utilizzati nelle fasi successive dello studio dovranno presentare. Già in questa fase,
la stima del legame tra consumi e temperature è svolta separatamente per regione climatica, in
quanto questa è la dimensione secondo cui sono definiti i coefficienti di correzione climatica
Wkr.
Un modello econometrico consiste in un’equazione che lega i consumi alle temperature
osservate del giorno in esame. L’equazione definisce i consumi come una funzione delle
temperature e altri elementi, detti variabili di controllo. Per ciascuna delle regioni climatiche
sono stimati due modelli econometrici distinti: un modello ai minimi quadrati (OLS) e uno a
effetti fissi (FE). Si veda l’Appendice 1 per i dettagli di stima.
L’identificazione del modello econometrico più appropriato si è basata sul confronto della
capacità esplicativa dei modello in ragione dei valori dei MAPE (Mean Absolute Percentage Error)
e dei adjR2 (Adjusted R2).
Il primo indicatore misura l’errore previsionale medio del modello in termini percentuali. Per
ogni osservazione il modello econometrico produce una stima cui è associato un errore
(calcolato come la differenza rispetto ai volumi di immissioni effettive) che viene espresso in
termini percentuali del valore delle immissioni effettive. Il Mean Absolute Percentage Error
rappresenta la media algebrica di tali errori: minore è il valore di questo indice, migliore è la
precisione delle stime.
-
6
L’adjR2 misura la capacità esplicativa del modello della variabilità delle immissioni. Valori più
elevati di questo indice mostrano una maggior capacità esplicativa del modello.
0%
20%
40%
60%
80%
100%
AdjR2 per regione climatica
OLS FE
0.0%1.0%2.0%3.0%4.0%5.0%6.0%7.0%8.0%
MAPE per regione climatica
OLS FE
Figura 2
-
7
Come mostrato in Figura 2, il modello a effetti fissi commette errori previsionali sensibilmente
inferiori rispetto al modello OLS in ogni regione climatica, il MAPE del modello FE è infatti molto
ridotto rispetto a quello del modello OLS. L’adjR2 del modello FE è, inoltre, sempre superiore a
quello del modello OLS: il modello a effetti fissi è più maggiormente predisposto a predire la
variabilità delle immissioni.
Il modello FE risulta, quindi, essere il più appropriato in quanto ha la maggior capacità esplicativa
dell’andamento delle immissioni e commette errori di previsione inferiori rispetto al modello
OLS, permettendo di stimare la reazione dei consumi al netto della stagionalità degli stessi e
delle temperature e di tutte le caratteristiche fisse nel tempo che modificano i volumi.
Le funzioni di reazione stimate separatamente per ciascuna regione climatica risultano, inoltre,
diverse tra loro. La reazione dei consumi al variare dei HDD è specifica alla regione climatica di
riferimento. Nell’esempio riportato in Figura 3, sono mostrati tre casi tipo delle funzioni di
reazione stimate dal modello econometrico FE che determinano la variazione delle immissioni
(in log) al variare delle temperature (in HDD), a parità di altre condizioni. Nella regione di Napoli,
la reazione approssima una forma lineare. Un HDD in più ha lo stesso impatto sulle immissioni
(in log) a prescindere dal livello dei HDD stessi. Al contrario, a Milano e Roma, la forma stima
della funzione di reazione è concava, mostrando che al crescere dei HDD l’impatto marginale
sulle immissioni (in log) si riduce.
Figura 3
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
MILANO ROMA NAPOLIHDD
log (imm)
-
8
Le evidenze ottenute in questa fase mostrano che: 1. il modello econometrico a effetti fissi è il più appropriato per stimare la funzione di
reazione dei consumi al variare delle temperature
2. il modello econometrico deve permettere che la funzione di reazione stimata risulti non
lineare nel livello delle temperature
3. le funzioni di reazione devono essere stimate separatamente per ciascuna delle 18
regioni climatiche
Questi risultati saranno utilizzati a supporto delle fasi successive dello studio, specificatamente
per la definizione dei modelli econometrici per la stima della reazione dei consumi alle
temperature e della componente c1% dei profili, presentate nelle sezioni 6.2 e 7.1.
-
9
4 Il campione di PdR dotati di smart meter
4.1 Le aziende coinvolte
Durante l’estate del 2018 è stata inoltrata richiesta formale alle principali AD per la raccolta e
invio di dati di prelievo giornaliero di un campione di PdR dotato di smart meter.
Le 3 AD coinvolte servono complessivamente circa il 50% dei PdR in tutte le fasce climatiche del
territorio nazionale (si veda Figura 4).
Figura 4
-
5
10
15
20
25
ITALIA E D C B F
Mili
on
i
Numero di PdR serviti dalle AD
AD COINVOLTE Altre AD
-
10
4.2 I Dati richiesti
Per ciascuna delle 18 regioni climatiche e ciascuna delle AD, sono stati definiti 3 gruppi di PdR
serviti (si veda Figura 5):
1. la popolazione intera di PdR (con e senza smart meter)
2. la popolazione totale di PdR con smart meter
3. un campione randomico di PdR con smart meter
La popolazione intera di PdR (con e senza smart meter)
La popolazione totale di PdR con smart meter
Campione randomico di PdR
con smart meter
A ciascuna AD è stato richiesto di selezionare in ogni regione climatica dove fosse attiva un
randomico campione di PdR dotati di smart meter il cui numero corrispondesse al 1% della
popolazione totale di PdR con smart meter nella regione o almeno 1,000 PdR.
Per ogni PdR incluso nel campione sono stati richiesti i seguenti dati:
ID, identificativo del PdR
Codice ISTAT del comune d’appartenenza
Codice REMI di riferimento
Profilo di prelievo associato
La serie storica dei prelievi giornalieri di gas (misurati in mc) nel periodo 1/10/2015 al
30/06/2018.
Figura 5
-
11
Inoltre, al fine di verificare la validità del campione per la stima dei coefficienti di correzione
climatica e per la valutazione della validità dei profili standard, a ciascuna AD è stato richiesto di
trasmettere i seguenti dati:
il numero totale di PdR serviti distinti per regione climatica e profilo di prelievo
il numero totale di PdR serviti con smart meter distinti per regione climatica e profilo di
prelievo
il numero totale di PdR serviti con smart meter inclusi nel campione distinti per regione
climatica e profilo di prelievo
la serie storica su base mensile (ottobre 2015-giugno 2018) dei volumi totali dei prelievi (in
mc) di tutti i PdR dotati di smart meter distinti per regione climatica.
L’insieme dei campioni forniti dalle AD permette di avere una popolazione che include PdR
localizzati in ciascuna delle 18 regioni climatiche.
La disponibilità delle informazioni di prelievo su due interi anni termici per un campione che
copre tutte le 18 regioni climatiche hanno reso il dataset particolarmente adatto all’analisi
quantitativa svolta per il presente studio: questo campione è, infatti, stato utilizzato per la stima
delle reazioni dei consumi termici alle temperature finalizzata alla misura dei coefficienti Wkr. I
campioni forniti dalle altre due AD sono stati utilizzati al fine di valutare l’adeguatezza dei profili
di prelievo definiti dall’Autorità e per la quantificazione dell’effetto di correzione dei profili
tramite l’applicazione dei Wkr giornalieri e la revisione della componente c1%.
Al fine di selezionare un campione valido per la stima dei coefficienti Wkr e per la valutazione
dei profili standard, a valle della consegna dei dati, per ciascun campione fornito dalle AD è stata
effettuata un’analisi quantitativa delle serie storiche di prelievo giornaliero e si è proceduto
all’eliminazione delle osservazioni estreme (si veda Appendice 2 per i dettagli della procedura).
La Figura 6 mostra la distribuzione dei campioni prodotti dalle singole AD in termini di regione
climatica di riferimento, area climatica di riferimento e categoria d’uso dei PdR inclusi nei
campioni.
-
12
[OMISSIS]
Figura 6
4.3 La validazione del campione
Il campione ottenuto a seguito dell’eliminazione degli outliers (si veda Appendice 2 per i dettagli
della procedura) è sottoposto a validazione, ovvero si è proceduto ad una valutazione della
rappresentatività dei dati campionari per la popolazione intera dotata di smart meter e della
popolazione misurata mensilmente e annualmente. L’approccio quantitativo si è basato sul
confronto dei dati di prelievo registrati nel campione con quelli della popolazione dotata di
smart meter e dell’intera popolazione non misurata giornalmente. Questo esercizio ha
confermato che l’andamento infrannuale dei consumi del campione e la distribuzione dei volumi
di prelievo su base geografica ben rispecchiano quelli delle corrispondenti popolazioni cui sono
confrontate. L’evidenza mostra che il campione è valido: quanto emerge dall’analisi del
campione può essere attribuito all’intera popolazione dotata di smart meter e ai consumatori
misurati mensilmente e annualmente.1
La misura quantitativa della rappresentatività si è basata sul calcolo della correlazione tra i
volumi totali di prelievo dei PdR nel campione (ripulito delle osservazioni estreme) e i
corrispondenti volumi totali di prelievo della popolazione intera smart meter e dei misurati
mensili e annuali nel periodo ottobre 2016-giugno 2018. Per ciascuna AD i volumi totali di
prelievo dei 3 gruppi di PdR sono stati calcolati su base mensile, distinti per categoria di prelievo
e per regione climatica (ad esempio, i volumi di prelievo dei 3 gruppi di PdR serviti dall’AD 1 nella
regione climatica di Torino nel dicembre 2016). I volumi totali di prelievo dei gruppi sono
calcolati come segue:
I volumi totali del campione sono stati calcolati aggregando i valori di prelievo giornaliero
dei PdR inclusi nel campione
I volumi totali di prelievo della popolazione dotata di smart meters sono stati comunicati
dalle AD
I volumi totali di prelievo dei PdR misurati mensilmente e annualmente sono stati calcolati
utilizzando i valori di prelievo computati per le sessioni di bilanciamento e di aggiustamento
1 L’AD 3 non ha fornito il valore dei prelievi totali mensili della popolazione dotata di smart meter distinta per regione climatica. Non è stato, quindi, possibile effettuare l’esercizio di validazione per questa AD. [OMISSIS]
-
13
in possesso di SNAM per il periodo ottobre 2016-dicembre 2017 e di bilanciamento per il
periodo gennaio 2018-giugno 2018.
La Figura 7 mostra le correlazioni tra i prelievi del campione dell’AD 1 e i corrispondenti prelievi
dell’intera popolazione dotata di smart meter, e le correlazioni dei volumi di prelievo di
quest’ultima e corrispondenti volumi dei consumi dei PdR misurati mensilmente e annualmente.
Per definizione l’indice di correlazione è contenuto tra -1 e +1. Un valore della correlazione
positivo e vicino a uno indica che a valori elevati dei volumi di prelievo di un gruppo
corrispondono valori elevati dei volumi di prelievo del gruppo con cui è confrontato. Dato che il
confronto avviene tra i volumi del campione con quelli della popolazione dotata di smart meter
e tra questi e quelli della popolazione misurata mensilmente e annualmente (M&A) un valore
delle correlazioni positivo e vicino a 1 indica che i valori elevati dei consumi totali del campione
sono registrati nei mesi e nelle regioni climatiche dove anche i volumi del gruppo di confronto
sono risultato elevati rispetto agli altri mesi e regioni climatiche2. In Appendice 2 sono riportati
i grafici a dispersione che mostrano la distribuzione di consumi totali del campione delle
popolazioni cui sono confrontati (popolazione totale SM e popolazione M&A).
2 L’AD 1 non ha comunicato i volumi mensili dei prelievi totali della popolazione dotata di smart meter. Dunque, al fine di valutare la rappresentatività del campione sono calcolati come volumi totali di prelievo del campione i volumi calcolati aggregando i prelievi giornalieri dei PdR selezionati nel sottocampione (si veda Appendice 2 per la descrizione del sottocampione) e i prelievi totali mensili della popolazione smart meter sono misurati aggregando i prelievi giornalieri del campione originario fornito dall’AD 1, che fungono, così, da proxy dei consumi della popolazione totale dotata di smart meters.
-
14
Figura 7
Le correlazioni tra i volumi mensili registrati nel campione e quelli della popolazione dotata di
smart meter sono particolarmente elevate per tutte le categorie e per entrambe le AD. In
particolare la correlazione dei volumi è superiore a 0.6 per le categorie C1 e C3, risulta
leggermente inferiore per la categoria T2. Si può concludere, quindi, che, in particolare per le
categorie C1 e C3, quanto emerge dall’analisi quantitativa dei dati campionari può essere
considerato valido anche per la popolazione intera dotata di smart meter. La correlazione,
leggermente inferiore ottenuta per la categoria T2 suggerisce prudenza nell’interpretazione dei
risultati campionari, sebbene il campione risulti comunque rappresentativo della popolazione
d’origine.
Le correlazioni tra i volumi dell’intera popolazione con smart meter e i volumi di prelievo dei
misurati mensili e annuali risultano particolarmente elevate per tutte le categorie ed entrambe
le AD. Questa evidenza empirica mostra che l’andamento dei consumi della popolazione dotata
di smart meter ben rappresenta quello della popolazione misurata mensilmente e annualmente.
Si può dunque concludere che quanto risulta dall’analisi del campione può essere attribuito
anche alla popolazione intera dotata di smart meter e alla popolazione misurata mensilmente e
annualmente. Il campione può essere, quindi, detto valido.
-
15
5 La valutazione dei profili di prelievo standard
La valutazione dei profili di prelievo standard è stata condotta adottando un approccio
quantitativo. L’evidenza ottenuta mostra che, in generale, i profili standard riflettono
l’andamento stagionale dei consumi. Nei periodi più freddi dell’anno sia i consumi riportati nel
campione sia la curva definita dal profilo di prelievo registrano i valori più alti, mentre nei periodi
più caldi raggiungono i minimi. Tuttavia, i profili standard non colgono la variabilità dei consumi
effettivi commettendo, così, degli errori di previsione dei consumi. Gli scostamenti tra consumi
effettivi e consumi previsti da profilo standard risultano significativi e, in alcuni casi, risultano
strutturali. Queste evidenze mostrano che potrebbe essere opportuna una revisione di alcune
curve di prelievo definite dai profili standard3.
Per ogni gruppo di osservazioni identificato dal profilo di prelievo nel campione di ciascuna AD
è stata ricostruita la curva dei consumi medi giornalieri nell’anno termico a partire i dati di
consumo giornaliero del campione (da qui, ci si riferirà a questa curva come “profilo effettivo”).
Questa rappresenta l’andamento “tipo” dei consumi effettivi ed è stata costruita come una
media ponderata giornaliera dei consumi dei PdR nel campione associati al medesimo profilo. Il
profilo effettivo è quindi confrontato al profilo di prelievo standard di riferimento.
Per ogni profilo sono calcolati gli errori assoluti percentuali giornalieri, misurati come il rapporto
del valore assoluto dello scostamento tra profilo effettivo e profilo standard dei prelievi sul
valore del profilo effettivo stesso. Per ogni osservazione giornaliera viene misurato l’errore di
previsioni in termini di errore percentuale assoluto.
Sono, quindi, calcolati i valori mediani degli errori giornalieri in base a due diverse dimensioni:
a) la Fascia climatica di riferimento
b) il mese di riferimento
Come mostrato in Figura 8, i valori mediani degli errori assoluti percentuali (Mean Absolute
Percentage Errors, MAPE) sono maggiori nelle fasce climatiche più calde (la B e la C) e hanno una
forte stagionalità: gli errori nei “mesi di spalla” (marzo, aprile, settembre ed ottobre) sono
superiori a quelli registrati nel periodo invernale. Nei mesi fuori accensione i consumi, in
3 Una proposta di revisione viene presentata nella sezione 7.
-
16
particolare dei PdR di categoria C1, dovrebbero essere quasi nulli. L’evidenza mostra che spesso
questo, in media, non è vero e ciò causa elevati errori percentuali.
Figura 8
Oltre a questi risultati di natura quantitativa, emergono alcune evidenze d’impatto immediato,
valutabili qualitativamente.
Come mostrato in Figura 9 per il caso dei profili C1E1 e C1E3 i profili sovrastimano i valori di
prelievo nei “mesi di spalla” primaverili (marzo e aprile). Inoltre, il profilo effettivo C1E1 risulta
riportare consumi positivi anche nel periodo dell’anno di spegnimento degli impianti di
-
18
6 La stima dei coefficienti di correzione climatica Wkr
6.1 La strategia di stima dei coefficienti Wkr
I fattori di correzione climatica sono concepiti come il rapporto tra i consumi termici a condizioni
climatiche effettive (previste o consuntive) e i consumi termici a condizioni climatiche di
riferimento. Dato che i consumi termici sono principalmente determinati dalle temperature
giornaliere, i Wkr sono stati stimati come rapporto dei consumi termici a temperature
giornaliere effettive e consumi termici a temperature di riferimento.
Il valore dei consumi termici a temperature di riferimento non può essere osservato nei dati e
deve, quindi, essere stimato. Inoltre, la relazione tra consumi termici e temperature è ignota e
deve, quindi, essere identificata. A tal fine, si è optato per l’adozione di un approccio di tipo
econometrico analogo a quello presentato nella sezione 3. Una volta identificata la relazione che
lega i consumi alle temperature, è possibile stimare il valore dei consumi previsti dal modello
econometrico a temperature effettive e a temperature di riferimento, eventualmente diverse
da quelle effettive.4.
I Wkr giornalieri sono quindi misurati come:
𝑊𝑘𝑟 =𝐶𝑜𝑛𝑠𝑢𝑚𝑖 𝑡𝑒𝑟𝑚𝑖𝑐𝑖 𝑠𝑡𝑖𝑚𝑎𝑡𝑖 𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎𝑟𝑒 𝑒𝑓𝑓𝑒𝑡𝑡𝑖𝑣𝑒𝑘𝑟
𝐶𝑜𝑛𝑠𝑢𝑚𝑖 𝑡𝑒𝑟𝑚𝑖𝑐𝑖 𝑠𝑡𝑖𝑚𝑎𝑡𝑖 𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑒 𝑑𝑖 𝑟𝑖𝑓𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜𝑘𝑟
I Wkr risulteranno, quindi, pari a 1 quando i consumi termici stimati a temperature effettive
risultino pari ai consumi termici stimati a temperature di riferimento, ovvero quando le
temperature effettive coincidano con quelle di riferimento. Data la relazione negativa tra
consumi e temperature, i Wkr assumeranno valori superiori a uno quando i consumi a
temperature effettive risultino superiori di quelli a temperature di riferimento e inferiori a uno
nel caso opposto.
4 Le temperature di riferimento sono misurate come HDD medi registrati nel giorno-mese in esame (es. 10 dicembre) nel periodo 2008-2018.
-
19
6.2 La stima della reazione dei consumi alle temperature
Al fine di calcolare il valore dei consumi termici a temperature di riferimento è necessario
identificare la relazione che lega i consumi termici alle temperature. Ciò permette di stimare i
consumi a temperature differenti da quelle effettive e di confrontare i volumi di prelievo a
temperature diverse. Per ciascuna delle regioni climatiche si è quindi effettuata la stima, tramite
modello econometrico, della reazione dei consumi alle temperature.
Alla luce delle evidenze ottenute tramite l’uso dei dati aggregati d’immissione giornaliera alle
REMI (sezione 3), il modello econometrico prescelto è un modello ad effetti fissi che permette
una reazione non lineare dei consumi termici al variare delle temperature. L’equazione che lo
definisce si compone in una reazione dei consumi dei singoli consumatori (i) in ogni regione
climatica (r) in un dato giorno (k) alle temperature del giorno stesso (in HDD), a quelle del giorno
precedente e di variabili di controllo. Queste ultime comprendono molteplici fattori che possono
influenzare i livelli di consumo e essere connessi alle dinamiche delle temperature. L’inclusione
di queste variabili permette di isolare l’effetto che le temperature del giorno e del giorno
precedente hanno sui consumi. In particolare, vengono incluse le variabili di calendario, che
catturano l’effetto di stagionalità infrasettimanale e infrannuale delle temperature e dei
consumi. Si noti che il modello econometrico non è concepito come un modello di previsione
della domanda, bensì è finalizzato all’identificazione della relazione dei consumi alle variazione
delle temperature e alle loro deviazioni dalle medie di periodo. La funzione di reazione, stimata
tramite il modello econometrico a effetti fissi e inclusivo di variabili di controllo della
stagionalità, definisce come i consumi di un PdR “standard” rispondano al variare delle
temperature del giorno e del giorno precedente in un periodo “standard” nell’arco dell’anno,
ovvero al netto dell’effetto che le caratteristiche del consumatore hanno sui suoi consumi e della
stagionalità dei consumi (legata a quella delle temperature: le stime permettono d’indentificare
come, in media, i consumi termici dei consumatori mutino in ragione del cambiamento dei HDD,
a parità di altre condizioni. Si veda l’Appendice 3 per la presentazione in dettagli delle specifiche
tecniche del modello econometrico.5
5 Come discusso nella sezione 4, per l’identificazione delle funzioni di reazione alle temperature e la stima dei consumi termici a temperature effettive e di riferimento è stato utilizzato il solo campione fornito dall’AD 1. Questo, infatti, è l’unico dei tre campioni forniti dalle AD che copra l’arco temporale di due anni termici e includa tutte le 18 regioni climatiche per le quali sono calcolati i Wkr. Queste due caratteristiche sono necessarie a garantire una stima accurata della stagionalità dei consumi e delle temperature, che permetta di isolare la reazione dei consumi alla variazione
-
20
L’equazione del modello econometrico è definita come segue:
𝐶𝑜𝑛𝑠𝑢𝑚𝑖 𝑡𝑒𝑟𝑚𝑖𝑐𝑖𝑖𝑘𝑟 = 𝑓(𝐻𝐷𝐷𝑘𝑟) + 𝑓(𝐻𝐷𝐷(𝑘−1)𝑟) + 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖 𝑑𝑖 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑙𝑜 + 𝑒𝑟𝑟𝑜𝑟𝑒 𝑑𝑖 𝑝𝑟𝑒𝑣𝑖𝑠𝑖𝑜𝑛𝑒
La stima del modello econometrico permette di calcolare i parametri della funzione di reazione
dei consumi alle variazioni delle temperature del giorno (𝑓(𝐻𝐷𝐷𝑘𝑟), idenficando, così, la funzione
stessa, al netto dell’effetto delle altre variabili e della stagionalità infrannuale dei consumi e delle
temperature.
La funzione di reazione alle temperature del giorno stesso è approssimata tramite un polinomio
di grado elevato che permette di definire una funzione molto flessibile. La funzione di reazione
non è, quindi, predeterminata, ma viene identificata tramite la stima econometrica dei
parametri della funzione. La funzione stimata può, quindi, avere risultati come un polinomio di
quarto grado o inferiore, potenzialmente risultando lineare. La specificazione polinomiale ha
una caratteristica fondamentale: permette che l’impatto marginale della variazione dei gradi
giorno dipenda dal livello stesso delle temperature, ovvero che l’aumento di un HDD quando i
HDD sono ridotti possa essere differente da quello che l’aumento HDD può avere quando i HDD
sono già elevati. La non linearità della reazione può, infatti, essere dovuta alla percezione che i
consumatori hanno della diminuzione delle temperature, che varia in base al livello delle stesse,
e alle caratteristiche tecniche degli impianti di riscaldamento, che possono consumare
maggiormente nei momenti “di rampa”, quando vengono accesi o devono affrontare riduzioni
improvvise e consistenti delle temperature.
L’analisi condotta sui dati delle immissioni giornaliere ha mostrato come le funzioni di reazione
dei consumi alle temperature varino tra le differenti regioni climatiche: questo risultato è
confermato anche dalle stime condotte sui dati campionari dei consumi giornalieri dei singoli
PdR. Come mostrato in Figura 10 per i casi esempio della regione climatica di Torino, Roma e
Bari, le funzioni sono differenti nelle diverse regioni climatiche e generalmente non lineari
rispetto al livello delle temperature. Nella regione climatica di Torino, la funzione mostra una
forma convessa, al crescere dei HDD i consumi aumentano con maggiore intensità: più è alto il
livello dei HDD, maggiore è l’impatto di un HDD in più sui consumi. Nella regione di Bari, l’effetto
è maggiormente variabile e la funzione di reazione assume una forma sinuosa, simile ad una “S”.
delle temperature del giorno in esame, e l’omogeneità delle caratteristiche del campione tra regioni climatiche. [OMISSIS].
-
21
L’impatto marginale dell’aumento dei HDD è elevato per valori ridotti dei HDD e per valori
compresi tra 7 e 11, mentre la reazione è meno intensa fuori da questo intervallo. Nella regione
di Roma, la funzione è solo marginalmente convessa e approssima la linearità: l’impatto sui
consumi dovuto all’aumento di un HDD rimane pressoché stabile con l’aumentare dei HDD.
Si veda l’Appendice 7 per la rappresentazione delle funzioni di reazione dei consumi alle
temperature tra le differenti regioni climatiche.
Figura 10
6.3 La valutazione dell’attendibilità delle stime prodotte dal modello
econometrico
Il grado d’attendibilità dei modelli econometrici è valutato in ragione dell’errore commesso dal
modello per la previsione dei consumi dei singoli PdR. La Figura 11 mostra come i singoli errori
calcolati giornalmente come scarto tra consumi effettivi e consumi stimati dal modello
econometrico per ciascun PdR (per un totale di circa 43 milioni di osservazioni) abbiano una
distribuzione simmetrica e centrata intorno allo zero, che rappresenta la media degli stessi. In
media, quindi, il modello econometrico nelle 18 stazioni non sottostima strutturalmente né
sovrastima i consumi effettivi.
0
5
10
15
20
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
TORINO - Reazione alle temperature
0
2
4
6
8
10
12
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
ROMA - Reazione alle temperature
0.0
0.5
1.0
1.5
2.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
BARI - Reazione alle temperature
-
22
Figura 11
La valutazione positiva della performance del modello è confermata anche tramite il calcolo del
valore mediano dei PE (Percentage Error) e degli APE (Absolute Percentage Error) per ciascuna
regione climatica. In ogni regione climatica sono calcolati i valori medi di consumo stimati dal
modello econometrico che vengono confrontati ai consumi medi effettivi nel campione. Come
mostrato nella Figura 12 per il caso esempio della regione di Milano, sono create per ciascuna
regione climatica due curve di consumo medio reali e stimati, misurati come volumi di gas (in
mc) consumati giornalmente in media dai consumatori nella regione e sono calcolati gli errori
percentuali assoluti su base giornaliera.
Si veda l’Appendice 8 per la rappresentazione del confronto tra le curve dei consumi medi reali
e stimati per ciascuna regione climatica.
ERRORI DEL MODELLO
mc
-
23
Figura 12
In ogni giorno viene calcolata la differenza tra consumi reali e consumi stimati dal modello e
rapportata ai consumi reali: questo rapporto misura l’errore percentuale giornaliero (PE,
Percentage Error). Riesprimendo questo rapporto in valore assoluto si ottengono gli errori
assoluti percentuali giornalieri (APE, Absolute Percentage Error). Al fine di valutare la rilevanza
degli errori medi percentuali e assoluti percentuali, è calcolata la media ponderata dei PE e APE,
utilizzando come pesi i volumi di consumo giornaliero: tale ponderazione dà maggiore peso agli
scostamenti rilevabili quando i consumi sono elevati e minore quando questi sono ridotti.
Come mostrato nella Figura 13, gli errori medi percentuali e gli errori assoluti medi percentuali
sono piuttosto limitati. Quando si apporta la ponderazione basata sui livelli di consumo, i valori
degli errori medi percentuali approssimano zero e quelli degli errori medi assoluti percentuali si
riducono sensibilmente. Tale evidenza mostra che gli errori sono limitati e sono maggiori
laddove i consumi medi giornalieri sono più contenuti, ovvero nei periodi in cui le temperature
sono più elevate. Si può, quindi, concludere che i modelli econometrici hanno una buona
capacità esplicativa dell’andamento dei consumi e ben colgono la reazione dei consumi stessi
alle temperature. La stima dei consumi a temperature effettive e a temperature di riferimento
alla base del calcolo dei coefficienti Wkr possono, quindi, essere considerate attendibili.
-10
0
10
20
30
40
50
60
01
/10
/20
16
01
/11
/20
16
01
/12
/20
16
01
/01
/20
17
01
/02
/20
17
01
/03
/20
17
01
/04
/20
17
01
/05
/20
17
01
/06
/20
17
01
/07
/20
17
01
/08
/20
17
01
/09
/20
17
01
/10
/20
17
01
/11
/20
17
01
/12
/20
17
01
/01
/20
18
01
/02
/20
18
01
/03
/20
18
01
/04
/20
18
01
/05
/20
18
01
/06
/20
18
01
/07
/20
18
01
/08
/20
18
01
/09
/20
18
MILANO - Confronto tra consumi reali e consumi stimati
CONSUMI REALI CONSUMI STIMATI
-
24
Figura 13
0%
2%
4%
6%
8%
RO
MA
MIL
AN
O
PO
TEN
ZA
TOR
INO
GEN
OV
A
FIR
ENZE
NA
PO
LI
BA
RI
CA
TAN
IA
TRIE
STE
VEN
EZIA
REG
GIO
BO
LZA
NO
PER
UG
IA
BO
LOG
NA
FALC
ON
AR
A
CA
MP
OB
ASS
O
PES
CA
RA
Errori medi percentuali
-0.20%
-0.15%
-0.10%
-0.05%
0.00%
RO
MA
MIL
AN
OP
OTE
NZA
TOR
INO
GEN
OV
AFI
REN
ZEN
AP
OLI
BA
RI
CA
TAN
IATR
IEST
EV
ENEZ
IAR
EGG
IOB
OLZ
AN
OP
ERU
GIA
BO
LOG
NA
FALC
ON
AR
AC
AM
PO
BA
SSO
PES
CA
RA
Errori medi percentuali ponderati
0%5%
10%15%20%25%30%
PO
TEN
ZAM
ILA
NO
RO
MA
CA
MP
OB
ASS
OP
ERU
GIA
TOR
INO
NA
PO
LIFI
REN
ZEFA
LCO
NA
RA
REG
GIO
BO
LZA
NO
BO
LOG
NA
CA
TAN
IAB
AR
IV
ENEZ
IAG
ENO
VA
PES
CA
RA
TRIE
STE
Errori medi assoluti percentuali
0%2%4%6%8%
10%12%14%16%
RO
MA
MIL
AN
O
PO
TEN
ZATO
RIN
OG
ENO
VA
FIR
ENZE
NA
PO
LI
BA
RI
CA
TAN
IATR
IEST
EV
ENEZ
IA
REG
GIO
BO
LZA
NO
PER
UG
IA
BO
LOG
NA
FALC
ON
AR
AC
AM
PO
BA
SSO
PES
CA
RA
Errori medi assoluti percentuali ponderati
-
25
6.4 Il calcolo dei coefficienti di correzione climatica Wkr
Una volta accertata la validità delle stime della relazione che lega i consumi termici alle
temperature e delle previsioni di consumo prodotte dal modello econometrico si possono
stimare i coefficienti di correzione climatica come rapporto tra consumi stimati a temperature
effettive e consumi stimati a temperature di riferimento. Dato che le stime econometriche
evidenziano come in consumi varino in ragione delle temperature nel giorno-gas k, delle
temperature del giorno precedente e abbiano una stagionalità infrasettimanale e mensile, i Wkr
sono calcolati come segue:6
𝑊𝑘𝑟 =𝐶𝑜𝑛𝑠𝑢𝑚𝑖 𝑡𝑒𝑟𝑚𝑖𝑐𝑖 𝑠𝑡𝑖𝑚𝑎𝑡𝑖 𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎𝑟𝑒 𝑒𝑓𝑓𝑒𝑡𝑡𝑖𝑣𝑒𝑘𝑟
𝐶𝑜𝑛𝑠𝑢𝑚𝑖 𝑡𝑒𝑟𝑚𝑖𝑐𝑖 𝑠𝑡𝑖𝑚𝑎𝑡𝑖 𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑒 𝑑𝑖 𝑟𝑖𝑓𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜𝑘𝑟
I consumi termici stimati a temperature effettive sono calcolati applicando i parametri delle
funzioni di reazione alle temperature effettive del giorno gas e alle temperature del giorno
precedente. A questi viene aggiunta un valore di consumi giornalieri stimati dal modello che
rappresenta la componente del prelievo dovuta alla stagionalità, che non risponde alla
deviazione delle temperature giornaliere dal loro livello medio di periodo.
I consumi termici stimati a temperature di riferimento sono calcolati applicando i parametri
delle funzioni di reazione alle temperature di riferimento del giorno gas e alle temperature
di riferimento del giorno precedente. A questi viene aggiunto il medesimo valore della
componente di stagionalità dei consumi utilizzata per il calcolo del numeratore.
Il numeratore, quindi, differisce dal denominatore in ragione del solo scostamento delle
temperature del giorno e del giorno precedente dalle temperature di riferimento. L’impatto di
questi scostamenti sul valore dei Wkr è determinato dalla forma delle funzioni di reazione
stimate tramite approccio econometrico (si veda sezione precedente) e dalla rilevanza della
componente stagionale dei consumi, che non reagisce alla deviazione delle temperature del
giorno dalla propria media di periodo.
Il valore puntuale dei coefficienti dipende da:
6 In Appendice 3 è esplicitata la formula di calcolo dei consumi termici stimati a temperature effettive e a temperature di riferimento, basata sui risultati della stima del modello econometrico presentato nella prossima sezione.
-
26
1. La differenza tra temperature effettive e temperature di riferimento. A parità di altre
condizioni, ovvero del volume di consumi che non rispondono alla deviazione delle
temperature dalla media di periodo e dal livello delle temperature di riferimento, e in
condizioni di temperature del giorno precedente pari a quelle di riferimento, una maggiore
deviazione positiva (negativa) produce valori più elevati (ridotti) dei Wkr
2. La differenza tra temperature effettive del giorno precedente e quelle di riferimento per il
giorno stesso. A parità di altre condizioni, ovvero del volume di consumi che non rispondono
alla deviazione delle temperature dalla media di periodo e dal livello delle temperature di
riferimento, e in condizioni di temperature del giorno stesso pari a quelle di riferimento, una
maggiore deviazione positiva (negativa) produce valori più elevati (ridotti) dei Wkr
3. A parità di deviazioni delle temperature del giorno stesso o del giorno precedenti rispetto a
quelle di riferimento, la stagionalità dei consumi. Maggiori questi risultano, minore è l’effetto
delle temperature. Quando i consumi stagionali sono inferiori, l’effetto delle temperature
risulta maggiore.
Assumendo che i valori dei consumi che riflettono la stagionalità dei consumi in un dato giorno
e mese per i consumatori in una regione climatica (es. al 10 maggio i consumi stagionali sono in
media sempre pari a 3 mc) sia costante negli anni, è possibile calcolare i valori dei Wkr su base
giornaliera anche fuori dal periodo utilizzato per le stime. Al fine di valutare il legame tra Wkr e
le temperature, i coefficienti sono calcolati su base giornaliera nell’intero arco temporale
ottobre 2008-ottobre 2018 per ciascuna delle regioni climatiche.
La dispersione dei valori dei Wkr mostrata in Figura 14 mostra come i valori siano distribuiti in
modo simmetrico intorno al valore di 1, che ne rappresenta la media e la mediana. Il valore
massimo raggiunto nel periodo è pari a 37, il minimo è 0 e la deviazione standard (misura delle
variabilità) è pari a 0.28.
-
27
Figura 14
La Figura 15 mostra per l’esempio della regione di Torino nell’anno termico 2017-2018
l’andamento dei valori del Wkr e del delta dei HDD, calcolato come differenza tra HDD effettivi
e di riferimento. La relazione tra Wkr e delta HDD non è lineare in quanto, come detto, i valori
del Wkr dipendono dalle temperature del giorno, ma anche da quelle del giorno precedente e
dalla stagionalità dei consumi. Inoltre, come mostrato nella sezione precedente, la reazione al
variare delle temperature giornaliere non è generalmente lineare. Tuttavia, la dinamica dei Wkr
segue l’andamento dei differenziali di temperature nel giorno rispondendo alle deviazioni dei
HDD del giorno da quelli di riferimento.
Figura 15
-8
-6
-4
-2
0
2
4
6
8
10
12
ott-17 nov-17 dic-17 gen-18 feb-18 mar-18 apr-18 mag-18 giu-18 lug-18 ago-18 set-18
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
TORINO - Wkr giornalieri e Delta HDD
Wkr Delta HDD
-
28
La Figura 16 riporta i valori delle correlazioni tra Wkr e delta HDD calcolati su base giornaliera
nell’arco temporale ottobre 2008-settembre 2018. Il calcolo delle correlazioni permette di
riassumere tramite una valutazione quantitativa l’intensità del legame tra i Wkr e i differenziali
delle temperature, analizzato in precedenza per il caso di Torino secondo un approccio
qualitativo.
Le differenze tra i valori delle correlazioni sono dovuti alla diversità delle forme delle funzioni di
reazione alle temperature stimate, specifiche per ogni regione. In tutte le regioni climatiche si
registra una correlazione positiva e consistente tra i Wkr e le differenze tra i HDD effettivi e i
HDD di riferimento: in ogni regione la dinamica dei valori dei Wkr riflette quella dei differenziali
di temperature.
Figura 16
6.5 L’applicazione dei Wkr ai profili standard
Una volta stimati i valori dei Wkr giornalieri è possibile valutare l’effetto che l’applicazione di
questi coefficienti ai profili standard ha ai fini della correzione degli scostamenti tra immessi e
consumi determinati dai profili standard. Emerge che l’applicazione ha in media un impatto
positivo di riduzione dell’errore, ma che questo è contenuto in quanto l’applicazione dei
coefficienti permette di deviare solo parzialmente dalla curva definita dal profilo.
Per quantificare l’effetto dell’applicazione dei Wkr si è proceduto al calcolo degli errori
giornalieri compiuti dai profili standard e dai profili standard corretti tramite Wkr utilizzando i
dati campionari. In modo analogo a quanto fatto per la valutazione dei profili, i PdR nel campione
0.00.10.20.30.40.50.60.70.80.91.0
TRIE
STE
PESC
ARA
BOLO
GN
A
VEN
EZIA
BARI
FALC
ON
ARA
BOLZ
ANO
NAP
OLI
GEN
OVA
TORI
NO
CAM
POBA
SSO
FIRE
NZE
PERU
GIA
REG
GIO
CATA
NIA
MIL
ANO
ROM
A
POTE
NZA
Correlazione tra Wkr e differenza dei HDD
-
29
sono stati clusterizzati in base all’AD di riferimento, al proprio profilo e alla regione climatica in
cui sono localizzati. Per ognuno di questi gruppi è stata ricostruita la curva dei consumi medi
giornalieri nell’anno termico a partire i dati di consumo giornaliero del campione (“profilo
effettivo”). Questa curva è, poi, stata confrontata a quella definita dal profilo standard cui i PdR
sono associati tramite profilo. 7
Sono, quindi, stati calcolati i valori mediani degli errori assoluti in base alla Fascia climatica, alla
regione climatica e al mese. In media l’applicazione dei Wkr corregge positivamente il profilo,
limitando l’errore. Tuttavia, la correzione è limitata e variabile tra regioni climatiche e periodi
dell’anno.
Il Wkr, applicato al profilo standard, permette di modificare le previsioni di consumo, anche se
in modo parziale. Come discusso, l’evidenza empirica ottenuta tramite la stima del modello
econometrico mostra che una parte dei consumi risponde alle deviazioni delle temperature
giornaliere dalle medie di periodo. Inoltre, l’applicazione dello scalare Wkr, infatti, fa sì che la
previsione si discosti dal profilo, ma che rimanga ad esso legato: i coefficienti Wkr permettono
di deviare giornalmente dalla curva definita dai profili, ma la previsione rimane strutturalmente
legata a quella del profilo.
La Figura 17 mostra gli errori mediani calcolati utilizzando il campione fornito dall’AD 1 distinti
per Fascia climatica e regione climatica di riferimento mentre la Figura 18 mostra, in aggregato,
la dinamica dei valori mediani calcolati su base mensile. Seppur limitate, le correzioni sono più
pronunciate nelle zone fredde, dove le variazioni di temperature hanno un impatto maggiore
sui consumi e nei periodi di spalla, in particolare ad aprile, quando le temperature e i consumi
sono meno stabili. In Appendice 4 sono riportati i valori mediani degli errori calcolati per le tre
AD e distinti per Fascia climatica e regione climatica di riferimento.
Come si può notare da quanto riportato in Figura 17, le correzioni sono marginali nella Fascia
climatica B, dove il Wkr non incide sull’errore. In questa fascia molto calda, è presumibile la
domanda di gas per riscaldamento sia poco sensibile alle temperature. Al contrario nella Fascia
F il Wkr riduce sempre gli scostamenti associabili ai profili standard. Anche nelle Fasce C, D ed E
il Wkr, in media, corregge l’errore. Emerge, però, come in alcune regioni climatiche l’effetto di
7 A differenza di quanto fatto per la valutazione dei profili, i PdR sono raggruppati in base al proprio profilo e alla regione climatica dove sono localizzati. È quindi possibile, ad esempio, ottenere due curve distinte per i profili C3E1 per i PdR nella regione di Torino e di Milano. Questa seconda dimensione è stata aggiunta in ragione del fatto che i Wkr sono definiti e applicati per regione climatica.
-
30
correzione non si verifichi. Nelle regioni di Bari, Potenza l’applicazione del Wkr aumenta l’errore
nella fascia D ed E. Tuttavia, questi ampliamenti degli scostamenti non sono registrati utilizzando
il campione dell’AD 2 in queste zone (si veda Appendice 4). L’assenza di correzione degli errori
in questi particolari casi risulta, quindi, non strutturale. Il Wkr non corregge, invece, l’errore del
profilo nelle regioni di Venezia e Trieste, ma amplia l’errore. Questa evidenza si scontra con il
risultato di correlazione tra i Wkr e la differenza tra le temperature effettive e quelle di
riferimento. Tuttavia, in queste regioni la correlazione è particolarmente alta e mostra una
strutturale relazione tra i coefficienti e le temperature: a temperature più rigide corrispondano
Wkr più elevati e a temperature più miti corrispondano Wkr ridotti. La mancata correzione
dell’errore del profilo è possibilmente dovuta alla limitatezza dell’arco temporale del campione.
La stretta relazione, quantificata per il periodo 2008-2018, che lega i Wkr ai differenziali di
temperature fa supporre che questo errore non sia strutturale, ma casuale, in quanto valutata
su un orizzonte di soli due anni termici.
Il Wkr, in media, risulta valido per la correzione degli scostamenti associabili ai profili standard,
ma l’efficacia è ridotta nelle regioni climatiche più vaste, quali ad esempio Bari e Potenza. È
presumibile che nelle diverse aree geografiche associate alla medesima stazione meteorologica
le abitudini di consumo e la reazione alle temperature sia differente. L’applicazione di un singolo
coefficiente di correzione Wkr non riesce in questi casi a correggere efficacemente gli errori dei
profili dei PdR localizzati in queste aree.
-
31
Figura 17
AD 1 – FASCIA F - MAPE per Regione Climatica
-
33
7 Una proposta di revisione della componente c1% dei profili
standard
7.1 Definizione di una componente c1% alterativa:
Come discusso nella sezione precedente, la correzione dei profili standard tramite l’applicazione
dei Wkr giornalieri permette di ridurre gli scostamenti associabili ai profili standard, ma l’impatto
sulla riduzione degli errori è contenuto. Inoltre, il confronto delle curve di consumo effettivo e
quelle definite dai profili standard, discusso nella sezione 5, ha mostrato che alcuni profili
appaiono rilevare degli errori strutturali di stima o sovrastima dei prelievi in determinati
momenti dell’anno. Si è, quindi, proceduto alla stima di una componente c1% dei profili
alternativa a quella standard. La stima di questa nuova componente, basata su un approccio
econometrico, produce una nuova curva dei consumi, che limita gli errori dei profili standard, in
particolare nei mesi di spalla primaverili.
La procedura di calcolo delle componenti c1% si è basata sulla stima di un modello econometrico
analogo a quello utilizzato per il calcolo della reazione dei consumi alle temperature. Utilizzando
i dati di consumo dei soli PdR di categoria C1 contenuti nel campione dell’AD 1, è stato stimato
l’andamento dei consumi nel tempo e la reazione alle temperature. La scelta di utilizzare i soli
PdR con categoria C1 è finalizzata a facilitare l’identificazione più nitida possibile dell’andamento
dei consumi di gas naturale per la sola funzione di riscaldamento. Per queste tipologie di
consumatori, infatti, il profilo coincide con la sola componente c1%: i consumi totali sono,
quindi, utilizzati come misura dei consumi termici. Al contrario, per le altre tipologie di
consumatori, i consumi termici non sono noti, e dovrebbero quindi essere misurati tramite
l’applicazione dei coefficienti 𝜷, come fatto per la stima della reazione dei consumi alle
temperature presentata nella sezione 6.2. Si veda l’Appendice 5 per i dettagli tecnici della
procedura di stima.
Il modello econometrico, stimato separatamente per ciascuna fascia climatica, è definito dalla
seguente equazione:
𝐶𝑜𝑛𝑠𝑢𝑚𝑖 𝑡𝑒𝑟𝑚𝑖𝑐𝑖𝑖𝑘𝑟 = 𝑓(𝐻𝐷𝐷𝑘𝑟) + 𝑓(𝐻𝐷𝐷(𝑘−1)𝑟) + 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑖 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑙𝑜 + 𝜀𝑖𝑘𝑟
-
34
Le funzione di reazione alle temperature del giorno gas e del giorno precedente sono state
approssimate tramite polinomi, come fatto per il modello presentato nella sezione 6.2.
Le variabili di controllo includono gli elementi di stagionalità dei consumi infrasettimanale,
mensile e del periodo di accensione/spegnimento. Dato che vi sono più regioni climatiche
all’interno di ogni fascia, le stagionalità mensili e del periodo accensione/spegnimento sono
state declinate per regione climatica inclusa nella fascia climatica.
Una volta stimate le reazioni alle temperature, è stato possibile stimare l’andamento medio dei
consumatori tipo nell’anno in condizioni di temperature di riferimento. Questi sono stati stimati
applicando i coefficienti delle funzioni di reazione alle temperature ai valori dei HDD di
riferimento. A questa componente è stata aggiunta la componente di stagionalità.8
Come mostrato nella Figura 19, le nuove componenti c1% delineano una curva dei consumi
distinta da quelle definite dalle componenti c1% ad oggi definiti. La curva stimata tramite il
modello econometrico conferma, in generale, l’andamento stagionale dei consumi ad oggi
definiti, tuttavia mostra delle differenze. Nella Fascia E si delinea uno scostamento rilevante tra
le curve nei mesi di marzo e aprile. In questi mesi di spalla primaverili, la componente c1%
alternativa è risultata inferiore a quella delineata dal profilo standard, mentre nei mesi di pieno
inverno la curva è al di sopra di quella definita dall’Autorità. Quindi, nei mesi invernali i consumi
a temperature di riferimenti stimati dal c1% alternativo prevedono maggiori volumi di quelli
definiti dalla c1% originaria, mentre prevede consumi inferiori nei mesi di spalla primaverili.
Un risultato simile emerge per il mese di aprile nella Fascia D. Nei mesi centrali dell’inverno,
invece, le curve si sovrappongono. Nelle fasce più calde (B, C, D) il picco dei consumi previsto dal
c1% alternativo risulta a febbraio, contrariamente a quanto previsto dal profilo che la posizione
a gennaio. Questa differenza è presumibilmente da imputare al differente arco temporale sul
quale i profili sono stati stimati.
8 Al fine di soddisfare i vincoli legati del periodo di accensione/spegnimento, il coefficiente c1% stimato è stato posto
pari a quello definito nei profili standard nel periodo fuori accensione, mentre non è stato sottoposto a vincoli nel
periodo di accensione, è poi stato riponderato affinché la sommatoria dei consumi nell’anno termico pareggiasse 100.
-
35
0
0.2
0.4
0.6
0.8
1
1.2
10 10 10 11 11 12 12 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9
c1%
Fascia B - Componenti c1%
c1% da Profilo Standard
c1% alternativo
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
10 10 10 11 11 12 12 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9
c1%
Fascia C - Componenti c1%
c1% da Profilo Standard
c1% alternativo
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
10 10 10 11 11 12 12 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9
c1%
Fascia D - Componenti c1%
c1% da Profilo Standard
c1% alternativo
-
36
Figura 19
7.2 Correzione dei profili standard tramite l’applicazione della c1% alternativa
Al fine di valutare l’impatto sugli errori commessi dai profili di prelievo standard tramite la
sostituzione della componente c1% definita dai profili standard con quella alternativa
presentata nella sezione precedente, si è proceduto alla stima dei valori mediani degli errori
percentuali. Sono stati, inoltre, stimati gli errori assoluti percentuali ottenuti tramite la
correzione della componente c1% e l’applicazione dei Wkr. Questi sono stati poi confrontati agli
errori commessi dai profili standard e dai profili standard corretti tramite l’applicazione dei Wkr.
Come mostrato in Figura 20, la correzione dei profili tramite la sostituzione delle componenti
c1% alternative a quelle definite dall’Autorità produce una generalizzata riduzione dell’errore.
Questo risultato è valido per tutte le Fasce climatiche, ad eccezione della Fascia F. In questa la
correzione penalizza l’accuratezza della previsione dei consumi. Nelle altre fasce la riduzione dei
consumi previsti nei mesi di spalla e l’incremento degli stessi nei mesi centrali dell’inverno riduce
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
10 10 10 11 11 12 12 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9
c1%
Fascia E - Componenti c1%
c1% da Profilo Standard
c1% alternativo
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
10 10 10 11 11 12 12 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9
c1%
Fascia F - Componenti c1%
c1% da Profilo Standard
c1% alternativo
-
39
8 Risultati dell’analisi sui dati campionari:
Lo studio condotto tramite l’uso di dati campionari di consumi giornalieri di PdR dotati di smart
meters mostra una robusta evidenza quantitativa del fatto che parte dei consumi termici
risponda effettivamente alle temperature del giorno e alle loro deviazioni dalle medie di
periodo.
I coefficienti di correzione climatica Wkr, calcolati come rapporto tra i consumi stimati a
temperature effettive e i consumi stimati a temperature di riferimento, riducono in media gli
scostamenti associabili al metodo di load profile tra il 7% e lo 0%. In alcuni casi specifici,
l’applicazione dei Wkr ha un effetto marginalmente peggiorativo della precisione delle previsioni
di consumo. La riduzione degli scostamenti associabili ai profili standard è meno rilevante nelle
fasce climatiche più calde, dove i consumi di gas sono meno sensibili alle temperature e queste
variano meno. La riduzione dell’errore è generalmente limitata in ragione del fatto che
l’applicazione dei Wkr ai profili di prelievo standard permette solo scostamenti parziali dalle
curve di consumi previsti dai profili stessi.
La valutazione quantitativa della validità dei profili standard ha evidenziato come questi colgono
la stagionalità dei consumi nei periodi di pieno inverno, ma non possono coglierne la variabilità
giornaliera. Inoltre, in particolare nella fascia D ed E, i profili commetto errori strutturali di
sovrastima dei consumi nei mesi di marzo e aprile. Infine, l’analisi dei dati ha mostrato che gli
andamenti dei consumi effettivi non mostrano alcune delle caratteristiche previste dal tipo di
profilo standard. Questa disparità potrebbe derivare da un’erronea assegnazione della categoria
di profilo standard ai PdR: in media, ad esempio, i PdR con categoria d’uso C1 del campione
analizzato – categoria a cui viene assegnato un profilo che non prevede consumi nel periodo
estivo - mostrano invece prelievi positivi nei periodi di spegnimento degli impianti di
riscaldamento; un altro esempio è l’andamento dei consumi dei PdR a cui è associato un profilo
industriale (T2) che mostrano caratteristiche di variabilità infrasettimanale diverse da quelle
definite nei profili (es. non si vede dai dati il completo azzeramento nei fine settimana dei
consumi dei PdR con categoria d’uso T2 di classe 2 o 3).
L’applicazione dei coefficienti Wkr non riesce a correggere gli errori strutturali legati alla forma
delle curve di consumo definite dai profili di prelievo. È, quindi, stata definita una possibile
revisione della componente c1% dei profili finalizzata alla correzione degli errori strutturali dei
-
40
profili standard con componente termica. Tramite approccio econometrico sono state stimate
curve di consumo termico (c1%) alternative a quelle attualmente in uso. L’applicazione dei c1%
alternativi corregge gli errori in tutte le fasce climatiche, ad eccezione della fascia F. La
correzione è maggiormente rilevante nelle fasce D e E, in particolare nei mesi primaverili.
La modifica della componente c1% dei profili e la contestuale applicazione dei coefficienti Wkr
permettono di ottenere la maggiore riduzione degli errori, in termini di errori con valori che
variano tra il 4% e il 14%
I risultati ottenuti tramite l’analisi dei dati campionari mostrano, quindi, che l’applicazione dei
coefficienti Wkr ha un impatto contenuto sulla riduzione degli errori dei profili, ma che la
correzione di alcune componenti dei profili, in primis della componente c1%, può permettere
una riduzione degli errori più significativa. Questi risultati, tuttavia, sono limitati alla sola analisi
degli errori mediani associati alle previsioni di consumo in due soli anni termici del periodo
d’analisi per il solo campione. L’utilizzo di questa misura d’errore e l’applicazione ai soli dati
campionari di PdR dotati di smart meter può essere considerata conservativa per la misura degli
effetti che questi possono avere sulla riduzione dei scostamenti registrati tra le immissioni
giornaliere effettive e i prelievi profilati tramite l’applicazione dei profili standard ai PdR
sottostanti .
Si è, quindi, proceduto a verificare, tramite analisi quantitativa, l’impatto dell’applicazione dei
coefficienti di correzione climatica Wkr e della modifica delle componenti dei profili standard ai
dati (reali e stimati) comunicati in sede di Sessione di Bilanciamento e valutando gli scostamenti
rispetto agli immessi per un periodo più esteso. Nella sezione successiva sono presentati i
risultati di questa analisi.
-
41
9 Fase di test del modello di stima del parametro Wkr e dei
profili di prelievo
La metodologia sviluppata per la stima dei coefficienti climatici permette di calcolarne il valore
anche al di fuori del periodo d’osservazione del campione (AT 2016-2017, 2017-2018).
Al fine di valutare/testare l’effetto migliorativo che l’applicazione dei Wkr e la revisione dei
profili proposta hanno sulla precisione delle previsioni di prelievo atteso, è stata sviluppata
un’analisi quantitativa dell’impatto di queste soluzioni sui valori dei differenziali di volumi
immessi giornalmente alle REMI e i volumi profilati tramite l’utilizzo dei profili. L’analisi è stata
condotta sul periodo 1/10/2014-31/12/2018. Dato che questo orizzonte temporale è più ampio
di quello di campionamento, in base al quale è stata sviluppata la stima dei Wkr, l’esercizio ha
permesso di valutare la validità delle stime dei Wkr e della revisione dei profili per periodi diversi
da quello del campione. L’evidenza quantitativa ottenuta sarà a base delle decisioni
d’applicazione dei coefficienti Wkr e di modifica dei profili al fine di ridurre lo scostamento tra
immessi e dati reali e stimati comunicati in sede di sessione di bilanciamento nei periodi futuri.
Dall’analisi emerge che, in media, l’applicazione dei Wkr ha un impatto positivo in termini di
riduzione dello scostamento tra immessi e dati reali e stimati comunicati in sede di sessione di
bilanciamento su base nazionale e in ogni regione climatica. La modifica dei profili di prelievo
riduce i differenziali in alcune regioni climatiche, in particolare nelle regioni climatiche che
includono zone geografiche nelle fasce D ed E. Nelle regioni climatiche più calde, la revisione
dei profili ha, in alcuni casi, un effetto negativo per la riduzione dello scostamento tra immessi
e dati reali e stimati comunicati in sede di sessione di bilanciamento. La scelta dell’adozione della
revisione dei profili proposta e dell’applicazione dei Wkr dovrebbero, quindi, essere specifiche
per regione climatica.9
9 Resta fermo che lo scostamento tra immessi e dati reali e stimati comunicati in sede di sessione di bilanciamento, in generale è dipendente anche da fattori ulteriori rispetto all’errore di profilatura oggetto del presente studio, che esulano dalla trattazione e pertanto non sono considerati nell’ambito del progetto.
-
42
9.1 L’impatto a livello nazionale
Una prima quantificazione della riduzione degli scostamenti associabili ai profili standard dei
volumi di consumo è svolta su base nazionale. Per ogni giorno-k nel periodo 1/10/2014-
31/12/2018 sono stati calcolati gli scostamenti tra immessi e dati reali e stimati comunicati in
sede di sessione di bilanciamento profilati e aggregati su base giornaliera secondo la seguente
formula:
𝑆𝑐𝑜𝑠𝑡𝑎𝑚𝑒𝑛𝑡𝑜𝑘 = ∑𝑟∑𝑅𝐸𝑀𝐼,𝑟𝐼𝑁𝑘𝑟 − ∑𝑟∑𝑅𝐸𝑀𝐼,𝑟∑𝑃𝑅𝑂𝐹(𝑃𝑘𝑟)
Gli scostamenti rappresentano, quindi, il differenziale giornaliero delle immissioni aggregate per
l’intero territorio nazionale in un dato giorno e i prelievi previsti per il giorno stesso. I valori di
immissione e di prelievo giornalieri sono, quindi, sommati tra tutte le regioni.10
Al fine di valutare l’impatto dell’applicazione dei Wkr e delle correzioni dei profili, i prelievi
previsti (Pkr) sono stati calcolati secondo 4 metodi alternativi:
1. l’utilizzo dei profili di prelievo standard (con Wkr sempre pari a 1)
2. l’utilizzo dei profili di prelievo standard cui sono stati applicati i Wkr stimati nella sezione 5
3. l’utilizzo di profili di prelievo rivisti, ovvero cui sono stati apportate le seguenti modifiche:
a. alla componente c1% definita dall’Autorità è stata sostituita, per tutte le fasce
climatiche ad eccezione della fascia F, la componente stimata nella sezione 6
b. la componente c2% è stata modificata, riducendo il valore definito dall’Autorità del 42%
nel periodo 15 maggio-30 settembre, e riscalando i coefficienti fuori di questo periodo
affinché la sommatoria nell’AT pareggiasse 10011
4. l’utilizzo di profili di prelievo modificati (come al punto 3) cui sono stati applicati i Wkr stimati
Gli scostamenti assumono valori positivi quando le immissioni sono superiori ai prelievi previsti
dai profili, e negativi nel caso opposto. Al fine di confrontare i volumi totali degli errori commessi
dai profili calcolati secondo i 4 metodi, sono stati misurati i valori assoluti degli scostamenti su
base giornaliera. Ciò permette di valutarne l’andamento dello scarto totale all’interno del
periodo d’analisi e calcolare lo scarto totale come la somma dei differenziali. La sommatoria dei
10 I volumi di prelievo previsto sono aggregati tra tutti i profili sottostanti una specifica REMI, a prescindere dalla frequenza delle rilevazioni, e tra tutti gli UdB attivi nella fascia. 11 Stima risultato dell’analisi dei dati di misura con frequenza di lettura mensile comunicati dalle AD in sede di sessione di bilanciamento e aggiustamento.
-
43
valori assoluti fa sì che gli scarti positivi si sommino a quelli negativi e che non si compensino
con essi.
La Figure 22, 23 e 24 mostrano l’andamento giornaliero degli scarti (in valore assoluto) che
risultano dall’applicazione dei profili standard e da ciascuna delle correzioni proposte. Figura 22
confronta l’andamento degli scarti associati ai profili standard con quelli associati ai profili
standard cui sono applicati i Wkr; Figura 23 confronta gli scarti dei profili standard con quelli dei
profili modificati valutarne l’andamento dello scarto totale all’interno del periodo d’analisi;
Figura 24 confronta gli scarti dei profili standard con quelli dei profili modificati cui sono applicati
i coefficienti Wkr. Come si vede in Figura 22, l’applicazione dei Wkr permette di ridurre gli
scostamenti associabili ai profili standard dovuti all’andamento delle temperature, riducendo gli
scarti giornalieri e in particolare gli errori estremi. La modifica dei profili permette, invece, di
ridurre gli errori strutturali dovuti all’uso dei profili standard, in particolare nei mesi di spalla
primaverili (si veda Figura 23). Infine, la Figura 24 mostra come la modifica dei profili e
l’applicazione dei coefficienti Wkr permettano di combinare le due correzioni riducendo gli
scostamenti nei mesi di spalla e gli degli scostamenti associabili ai profili standard legati
all’andamento delle temperature.
Figura 22
-
44
Figura 23
Figura 24
-
45
Nel periodo considerato, l’uso dei profili standard ha prodotto su base nazionale una
percentuale degli scostamenti assoluti tra immissioni e prelievi previsti rispetto alle immissioni
pari a poco più del 11,5 %. L’applicazione dei Wkr riduce questo scarto a circa il 10,12 % e la
modifica dei profili permette di ottenere un risultato analogo (10,27%). La riduzione maggiore è
ottenuta tramite la modifica dei profili e l’applicazione dei Wkr. In questo caso la percentuale è
pari al 8,21%, ovvero pari al 70% dello scarto risultante dall’uso dei profili standard.
Gli scostamenti giornalieri in valore assoluto sono, poi, stati sommati in base all’anno termico
di riferimento (AT). Ciò ha permesso di verificare che gli effetti della modifica dei profili e
dell’applicazione dei Wkr discussi sopra siano strutturali e non siano limitati ad un periodo
specifico.
Come mostrato in Figura 25, le correzioni dei profili tramite modifica delle componenti e
applicazione di Wkr apportano in ogni AT un miglioramento in termini di riduzione degli
scostamenti tra immessi e la sommatoria dei dati reali e stimati comunicati in sede di sessione
di bilanciamento. In ciascun AT, le riduzioni degli errori hanno una dimensione analoga. Fa
eccezione l’AT 2018-2019, ma ciò è dovuto al fatto che per questo AT sono stati utilizzati i
valori degli scostamenti per i soli primi tre mesi dell’anno termico (ottobre-dicembre 2018). In
ogni AT la riduzione maggiore del valore totale degli scarti è ottenuta tramite la modifica dei
profili combinata all’applicazione dei coefficienti Wkr.
Figura 25 – L’anno riportato in Figura indica l’Anno Termico oggetto di analisi (es. 2014 AT 2014-2015)
-
46
9.2 L’impatto per regione climatica
L’evidenza ottenuta tramite il calcolo dei differenziali giornalieri su base nazionale presentata
nella sezione precedente ha mostrato che l’applicazione dei coefficienti Wkr ai profili modificati
nelle componenti c1% e c2% permette di ottenere la maggiore riduzione degli scarti.
Tuttavia, come mostrato nelle sezioni 5 e 6, gli effetti delle correzioni sono eterogenei e variano
tra regione climatica e fascia climatica. Si è, quindi, proceduto a quantificare la riduzione degli
scarti in ciascuna regione climatica.
L’analisi specifica per regione climatica permette, infatti, di valutare quale delle tre correzioni
dei profili (modifica delle componenti c1% e c2%, applicazione dei Wkr o entrambe) sia la
soluzione più efficace per la riduzione degli scarti.
In modo analogo a quanto fatto su base nazionale, sono stati calcolati scostamenti per ogni
regione climatica (aggregati su base giornaliera secondo la seguente formula:
𝑆𝑐𝑜𝑠𝑡𝑎𝑚𝑒𝑛𝑡𝑜𝑘𝑟 = ∑𝑅𝐸𝑀𝐼,𝑟𝐼𝑁𝑘𝑟 − ∑𝑅𝐸𝑀𝐼,𝑟∑𝑃𝑅𝑂𝐹(𝑃𝑘𝑟)
Gli scostamenti rappresentano, quindi, il differenziale delle immissioni regione climatica e i
prelievi previsti aggregati per ciascuna regione climatica su base giornaliera.
Al fine di valutare l’impatto dell’applicazione dei Wkr e delle modifiche dei profili, i prelievi
previsti (Pkr) sono stati calcolati secondo i 4 metodi utilizzati nella sezione precedente.
Gli scostamenti sono, poi, calcolati in valore assoluto e aggregati per regione climatica nell’intero
periodo 1/10/2014-31/12/2018. La sommatoria degli scostamenti in valore assoluto fa sì che i
valori dei differenziali giornalieri negativi non compensino quelli positivi: la sommatoria così
calcolata permette di misurare il volume totali degli scostamenti nel periodo.
Si noti che la sommatoria su base nazionale degli scostamenti totali calcolati in valore assoluto
per ciascuna regione è superiore alla sommatoria degli scostamenti nazionali, analizzati nella
sezione precedente. Dato che gli scostamenti regionali sono utilizzati in valore assoluto, i valori
positivi riscontrati in una regione non compensano quelli negativi ottenuti in una regione
differente nel medesimo giorno. Al contrario, il metodo di calcolo degli scostamenti su base
nazionale usato nella sezione precedente permetteva questa compensazione.
La Figura 26 riporta i pesi percuentuali degli scostamenti regionali aggregati su base nazionale
nel periodo rispetto al valore delle immissioni: gli scostamenti più elevati risultano
-
47
dall’applicazione dei soli profili standard. Questi ammontano a circa il 15,5%. L’applicazione dei
coefficienti Wkr ai profili standard riduce del 1,2% il peso percentuale . La sostituzione dei profili
standard con quelli corretti ottiene un risultato simile, riducendo ulteriormente gli errori (circa
l’1%). La riduzione maggiore è ottenuta tramite la combinazione della revisione dei profili e
l’applicazione dei coefficienti Wkr, che permetti di ridurre il peso percentuale di oltre il 2,5%,
ovvero riduce gli scostamenti del 27%.
Figura 26
In percentuale gli scostamenti assoluti regionali con Profili Standard rispetto agli immessi
appaiono distributi come mostrato in Figura 27; tuttavia, in valore assoluto gli scostamenti
regionali con Profili Standard sono più elevati nelle regioni climatiche più fredde e popolate,
quali quelle di Milano, Venezia, Torino e Bologna, che includono gran parte delle aree
geografiche nella fascia climatica E e che rappresentano oltre il 60% della sommatoria dei dati
reali e stimati comunicati in sede di sessione di bilanciamento.
-
48
Figura 27
È stato, quindi, calcolato l’impatto che l’adozione dei profili rivisti e l’applicazione dei Wkr ai
profili standard e modificati hanno in ciascuna regione climatica.
La Figura 28 mostra la riduzione degli scostamenti ottenuti adottando una delle tre modifiche
rispetto alla semplice applicazione dei profili di prelievo standard. Nella regione di Milano si
registra il miglioramento più rilevante in termini assoluti: l’applicazione dei profili rivisti e dei
coefficienti Wkr permette di ridurre il peso percentuale degli scostamenti di quasi il 3,4%
rispetto alla sola applicazione dei profili di prelievo standard. Sempre in termini assoluti seguono
la regione di Venezia, dove i pesi percentuali dei differenziali sono ridotti di circa il 4,5% e Torino,
dove si registra una riduzione del 4%. Queste regioni includono prevalentemente aree
geografiche nella fascia E. Come descritto nella sezione 6, questa è la fascia in cui la revisione
della componente c1% risulta più sostanziale, apportando una riduzione dei volumi di prelievo
atteso nei mesi di marzo e aprile.
Nei casi di Bo