EcoRating de territorios

Este documento especifica el modelo EcoRating Ciudades 3.0: la caracterización del dato eléctrico de un territorio y su procesamiento hasta obtener los tres ecoatributos —Fuerza, Ritmo y Equilibrio—, la calificación EcoRating y el impacto del territorio respecto a los objetivos de descarbonización.

El modelo se ejecuta en cuatro etapas:

1. Entrada. Conjuntos de datos y parámetros que delimitan el ámbito y el periodo del cálculo.
2. Control. Verificación de coherencia entre fuentes, detección de valores atípicos y trazado del origen de cada dato.
3. Salida. Consumo eléctrico, huella de carbono y sus variaciones por ciudad, sector económico y distrito censal.
4. Calificación. Ecoevidencias, ecoatributos, EcoRating comparativo e impacto respecto al objetivo de 2030.

Conjuntos de datos.

ESIOS

Generación libre de CO₂ (10006), demanda nacional (1293), generación de energía eólica (551) y generación de energía solar (1295).

datadis_pub_energy

Consumo eléctrico por municipio y sector económico.

poblacion

Población de cada municipio en 2023.

d_ree_co2

Emisiones de CO₂.

aemet

Datos meteorológicos diarios.

d_ine_census_dists

Código INE, distrito y código postal.

cities_coordinates

Latitud, longitud y altitud de cada ciudad.

Parámetros de ejecución.

ecorating_city

Booleano. Ejecuta el EcoRating de ciudades.

ecorating_province

Booleano. Ejecuta el EcoRating de provincias.

ecorating_community

Booleano. Ejecuta el EcoRating de comunidades autónomas.

electricity-co2

Booleano. Ejecuta el consumo eléctrico y el CO₂ emitido de los últimos 12 meses a nivel municipal, provincial y de comunidad autónoma.

ecoatributo_distrito

Booleano. Ejecuta el cálculo de los ecoatributos para los distritos.

city_boom_board

Booleano. Ejecuta el cálculo de las gráficas del City Bloom Board.

frequency

Cadena. Periodicidad del análisis del City Bloom Board: M mensual; W semanal empezando en domingo; W-MON, W-TUE, W-WED, W-THU, W-FRI, W-SAT o W-SUN para fijar el día de inicio de la semana.

model

Cadena. Indica si se ejecuta el modelo simple o el compuesto.

municipality

Cadena. Nombre del municipio por el que se filtra.

province

Cadena. Provincia por la que se filtra.

start_date

Cadena. Comienzo de los datos.

end_date

Cadena. Final de los datos.

ine_code

Cadena. Código INE por el que se filtra.

economic_sector

Cadena. Sector económico sobre el que se realizan los cálculos.

Antes de aplicar ningún cálculo se comprueba que los datos de Datadis, ESIOS y d_ree_co2 coincidan en fechas. Para ello se calcula el mínimo entre los máximos de ESIOS y de d_ree_co2. Si los registros de Datadis son posteriores a ese mínimo, el proceso devuelve el error Por favor, introduce el mismo rango de datos para datadis.

Además, para aplicar los cálculos del EcoRating se comprueba que exista un histórico de al menos 24 meses en Datadis. El cálculo requiere meses completos, por lo que si el último mes con datos no llega al último día del mes, dicho mes se elimina.

Para detectar valores atípicos en el consumo eléctrico se emplea el Z-score modificado. Los datos se segmentan mediante columnas auxiliares de estación, día de la semana y sector económico; dentro de esos grupos se identifican como outliers los registros cuya desviación respecto a la mediana supera el umbral de 3,5. Dichos valores se sustituyen por NaN para ser rellenados posteriormente por el método de imputación de valores faltantes.

Se definen como ecoevidencias las variables fundamentales utilizadas para calcular los tres ecoatributos —Fuerza, Ritmo y Equilibrio—. En el análisis de territorios, las ecoevidencias son el CO₂ emitido y el consumo eléctrico.

La Fuerza mide el impacto acumulado desde 2023. Sobre el consumo energético mide el impacto acumulado del ahorro energético del territorio; sobre el CO₂ emitido, el impacto acumulado de su descarbonización.

Para calcular ese impacto se define, para cada mes del año, un mes inicial —el primer mes del que existe registro— y se aplica la siguiente operación, tanto al consumo como al CO₂ emitido:

El valor resultante se traduce en una puntuación de 0 a 10 mediante escalas específicas por nivel territorial, ya que la magnitud del impacto acumulado no es comparable entre un distrito y una comunidad autónoma.

El Ritmo mide la estabilidad de la tendencia histórica de las variaciones desde 2023 respecto al mes más reciente. Para el consumo energético y para el CO₂ emitido se aplica la tasa de variación interanual de cada mes, invirtiendo el signo para que un valor positivo signifique que hubo ahorro o que disminuyeron las emisiones:

Para cada mes del año se calcula la mediana de las tasas interanuales históricas y se compara con la tasa de variación del último año. De esa comparación surgen los siete escenarios posibles de la tabla siguiente. Como se obtienen doce puntuaciones —una por mes— y el objetivo es consolidar una única calificación global, se aplica la moda estadística: si el conjunto es multimodal —varios valores con la misma frecuencia máxima—, se selecciona el mínimo, penalizando de forma conservadora el resultado para que el territorio sea consciente del escenario menos favorable en caso de estancamiento o igualdad de condiciones.

El Equilibrio mide la relación entre el consumo horario de energía eléctrica verde —solar y eólica— y el de origen fósil. Para calcularlo se determina el consumo verde y no verde de cada hora a partir de la generación solar y eólica horaria, se suman para obtener el consumo verde y no verde diario en kWh y, a partir de ahí, el consumo verde y no verde mensual.

Sobre ambas series se aplica la correlación de Spearman. A diferencia de la de Pearson, Spearman evalúa la relación monótona entre las variables sin asumir que sea lineal ni que los datos sigan una distribución normal, lo que resulta idóneo para datos energéticos porque:

• Mide si al aumentar el consumo de energía verde existe una tendencia constante de reducción —o de aumento— del consumo no verde.
• Es menos sensible a valores atípicos producidos por picos de generación o fallos puntuales en la red.

El EcoRating agrupa a las ciudades por su categoría de población y establece un ranking según su desempeño en los ecoatributos. La calificación resultante se interpreta siempre en términos comparativos frente a municipios del mismo volumen de población.

Para calcular el impacto es necesario definir un objetivo de referencia. De acuerdo con las metas para 2030 del Plan Nacional Integrado de Energía y Clima (PNIEC), se establece como objetivo alcanzar un 81 % de energía renovable en la generación del sistema eléctrico.

Paralelamente, la estrategia de descarbonización prevé una intensa electrificación de la economía, lo que implica trasladar consumos asociados al alcance 1 —emisiones directas por combustión de fósiles, como calderas o vehículos— hacia el alcance 2 —emisiones indirectas por consumo de electricidad de la red—. Como consecuencia, aunque el consumo de energía eléctrica aumentará a nivel municipal, las emisiones globales netas disminuirán gracias a la progresiva limpieza del mix eléctrico. Bajo esa misma justificación se adopta como premisa que a nivel nacional debe reducirse un 81 % la huella de carbono asociada al sector eléctrico para 2030, trasladando este objetivo vinculante al ámbito provincial.

Ante la ausencia de registros históricos de consumo energético municipal para el año de referencia de 1990, se establece 2023 como línea base del modelo para cuantificar el impacto y el aporte de cada municipio respecto al objetivo provincial de 2030.

Metodológicamente debe considerarse que la progresiva penetración de las renovables altera la curva de emisiones horaria, generando ventanas temporales donde la generación verde es dominante y la intensidad de carbono de la red disminuye drásticamente. En consecuencia, los municipios cuya curva de demanda coincida con esas horas de máxima producción limpia verán reducida su huella de carbono de forma natural.

Para ponderar esa asimetría se define un factor de facilidad que discrimina entre municipios de perfil industrial y de servicios —cuyo consumo es predominantemente diurno y, por tanto, más eficiente— y municipios eminentemente residenciales, cuya demanda es más rígida y se desplaza hacia horas nocturnas.

El factor de dificultad es el inverso del factor de facilidad:

Por lo tanto, el objetivo de cada municipio es:

Se calcula la huella de carbono a nivel provincial y municipal sumando el CO₂ emitido cada año. Establecido el objetivo municipal y calculada la huella de cada año y municipio, se determina cuánto le falta al municipio para alcanzar su meta de 2030:

Para saber cuánto aporta un municipio a la reducción global de la provincia:

Y para calcular el aporte de cada municipio al objetivo del 81 % provincial a 2030:

Bajo el mismo principio metodológico, el objetivo de reducción del 81 % es escalable y vinculante a nivel de comunidad autónoma: dado que el PNIEC establece las metas de descarbonización y transición energética para el conjunto del Estado, la agregación de los esfuerzos provinciales debe alinearse de manera simétrica con los objetivos globales de su región. Las dos expresiones anteriores se replican, por tanto, sustituyendo el municipio por la provincia y la provincia por la comunidad autónoma.

Los datos se normalizan previamente entre 0,0001 y 1. El siguiente ejemplo asume que la serie comienza en enero de 2023, por lo que los meses iniciales son los doce meses de 2023.