Empoderando a los consumidores de electricidad por medio de la respuesta a la demanda: Porqué y cómo

Weiss, Mariana et al. Working Paper Empoderando a los consumidores de electricidad por medio de la respuesta a la demanda: Porqué y cómo IDB Working Paper Series, No. IDB-WP-1312 Provided in Cooperation with: Inter-American Development Bank (IDB), Washington, DC Suggested Citation: Weiss, Mariana et al. (2022) : Empoderando a los consumidores de electricidad por medio de la respuesta a la demanda: Porqué y cómo, IDB Working Paper Series, No. IDBWP-1312, Inter-American Development Bank (IDB), Washington, DC, https://doi.org/10.18235/0004184 This Version is available at: https://hdl.handle.net/10419/290063 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by-nc-nd/3.0/igo/legalcode Empoderando a los consumidores de electricidad por medio de la respuesta a la demanda: Porqué y cómo Autores: Mariana Weiss Enrique Chueca Jorge Jacob Felipe Gonçalves Marina Azevedo Adriana Gouvêa Pauline Ravillard Michelle Hallack DOCUMENTO DE TRABAJO DEL BID No IDB-WP-1312 Banco Interamericano de Desarrollo División de Energía Marzo 2022 Empoderando a los consumidores de electricidad por medio de la respuesta a la demanda: Porqué y cómo Autores: Mariana Weiss Enrique Chueca Jorge Jacob Felipe Gonçalves Marina Azevedo Adriana Gouvêa Pauline Ravillard Michelle Hallack Banco Interamericano de Desarrollo División de Energía Marzo 2022 Catalogación en la fuente proporcionada por la Biblioteca Felipe Herrera del Banco Interamericano de Desarrollo Empoderando a los consumidores de electricidad por medio de la respuesta a la demanda: por qué y cómo / Enrique Chueca, Mariana Weiss, Jorge Jacob, Felipe Gonçalves, Marina Azevedo, Adriana Gouvêa, Pauline Ravillard, Michelle Hallack. p. cm. — (Documento de trabajo del BID ; 1312) Incluye referencias bibliográficas. 1. Energy consumption-Latin America. 2. Energy consumption-Caribbean Area. 3. Electric utilities-Rates- Latin America. 4. Electric utilities-Rates-Caribbean Area. I. Chueca Montuenga, Enrique. II. Weiss, Mariana. III. Jacob, Jorge. IV. Gonçalves, Felipe. V. Azevedo, Marina. VI. Gouvêa, Adriana. VII. Ravillard, Pauline. VIII. Hallack, Michelle, 1983- IX. Banco Interamericano de Desarrollo. División de Energía. X Serie. IDB-WP-1312 http://www.iadb.org Copyright © [2022] Banco Interamericano de Desarrollo. Esta obra se encuentra sujeta a una licencia Creative Commons IGO 3.0 Reconocimiento-NoComercial-SinObrasDerivadas (CC-IGO 3.0 BY-NC-ND) (http://creativecommons.org/licenses/by-nc- nd/3.0/igo/legalcode) y puede ser reproducida para cualquier uso no-comercial otorgando el reconocimiento respectivo al BID. No se permiten obras derivadas. Cualquier disputa relacionada con el uso de las obras del BID que no pueda resolverse amistosamente se someterá a arbitraje de conformidad con las reglas de la CNUDMI (UNCITRAL). El uso del nombre del BID para cualquier fin distinto al reconocimiento respectivo y el uso del logotipo del BID, no están autorizados por esta licencia CC-IGO y requieren de un acuerdo de licencia adicional. Después de un proceso de revisión por pares, y con el consentimiento previo del Banco Interamericano de Desarrollo (BID), una versión revisada de esta obra puede reproducirse en cualquier revista académica, incluyendo aquellas indizadas en EconLit de la Asociación Americana de Economía, siempre y cuando se reconozca la autoría del Banco y el autor o autores del documento no hayan percibido remuneración alguna derivada de la publicación. Por lo tanto, la restricción para recibir ingresos de dicha publicación sólo se extenderá al autor(s) de la publicación. Con respecto a dicha restricción, en caso de cualquier incompatibilidad entre la licencia Creative Commons IGO 3.0 Atribución-No comercial - NoDerivatives y estas declaraciones, prevalecerán estas últimas. Note que el enlace URL incluye términos y condiciones adicionales de esta licencia. Las opiniones expresadas en esta publicación son de los autores y no necesariamente reflejan el punto de vista del Banco Interamericano de Desarrollo, de su Directorio Ejecutivo ni de los países que representa. Mariana Weiss, Enrique Chueca, Jorge Jacob, Felipe Gonçalves, Marina Azevedo, Adriana Gouvêa, Pauline Ravillard, Michelle Hallack MARZO 2022 Empoderando a los CONSUMIDORES DE ELECTRICIDAD POR MEDIO DE LA RESPUESTA A LA DEMANDA: Por qué y cómo 22 EMPODERANDO A LOS CONSUMIDORES DE ELECTRICIDAD POR MEDIO DE LA RESPUESTA A LA DEMANDA POR QUÉ Y CÓMO Mariana Weiss, Enrique Chueca, Jorge Jacob, Felipe Gonçalves, Marina Azevedo, Adriana Gouvêa, Pauline Ravillard, Michelle Hallack 1 Marzo 2022 1. Los autores desean agradecer a Tomás Serebrisky, Ana María Rojas y al revisor cegado, por las valiosas sugerencias. 33 Tabla de Contenidos Resumen 5 1 Introducción 6 2 ¿Cuáles son las políticas de respuesta a la demanda disponibles? 8 2.1 Programas de RD basados en precios 10 2.2 Programas basados en incentivos por contrato 13 3 ¿Cuálessonlosbeneficiosesperados de la respuesta a la demanda? 14 4 Programas de respuesta a la demanda aplicados al sector residencial 18 4.1 Ejemplos de programas de respuesta general a la demanda residencial en ALC 20 4.2 Ejemplos de proyectos piloto para programas de respuesta a la demanda residencial 20 5 Metodología y diseño del experimento de respuesta a la demanda 23 5.1 Antecedente teórico de la metodología 23 5.2 Diseño experimental 24 5.2.1 Muestra 24 5.2.2 Principales objetivos y predicciones 26 6 Resultados y discusión 33 6.1 Experimento principal: Plan de horas pico preferido 33 6.2 Percepción psicológica del sentido de agencia y efectos de moderación 36 6.3 Sensibilidad al precio 37 6.4 Efecto de los recordatorios 40 6.5 ¿Quiénes son los que más aceptan? 41 7 Conclusiones y lecciones aprendidas 43 Bibliografía 46 44 ANEXO 50 A.1. Ingreso per cápita promedio y costo de la factura de la electricidad del hogar: Una comparación entre los resultados de la muestra y la encuesta nacional de hogares de Brasil 51 A.2. Cuestionario del experimento en formato original 54 A.3. Sensibilidad al precio de los participantes 69 Lista de Figuras Figura 1. Servicios de respuesta a la demanda 9 Figura 2. Comparación de diferentes programas de precios dinámicos 12 Figura 3. Influencias del cambio de comportamiento 24 Figura 4. Distribución relativa del consumo de electricidad a lo largo del día 27 Figura 5. Condiciones experimentales 31 Figura 6. Sumario de condiciones experimentales 34 Figura 7. Principales resultados del experimento 34 Figura 8. Porcentaje promedio del ingreso dedicado a pagar la factura de la electricidad 38 Figura 9. Probabilidad de cambiar el tiempo de consumo 38 Lista de Tablas Tabla 1. Muestra por país 25 Tabla 2. Estadística general 26 Tabla 3. Resultados de regresión logística 35 Tabla 4. Resultados de regresiones logísticas de agencia 36 Tabla 5. Resultados de la sensibilidad al precio 39 Tabla 6. Efecto medio del recordatorio de diferentes consumos 41 Tabla 7. Perfil de los combustibles utilizados por participante en los experimentos según preferencia de RD 42 Lista de Cajas Caja 1. El rol de la AMI en los programas de respuesta a la demanda residencial 19 55 55 Resumen Los avances masivos de la digitalización han hecho que los programas de Respuesta a la demanda (RD) en el sector residencial sean factibles; sin embargo, la mayoría de los hogares en la región de América Latina y el Caribe (ALC) no conocen esta clase de programas. En este informe, los autores exploran experimentos sobre la disposición de los consumidores residenciales a adoptar RD para reducir sus facturas. Los autores analizan la probabilidad de que los hogares de ingresos bajos y medios en 11 países de ALC adopten un plan de RD. Los cuestionarios contaron con explicaciones sobre los propósitos y beneficios de los programas de RD. Los autores también analizaron la clase de tecnología de comunicación a la que es más probable que los consumidores respondan. La mayoría de los entrevistados entendieron que sería justo tener tarifas de horas pico y horas valle para cubrir los costos de suministro. En tres de los cinco casos analizados, más del 50% de los entrevistados optaron por pasarse a un plan de RD. Esos fueron el caso de los programas de RD con una meta de ahorro pico y un descuento preacordado, y el control del calentador o aire acondicionado por parte de la empresa de servicios públicos durante las horas pico. Los resultados sugieren que los diseñadores de políticas deberían comenzar a considerar los programas de respuesta a la demanda como una herramienta para aumentar la asequibilidad de los servicios de electricidad para los consumidores residenciales. Para eso, es importante considerar también la curva de aprendizaje que se requerirá de los usuarios, proveedores de servicios y reguladores. 1212 Todos los mecanismos de RD presentan una significativa compensación entre el nivel de incentivos para la participación por el lado de la demanda y la complejidad del mecanismo de RD interpretada como un riesgo para el consumidor. La Figura 2 ilustra el intercambio de diferentes programas de precios dinámicos. Las tarifas planas por defecto son el mecanismo con menor complejidad y menores incentivos. Entre las muchas opciones que se muestran en la Figura 2, los clientes más reacios al riesgo probablemente opten por una tarifa plana, que permanece constante independientemente de la volatilidad en sus perfiles de carga o sus precios de electricidad. Figura 2. Comparación de diferentes programas de precios dinámicos Fuente: Preparado por los autores, adaptado de Faruqui y Bourbonnais (2020) La complejidad de los mecanismos de RD basados en precios aumenta a medida que aumentan sus incentivos para la participación de los consumidores (Figura 2). ToU (por sus siglas en inglés) tiene menores incentivos, complejidad y riesgo para el consumidor que el mecanismo basado en el precio presentado. CPR presenta baja complejidad y altos incentivos para alentar la adhesión de los consumidores. La baja complejidad se puede explicar probablemente por la adhesión a las tarifas planas. Los altos niveles de incentivos pueden estar relacionados con que los consumidores nunca paguen un precio más alto en esa modalidad. De hecho, reciben un descuento debido a la reducción de la demanda durante las horas pico. El Precio Pico Crítico (CPP por sus siglas en inglés) tiene las mismas tarifas con el mismo nivel de incentivos que las tarifas CPR, pero una implementación y operación más complejas. El Precio Pico Variable (VPP por sus siglas en inglés) y el Precio en Tiempo Real (RTP por sus siglas en inglés) son los mecanismos más complejos de RD basados en precios. Los clientes que toman riesgos posiblemente elegirían una tarifa RTP que probablemente les daría un precio promedio más bajo. Cada una de estas opciones de tarifas presenta una solución intermedia entre el ahorro de tarifas que experimentarían los clientes y el riesgo al que estarían expuestos en forma de volatilidad tarifaria. Las tarifas RTP y VPP requieren una infraestructura de medición más avanzada para una comunicación constante entre los operadores del sistema y los clientes. En contraste, las de ToU, CPP y CPR se calculan y comunican con anticipación y son más fáciles de implementar (Hale, 2018). Los mecanismos de CPR conllevan una carga de información mucho menor que se puede satisfacer instalando medidores de consumo de electricidad por intervalos y enviando a los clientes mensajes electrónicos sobre los precios de la electricidad a través de SMS, portales web o aplicaciones. Más incentivos para la participación por el lado de la demanda Más complejo CPP VPP RTP 1313 2.2 Programas basados en incentivos por contrato Un programa basado en incentivos por contrato es una forma más “explícita” de RD. Los consumidores, directamente o a través de un intermediario (como un agregador), se comprometen a cambiar el comportamiento de la demanda dada una compensación específica preestablecida por el programa basado en incentivos por contrato (Comisión Europea, 2016). Como resultado, este tipo de programa de RD es más fácil de rastrear. Los programas de RD basados en incentivos por contrato pueden establecerse a través de contratos bilaterales o subastas reguladas de capacidad, servicios auxiliares o respuesta a emergencias. En todos los casos, existe un compromiso ex ante de cumplir con el programa y una serie de sanciones en caso de incumplimiento. Los consumidores generalmente reciben un descuento para cambiar sus líneas de base de carga de demanda, adhiriendo a los requisitos del sistema del programa. Los incentivos están incluidos en un contrato y son ‘explícitos’ en estos programas. Por lo tanto, los operadores pueden predecir mejor los impactos de carga, ya que la naturaleza de los contratos a menudo implica cláusulas de penalización por incumplimiento. Al igual que los programas de RD basados en precios, los programas basados en incentivos por contrato también requieren un alto nivel de inversión en digitalización. Los programas basados en incentivos por contrato también pueden demandar inversiones en herramientas de monitoreo y control remotos para controlar los aparatos eléctricos propiedad del consumidor, como calentadores y acondicionadores de aire. Como tales, estos programas permiten una respuesta rápida y flexibilidad, como se ha visto en los modelos de impacto de carga de respuesta rápida (Shimmy) y reducción (Shed) descritos anteriormente. También permiten al operador tener un control más profundo sobre el sistema. Considerando que hay un aspecto de control directo arraigado en los programas basados en incentivos, la especificidad de los datos adquiere una importancia significativa. El Departamento de Energía de EE. UU. (US DOE por sus siglas en inglés, 2006) y la Comisión Europea (CE) (2016) señalan el cronograma de respuesta como un tema crucial para los operadores del sistema y los responsables políticos. Cuanto más cerca esté el compromiso de las cargas del tiempo real, mayor será el valor evitado y la necesidad de señales de precios precisas y confiabilidad del control del operador del sistema (Comisión Europea, 2016). Un nivel de información semejante se puede obtener en diferentes momentos para diferentes áreas de operación. Puede ser implementado a lo largo del tiempo para nivelar la necesidad de inversión. 1414 3 ¿Cuáles son los beneficios esperados de la respuesta a la demanda? La RD apunta a reducir los costos operativos que resultan de la variabilidad de la curva de carga de la electricidad. La curva de carga comprende la electricidad total utilizada por los consumidores conectados a un sistema eléctrico nacional o subnacional. Esta curva de carga es específica del conjunto de circunstancias, costumbres y tradiciones de cada país o región, y patrones de comportamiento cotidianos. Teniendo en cuenta que la electricidad es difícil de almacenar bajo las limitaciones tecnológicas actuales, idealmente la generación de electricidad debe igualar el consumo instantáneamente. De lo contrario, genera perturbaciones en el sistema, como apagones, caídas de tensión o pérdidas que dificultan el rendimiento de la red y cuyos costos se acumulan con el tiempo. Por lo tanto, la RD es principalmente un mecanismo para disminuir los costos asociados con la variación de la curva de carga de la demanda neta. La curva de demanda neta es la diferencia entre la demanda de electricidad menos las fuentes de electricidad no despachable, que los operadores no pueden controlar, como la energía eólica y la solar fotovoltaica (FV). La generación de electricidad despachable requiere variar en respuesta a la variación en la demanda neta de electricidad. Sin embargo, la estructura de costos de la generación eléctrica es discontinua. Con mayor frecuencia, la generación de electricidad es producida por una cartera de plantas de energía. Estas plantas tienen diferentes estructuras de costos, lo que significa que tienen diferentes costos fijos y variables. Para algunas plantas de energía, es más eficiente estar funcionando la mayor parte del tiempo. Estas se llaman plantas de carga base. En contraste, también existen plantas de carga pico. Las plantas eléctricas de carga pico tienen un sistema de arranque más rápido y un costo operativo más alto. Por lo tanto, normalmente despachan solo por unas pocas horas, típicamente durante las horas pico. En otras palabras, las plantas eléctricas de carga pico se utilizan para atender 1515 los picos de demanda neta y se ponen en marcha cada vez que hay un pico de demanda. Se detienen cuando la demanda retrocede. Por lo tanto, la variación de la demanda neta puede llevar a un aumento de los costos del sistema a corto plazo, principalmente debido a: • Costos adicionales de puesta en marcha: antes de que una planta térmica pueda suministrar electricidad a la red, debe ponerse en marcha y alcanzar al menos el nivel mínimo de generación. Eso generalmente tiene un costo, independientemente de la cantidad de producción que se genere. Es una especie de costo casi fijo. La magnitud de estos costos casi fijos derivados del desgaste y el combustible requerido para calentar el ciclo de vapor depende del tipo y dimensión de una planta en particular. Cuanto mayor sea la variación de la demanda, mayores serán los costos y riesgos asociados con la puesta en marcha. El aumento esperado de la variación de la demanda neta ha incrementado estos costos y riesgos en diferentes sistemas eléctricos5. • Mayores costos marginales de centrales de carga pico: Un sistema eléctrico tiene plantas con diferentes estructuras de costos. El proceso de despacho de electricidad identifica qué plantas despacharán y cuánta electricidad deberían generar. Este proceso se basa en un orden de mérito, clasificando las fuentes disponibles según el orden ascendente de costos marginales o precios6. En ambos casos, se espera que las plantas con mayores costos marginales sean las últimas en ser conectadas7. La carga pico implica que se despacha la generación de energía con el costo marginal más alto, lo que aumenta el costo de corto plazo del sistema. Además, en la mayoría de los casos, las plantas pico tienden a funcionar con combustibles fósiles y tienen un menor nivel de eficiencia energética. En consecuencia, tienden a tener un mayor nivel de emisiones de CO2. El valor esperado de la demanda pico neta también afecta los costos de largo plazo. Tanto las carteras de generación como los sistemas de red están construidos para enfrentar la demanda máxima. En consecuencia, es necesario que la dimensión y la capacidad disponible de la red sean confiables en la respuesta a la demanda máxima, independientemente de la duración de dicha demanda. Los picos más altos que requieren una infraestructura cara serán menos utilizados, generando una gran capacidad ociosa. Esto significa que picos decrecientes pueden significar un aumento del servicio superior a los requisitos y costos de inversión. Los costos reducidos que resulten de la implementación de programas de RD tendrán impacto sobre diferentes actores, dependiendo del diseño y la regulación del mercado eléctrico. En escenarios ideales, los costos reducidos son un beneficio económico de los programas de respuesta a la demanda8. 5. Para más información sobre el impacto en los riesgos y costos asociados con la variabilidad de la demanda, véase Stoft (2002), Vazquez et al. (2017) y Shill et al. (2017). 6. Para los sistemas basados en el mercado, se asume que los precios reflejan el orden de los costos marginales de producción. 7. A veces, las unidades generadoras deben iniciarse fuera del orden de mérito debido a congestión de la transmisión, la confiabilidad del sistema u otras razones. 8. En los casos en que los consumidores responden a la variación de precios de manera individual, no es fácil para los operadores del mercado estimar el impacto de los programas de RD y sus respectivos beneficios. Consúltese Rodas-Gallego y Mejía-Giraldo (2020) para obtener más contexto al respecto. Los autores simularon la evaluación del impacto del programa de RD en los costos de electricidad en Colombia. Sus resultados indican que el beneficio económico diario de este programa de RD podría oscilar entre 44 y 381 millones de dólares. 1616 Dependiendo de las especificidades de cada contexto, los programas de RD pueden ofrecer una serie de beneficios financieros y económicos para los mercados de electricidad: beneficios directos, que son experimentados por los consumidores que aplican la respuesta a la demanda; y beneficios indirectos (o colaterales), que son disfrutados por un segmento de participantes de todo el mercado. Estos beneficios son percibidos y compartidos dependiendo de la regulación y los modelos de negocio. Los beneficios clave de la respuesta a la demanda se describen en los siguientes cinco grupos: 1.Losbeneficioseconómicos para los participantes son la recompensa monetaria de la que disfrutan los clientes que responden a la señal económica por medio del ajuste de su demanda eléctrica. 2.Losbeneficiosfinancieros para todo el mercado surgen de un menor uso de plantas eléctricas de carga máxima y menores requisitos de capacidad de la red. 3.Losbeneficiosdeconfiabilidad son la seguridad operativa y los ahorros de adecuación que resultan de la reducción de las consecuencias de las interrupciones forzadas. 4.Losbeneficiosdeldesempeño del mercado se refieren al valor de la respuesta a la demanda para mitigar la capacidad de los proveedores de ejercer poder de mercado, de modo que los programas de RD eviten que los precios de la energía aumenten significativamente por encima de los costos de producción. 5. Reducción de las emisiones de CO2: Cambiar la demanda desde pico a valle evita la generación a través de plantas de energía de despacho rápido que dependen de combustibles fósiles. Eso permite un uso más eficiente de las fuentes de energía renovables intermitentes y la reducción del suministro eléctrico intensivo en CO2. El Departamento de Energía de EE. UU. (2006) agrupa los beneficios que resultan de los programas de respuesta a la demanda en beneficios financieros para los participantes, beneficios financieros para todo el mercado, beneficios de confiabilidad, y beneficios de desempeño del mercado. Los autores de este trabajo agregarían los beneficios ambientales, que son cada vez más vitales en el contexto del cambio climático y sus impactos. Históricamente, mientras que los esfuerzos iniciales de RD apuntaban a evitar cortes de generación y mejorar la eficiencia y asequibilidad de los recursos, los programas avanzados de RD buscan impactos más amplios más allá del mercado eléctrico. En años recientes, los programas de RD han sido una posible solución para proporcionar una carga de demanda más flexible compatible con la expansión de fuentes renovables variables (como la energía solar y eólica) y metas de mitigación de emisiones de CO2 (IEA, 2021; Gagne et al., 2018; Dranka & Ferreira, 2019). Se espera que el auge de las fuentes renovables variables, que frecuentemente tienen costos variables cero, aumente la variabilidad de los costos marginales de la electricidad. En este contexto, el costo marginal máximo de la electricidad será definido por el pico de mayor demanda neta, que combina la demanda más alta y la menor participación de las energías renovables. En contraste, los costos marginales más bajos serán definidos por los puntos de demanda neta más bajos, la demanda más baja y la mayor participación de generación renovable en la mezcla. La interacción de ambas curvas puede aumentar sustancialmente las diferencias de picos y valles, conduciendo al crecimiento del valor económico de la flexibilidad de la demanda. Goldenberg et al. (2018) analizaron las estrategias de RD como un camino para mejorar la integración renovable en el mercado ERCOT (sistema eléctrico de Texas). El estudio encontró que los programas de respuesta a la demanda podrían reducir la demanda máxima neta de energías renovables en 24% y reducir la magnitud promedio de las rampas de generación de varias horas en 56%. Los autores concluyeron que los programas de respuesta a la demanda son rentables 1717 en comparación con la nueva generación de gas. Según el sistema modelado, esos programas evitarían aproximadamente $1 900 millones en costos anuales de generación y 20% de las emisiones anuales totales de CO2 (Goldenberg et al., 2018). La IEA (2021) espera que los mecanismos de RD aporten al mercado 500 GW de respuesta a la demanda para 2030. En un escenario de cero emisiones netas, esos mecanismos cambiarán hasta 15% de la demanda anual promedio para 2050. Sin embargo, el potencial de RD está lejos de estar siendo explorado plenamente. Actualmente, la respuesta a la demanda representa menos del 3% del requisito de flexibilidad, y la mayoría de los adherentes son consumidores industriales o comerciales grandes. La provisión de flexibilidad del lado de la demanda debería aumentar a medida que crece la adopción de baterías y automóviles eléctricos (IEA, 2021). Según la IEA (2021), la introducción de programas de RD combinados con baterías será un importante poder de arbitraje para los consumidores, especialmente los residenciales9. Aunque se estima que la respuesta a la demanda crecerá más rápidamente en las economías avanzadas, también estará presente en los países en desarrollo. Como lo muestra la IEA (2021), los mecanismos de respuesta a la demanda en las economías en desarrollo serán responsables de alrededor de 14% de la flexibilidad del sistema eléctrico en 2030, asumiendo un escenario de cero emisiones netas. Algunos países en desarrollo de América Latina ya están adoptando medidas importantes para aumentar la aceptación de la respuesta a la demanda. Chile lanzó una estrategia de flexibilidad del sistema eléctrico enfocada en el diseño del mercado, los marcos regulatorios y la operación del sistema. Colombia amplió los incentivos fiscales a fuentes de energía no convencionales y proyectos de eficiencia energética, incluida la medición inteligente y la respuesta a la demanda. Sin embargo, como la IEA (2021b) espera que las existencias de AA en América Latina y el Caribe más que se sextupliquen, una estrategia de eficiencia energética de AA combinada con un programa de respuesta a la demanda podría ser una solución interesante para la asequibilidad y sostenibilidad del sistema eléctrico. Dranka y Ferreira (2020) esperan que el potencial de RD en Brasil se duplique, aumentando de 12,8 GW en 2017 a casi 25,6 GW para 2050. La mayor parte de ese potencial se encuentra en el sector industrial. Aun así, los autores identifican un enorme potencial en el sector residencial, especialmente de los sistemas de aire acondicionado entre las 10 p.m. y las 6 a. m. El estudio estima que el valor más alto para el potencial de respuesta a la demanda en el sector residencial es de 5,5 GW a las 10 p.m. para todo el sistema de potencia. La siguiente sección discutirá la aplicación de los programas de RD en el sector residencial y los resultados de los proyectos piloto desarrollados en ese sector. 9. Un ejemplo de análisis para México puede encontrarse en Castro Abril (2020). 1818 4 Programas de respuesta a la demanda aplicados al sector residencial En general, las políticas de RD en ALC han sido implementadas para consumidores industriales con consumo eléctrico flexible. Las fábricas pueden organizar programas de producción en horas de bajo costo para minimizar los costos de electricidad y obtener el mismo resultado. Las fábricas son más fáciles de monitorear, ya que están equipadas con medidores más sofisticados para rastrear el consumo. Sin embargo, la Infraestructura de Medición Avanzada (en adelante, AMI) tiene costos reducidos en los últimos años, lo que significa su viabilidad para aplicaciones domésticas. En la mayoría de los países de ALC, el pico de consumo se produce después del cierre de negocios, cuando los ciudadanos regresan a sus viviendas (Sánchez et al., 2021). Atraer a estos usuarios para que adopten programas de RD tiene un enorme potencial para variar la curva de carga, reduciendo los costos estructurales del sistema para hacer que la electricidad sea un servicio más asequible. La participación activa del consumidor se hace posible gracias a la digitalización mejorada de la red y la continua reducción de costos de la infraestructura de medición avanzada (AMI) y las tecnologías de monitoreo. En este contexto, los sistemas de gestión de energía en el hogar o los sistemas de gestión de energía en edificios son esenciales. Los sistemas de gestión de energía en el hogar pueden enfocarse en dispositivos de control automático para aparatos específicos como calentadores de agua eléctricos y HVAC (calefacción, ventilación y aire acondicionado). Estos sistemas son esenciales en la RD basada en precios, automatizando la decisión de las respuestas a señales de precios y conectando medidores avanzados de consumidores de pequeña escala para cargar agregadores. Las tarifas de RD más específicas también se basan en el control remoto de ciertos electrodomésticos, como calentadores o acondicionadores de aire (dos de los electrodomésticos de consumo más intensivo de energía). Sin embargo, los niveles de sensibilidad al precio de la electricidad de los ocupantes impactan significativamente en el ahorro de costos (Wang et al., 2018), de modo que la adopción del programa de RD permite identificar actividades que el consumidor considera flexibles. Identificar la demanda de servicios de energía flexi- 1919 bles, como calefacción y aire acondicionado, es especialmente difícil en los hogares de bajos ingresos con limitaciones presupuestarias más estrictas. Los hogares de bajos ingresos ven la factura de la electricidad como una carga presupuestaria pesada. Por lo tanto, los programas de RD pueden ser una alternativa para las familias de bajos ingresos, aumentando la asequibilidad de sus servicios de electricidad. Con un programa de RD, estas familias pueden usar estos servicios fuera de las horas pico debido a una tarifa más baja. Un programa de RD puede aliviar la carga de las facturas de electricidad y contribuir a reducir la pobreza energética y la privación de servicios energéticos. Vale la pena señalar que a menudo las familias de ingresos más bajos carecen de acceso a muchos electrodomésticos, especialmente a los más flexibles. Es vital desarrollar un análisis más detallado de la reacción de los diferentes hogares en este contexto10. Caja 1. El rol de la AMI en los programas de respuesta a la demanda residencial Los programas de Respuesta a la Demanda Residencial requieren cierto grado de mejora con respecto a la medición y el control del consumo de electricidad. Aunque algunos programas requieren medición y comunicación con más frecuencia, no todos los programas tienen los requisitos exactos de complejidad. Algunos programas requieren únicamente la identificación de los períodos de consumo del día. Los programas de Respuesta a la Demanda Residencial se facilitan mediante la instalación de infraestructura de medición avanzada (AMI). La AMI es especialmente importante en el caso de sistemas dinámicos. La AMI incluye un sistema de medición inteligente y un sistema de telecomunicaciones. Un sistema de medición inteligente es un sistema electrónico que puede medir el consumo de energía, proporcionando más información que un medidor convencional. Normalmente, la medición inteligente se asocia con sistemas de telecomunicaciones que recuperan datos de consumo de electricidad y los comparten con la empresa de servicios públicos en la frecuencia requerida por la tarifa. De manera similar, la AMI permite a los clientes acceder a sus datos de consumo de electricidad (Borenstein et al., 2002). Los medidores y sistemas de telecomunicaciones avanzados son elementos esenciales para el éxito de los mecanismos de Precios en Tiempo Real (RTP) y Precios Pico Variables (VPP). Estos sistemas registran el uso en un intervalo de tiempo específico, cargan los datos desde el sitio del cliente a un punto central de procesamiento de datos y permiten que los clientes accedan a sus datos de uso. Estos sistemas deberían ser lo suficientemente adaptables como para permitir tasas diferenciales de carga y visualización de datos acorde con la tarifa para el cliente. Según la Comisión Federal Reguladora de Energía (FERC, 2018), 78,9 millones de medidores avanzados estaban operativos en 2017 sobre un total 152,1 millones, lo que indica una tasa de penetración de 52% en todas las regiones de EE. UU. y un aumento de alrededor de 5% desde 2016 a 2017. Se esperaba la instalación de alrededor de 200 millones de medidores inteligentes en Europa para 2021 (Jansen et al., 2020). Según Eid et al. (2016), el costo de instalación de un medidor inteligente en Europa es, en promedio, de US$235-293. Se pueden utilizar varias tecnologías para instalar medidores inteligentes, incluidas soluciones inalámbricas y alámbricas. 10. Se necesitan más estudios y mediciones sobre la capacidad de los grupos de bajos ingresos para responder a las variaciones de precios. 2020 Las tendencias actuales en la aplicación de redes inteligentes para la investigación de RD se exploran en numerosos laboratorios de redes inteligentes en todo el mundo. Por ejemplo, 57 laboratorios están realizando investigaciones exhaustivas sobre RD y 35 están realizando investigaciones sobre AMI (Jansen et al., 2020), lo que subraya cómo las políticas de RD dependen del desarrollo de algunas aplicaciones de hardware. Adicionalmente, la AMI amplía las oportunidades para una mejor gestión de la red, lo que resulta en costos más asequibles para el consumidor. La RD ofrece a los consumidores de electricidad mayor conocimiento y gestión de su consumo en respuesta a las condiciones de suministro. La RD empodera a los consumidores, enfocándose en su capacidad para hacer su consumo asequible y el sistema más eficiente. De esta manera, los mecanismos de RD deberían ser parte de la política energética de un país porque pueden contribuir a la eficiencia económica y a mejorar la confiabilidad y seguridad del suministro eléctrico de manera sostenible. Una participación más activa de RD puede prevenir crisis de suministro, que elevan los precios y los costos operativos. Para que estos beneficios se acumulen, es necesaria una infraestructura adecuada con comunicación en tiempo real para la implementación de la RD. 4.1 Ejemplos de programas de respuesta general a la demanda residencial en ALC Los autores desean compartir algunos ejemplos de proyectos piloto y comerciales aplicados al sector residencial. Los programas residenciales se enfocan mayormente en programas de RD basados en precios. Los ToU y CPP son los modelos más comunes aplicados en los experimentos residenciales. Los países de ALC ya han presentado algunas modalidades de adopción voluntaria de tarifas por tiempo de uso para el sector residencial. Sin embargo, la adopción no ha sido significativa. Brasil, Uruguay y Costa Rica son ejemplos de países de ALC que cuentan con programas comerciales de RD para el sector residencial. La adhesión es limitada. Ningún estudio completo disponible públicamente evalúa estos programas. El plan brasileño ToU residencial (también conocido como Tarifa Branca) ha estado disponible desde 2018. El programa tenía 51.138 adherentes domésticos a septiembre de 2021. El número de adoptantes subraya el hecho de que este es solo un primer paso, que necesita ser analizado más a fondo para comprender las ventajas y los desafíos del programa. Las áreas de estudio potencial incluyen evaluar la información sobre el programa de RD que llegó a los consumidores; nivel de incentivo financiero (considerando descuento y riesgos); y comportamiento y barreras culturales. La tarifa pico del programa es casi el doble de la tarifa plana. La tarifa valle representa un descuento de alrededor de 20% con respecto a la tarifa plana. Al adoptar el plan ToU, el consumidor asume un riesgo importante: el potencial de un aumento sustancial en su factura de electricidad. Esto puede ser una barrera importante para adoptar un nuevo programa. 4.2 Ejemplos de proyectos piloto para programas de respuesta a la demanda residencial Los programas piloto de respuesta a la demanda residencial plantean algunos puntos interesantes, especialmente en lo que concierne a la heterogeneidad de los resultados. 2121 Faruqui y Sergici (2013) desarrollaron un estudio basado en la base de datos Arcturus de programas de RD basados en precios, que contiene 163 muestras, que abarcan siete países. El estudio encontró una discrepancia en los resultados de respuesta a la demanda aplicada en el sector residencial, que varía de 0 a 58% en términos de reducción de pico. A primera vista, hay poca consistencia en estos resultados, con una variación significativa entre los tipos de precios. Debido a su tendencia a tener índices de precios de energía más altos que las tarifas ToU, las tarifas CPP y PTR podrían mostrar una tendencia a resultar en una mayor respuesta de los clientes. Esta hipótesis se justificó utilizando tasas de precio elevadas para estas tarifas. Sin embargo, el análisis de Faruqui y Sergici (2013) encontró que gran parte de la discrepancia en los resultados se elimina cuando la RD se expresa como una función de la relación de precio pico a precio valle, porque los clientes responden al aumento de los precios por medio de una consistente reducción de su demanda pico para mantener los gastos asequibles. Este hallazgo apoya el caso del despliegue de precios dinámicos dondequiera que exista una infraestructura de medición avanzada. Los consumidores tienen más control sobre el consumo de energía dentro de su vivienda residencial. Al filtrar por tipo de tarifa y tecnologías habilitantes, es posible ver que la tecnología habilitante parece aumentar los niveles de adopción de RD, lo que subraya el papel central de la digitalización en este proceso. Faruqui y Sergici (2013) definieron el tratamiento como una singular combinación de un diseño de precios variables en el tiempo y tecnología habilitante. Sin embargo, la variación en la respuesta a la demanda puede ser atribuida a los tipos de tarifas aplicados a cada especificación de mercado y demanda. El resto se debe potencialmente a otros factores, como las diferencias en las características sociodemográficas y las condiciones climáticas. El impacto del tipo de tarifa en la efectividad de la respuesta a la demanda depende de la tarifa misma y de los riesgos asociados con los incentivos financieros. Hay un desafío en el deseño de los incentivos previstos en los programas de RD, estos deben ser significativos para convencer a los clientes a cambiar desde algo que conocen a algo que no conocen. El incentivo debe ser lo suficientemente alto y tener un riesgo percibido como bajo para que los consumidores adopten el plan de RD y cambien su consumo en el corto plazo (Lujano-Rojas et al., 2012). La percepción del cliente del modelo de respuesta a la demanda también es fundamental para su éxito. Los modelos de tarifas deberían tener una interfaz que permita a los usuarios un fácil acceso, permitiéndoles interpretar correctamente la información provista para reaccionar según lo solicitado. Los modelos también deberían ser flexibles y compatibles con las rutinas de la vida de la gente. Los experimentos tuvieron mayores impactos y lograron una reducción más significativa del consumo de electricidad cuando los hogares recibieron información sobre su uso de electricidad. Esta retroalimentación tiene que ver con la carga del perfil diario y la serie temporal de los precios de las tarifas. En varios estudios, se instalaron dispositivos de medición inteligente en los hogares para facilitar la adopción del modelo tarifario. Los resultados indican que el acceso a los precios de la electricidad en tiempo real y la información sobre sus niveles de consumo continuo es importante para alentar la respuesta del cliente (Erickson, 2011; Stokke et al., 2010). Aun así, considerando el impacto de la relación entre la respuesta a la demanda y las rutinas de la gente, Walker y Hope (2020) mostraron algunas barreras para el cambio de comportamiento en un experimento con 33 hogares. Según los autores, la responsabilidad de gestionar múltiples actividades durante la noche inquietaba a muchos encuestados domésticos. Los clientes argumentaron que no era factible hacer frente a múltiples tareas en un corto período de tiempo y que la compensación económica no valía la pena el esfuerzo. Este desafío debe tenerse en consideración al diseñar el programa y las herramientas de automatización digital requeridos para minimizar la necesidad de un cambio de comportamiento real. Los programas de RD enfocados en los servicios de electricidad, como la iluminación, aire acondicionado, lavavajillas y otros electrodomésticos, pueden ser más fáciles de usar o de 2828 tradicionalmente asociadas al consumo del sector residencial y no tomó en cuenta el aumento del consumo del mediodía relacionado con los establecimientos industriales y comerciales. Los horarios seleccionados para cada país fueron: Argentina, 20-23; Bolivia 18-21; Brasil 17-20; Chile, 20-23; Colombia, 18-21; Costa Rica, 18-21; México, 19-22; Perú, 18-21; Panamá, 17-20; Paraguay, 19-22; Uruguay, 19-22. En cada país, las horas fueron seleccionadas según la mayor concentración de consumo eléctrico12. 5.2.2.2 Procedimiento del experimento El procedimiento fue un enfoque cuantitativo con el diseño de una encuesta exploratoria y experimental, dependiendo de intervenciones conductuales y mediciones auto informadas. La decisión de realizar un estudio con métodos experimentales de comportamiento aportó una gran solidez metodológica. Incluso con limitaciones financieras y de tiempo, la indicación es el enfoque experimental. Los experimentos apuntan a medir la relación de la variable independiente con la variable dependiente (Wilson et al., 2010). La investigación científica busca a menudo estudiar el efecto de una variable sobre otra. Las variables en un estudio de una relación de causa-efecto se denominan variables independientes y dependientes. La variable independiente es la causa, la variable dependiente es el efecto, y su valor depende de los cambios en la variable independiente. En la investigación experimental, el investigador manipula o cambia la variable independiente para medir el efecto de este cambio sobre la variable dependiente (Wilson et al., 2010). En el experimento, los miembros del marco de muestreo fueron invitados a participar en un estudio sobre el consumo de electricidad residencial. Se les informó que el Banco Interamericano de Desarrollo estaba realizando ese experimento con fines académicos y de política pública en asociación con investigadores académicos. Las personas que accedieran a participar tomarían decisiones hipotéticas en una encuesta en línea y proporcionarían información sobre sí mismas. Los participantes tardaron alrededor de diez minutos en completar todo el estudio. Los que no completaron el estudio fueron excluidos de la muestra porque no respondieron a los controles empleados en cada análisis. Este estudio apuntó a evaluar el comportamiento de los responsables de las decisiones de pago de energía eléctrica en los hogares. Por lo tanto, el cuestionario también hizo otras preguntas sobre el valor de las facturas de electricidad de los encuestados (es decir, “¿Cuánto es la factura de electricidad mensual promedio en su hogar?”; “¿Cuánto fue la factura de electricidad más baja que ha pagado?”, “ ¿Cuánto fue la factura de electricidad más alta que ha pagado?”) y los electrodomésticos que tienen en casa (es decir, calentador eléctrico, aire acondicionado, ventilador, computadora (laptop, notebook, tablet), teléfono inteligente, acceso a Internet, acceso a electricidad de la red, medidor de electricidad propio). Los participantes que indicaron no pagar ninguna parte de su factura de electricidad también fueron excluidos del análisis de datos. Los participantes respondieron si pagan su factura de electricidad y cuánto contribuyen (es decir, 0%, 1% a 49%, 50% o 51% a 100%). Después de responder a estas preguntas, los participantes respondieron a una pregunta para evaluar su percepción de qué tan justo sería aplicar una tarifa más alta en las horas de punta. Se informó a los participantes que hay períodos en los que los proveedores de energía tienen costos adicionales para cumplir con el uso de los clientes. Esos períodos se conocen como horas pico. Luego, el cuestionario les pidió que juzgaran si perciben que es justo que un proveedor de energía cobre una tarifa más alta durante las horas pico si ofrece un descuento durante las horas valle. Después de esta pregunta, el cuestionario evaluó la sensibilidad de los participantes a un aumento de precios en las horas pico. El experimento preguntó a los participantes cuán probable era que cambiasen su consumo en las horas pico a las horas valle si la tarifa es un 20% mayor durante las 12. Los horarios de Colombia fueron seleccionados sobre la base de información publicada en el sitio web del operador nacional, XM. 2929 horas pico en comparación con las horas valle. Se hace la misma pregunta para un aumento de 40, 60, 80 y 100% de la tarifa en horas pico para evaluar la sensibilidad de los participantes al precio. . Los participantes también respondieron preguntas que pusieron a prueba su conocimiento actual de las tarifas en horas pico (es decir, “¿Conoce las horas pico de electricidad en su región?” y “¿Sabe cuánto más cara es la tarifa por kWh que cobra su proveedor de energía durante las horas pico con respecto a las horas de menor actividad?”) y su plan de electricidad actual (es decir, “¿En su actual plan de energía, su proveedor le cobra una tarifa más alta por el uso de electrodomésticos durante las horas pico?”). Luego, el experimento informó a los participantes sobre las horas pico en su región y les pidió que respondieran si coincidían con los días/horas en que usan más electricidad en su hogar. El 44,8% de los participantes indicaron cuáles eran las horas de mayor consumo eléctrico en su región. Aun así, solo 35,8% sabía si su proveedor les estaba cobrando una tarifa más alta durante ese período de consumo. En este punto de la encuesta, el participante debía elegir entre dos tipos de planes: un plan de tarifa plana o un plan de Respuesta a la Demanda (plan RD). Mientras que el plan de tarifa plana siempre fue el mismo para todos los participantes, la encuesta asignó aleatoriamente a los participantes a uno de los cinco planes de respuesta a la demanda (RD) diferentes. La Figura 5 muestra lo que esos participantes leen para cada plan tarifario. Los textos en los tratamientos son traducciones de los ofrecidos en la encuesta. Los textos originales pueden ser encontrados al final de este documento (Anexo A.2). La encuesta original se realizó en español y portugués. Luego, el experimento presentó las diferencias entre el plan de tarifa plana (opción de control) y los planes RD (opciones de condición). En el plan de tarifa plana, que fue caracterizado como un plan de control y fue mostrado como una opción para todos los participantes, la tarifa eléctrica es la misma para todas las horas del día. La mayoría de los consumidores domésticos de América Latina reciben su factura de consumo eléctrico en base a un plan de tarifa plana. En cuanto a los planes de RD, había cinco opciones condicionales. Cada participante fue expuesto a un solo plan de RD, y se vieron obligados a decidir entre ese plan de DRD y el plan de tarifa plana. La Figura 5 muestra cómo se presentaron los planes a los participantes. Los cinco planes de RD se describen a continuación: • Condición 1 – El Plan Tarifario de Horas Pico Tipo 1: La tarifa es más cara durante tres horas pico y más barata durante las otras 21 horas valle cada día. Al igual que en los planes australianos de DM , la tarifa en hora pico es casi el triple de la tarifa valle y 80% superior a la tarifa plana, y la tarifa valle es 30% menor que la tarifa plana. Considerando un consumidor cuyo consumo de electricidad mensual es igual a 150 kWh/mes y cuya demanda es igual a 500 W/h en horas pico y 167 W/h en horas valle, una reducción de 33% en el consumo de electricidad en horas pico supondría una reducción de hasta 21% en el total de la factura eléctrica (en el caso de que el consumidor sólo decida reducir el consumo). Supongamos que el consumidor decide trasladar 33% de su consumo de horas pico a un período valle. En ese caso, ese plan reducirá la factura eléctrica total en 21%. • Condición 2 – El Plan Tarifario de Horas Pico Tipo 2: La tarifa es más cara durante tres horas pico y más barata durante las otras 21 horas valle cada día. Este plan es similar al anterior Plan Tarifario de Horas Pico, aunque este replica la condición del plan de RD de Brasil en lugar de las de los planes de RD de Australia. Por lo tanto, la tarifa en hora punta es casi el triple de la tarifa valle y el doble de la tarifa plana, mientras que la tarifa valle es 20% inferior a la tarifa plana. Considerando un consumidor cuyo consumo eléctrico mensual es igual a 150 kWh/mes y cuya demanda es igual a 500 W/h en horas punta y 167 W/h en horas valle, una reducción de 33% en el consumo eléctrico durante las horas punta resultaría en un descuento de hasta 4% en el total de la factura eléctrica (en el caso de que 13. Una descripción más detallada de los planes de DM de Australia está disponible en https://www.energymadeeasy.gov.au/. 3030 el consumidor decida únicamente reducir el consumo). • Condición 3 - Plan de Control de Aire Acondicionado (AA): El consumidor que decide adoptar este plan le permite al distribuidor apagar su AA (en caso necesario) durante las tres horas pico de cada día. Como compensación, el consumidor recibe un descuento del 21% en su factura eléctrica. Sobre la base de la Encuesta de Presupuestos Familiares de Brasil 2017-2018 (IBGE, 2020), los hogares que tienen una unidad de aire acondicionado declararon un consumo mensual de electricidad de entre 185 kWh/mes y 333 kWh/mes. Además, con respecto a los datos del IBGE (2020), se construyó un modelo ascendente simple para estimar la participación de cada aparato en el consumo total de energía eléctrica para comprender la potencia promedio y el tiempo de uso de cada electrodoméstico. Como resultado, los autores estiman que el aire acondicionado es responsable de 33% del consumo de electricidad durante las horas pico. Apagar el aire acondicionado durante las horas punta reduciría el consumo en las horas punta en 33%. Por lo tanto, el Plan de Control de AA tiene el mismo resultado que el Plan Tarifario de Horas Pico. Este plan se ofreció como condición en el experimento solo para el consumidor de aire acondicionado. • Condición 4 - Plan de Control de Calefactor: El consumidor que decide adherirse a este plan permite que la distribuidora apague su calentador (en caso necesario) durante las tres horas pico de cada día. Como compensación, el consumidor recibe un descuento de 21% en su factura eléctrica. Teniendo en cuenta que el calefactor consume electricidad de manera similar al aire acondicionado, los autores estimaron que el calefactor es responsable de 33% del consumo de electricidad durante las horas pico. Como resultado, apagar el calefactor durante las horas pico reduciría el consumo en las horas pico en 33%. Por lo tanto, el Plan de Control de Calefactor produce los mismos resultados que el Plan Tarifario de Horas Pico. La única diferencia es la forma en que el plan se explica al cliente. Este estudio asume que la explicación de la reducción del uso del calefactor durante las horas pico, como ejemplo, facilita que los consumidores comprendan los pros y los contras del plan. Este plan se ofreció como condición en el experimento solo para el participante/consumidor con calefactor. • Condición 5 - Plan de Meta de Ahorro en Horas Pico: El consumidor que adopta este plan enfrenta un desafío explícito. Si consigue reducir 33% su consumo de electricidad durante las horas pico (high-end), recibe un 21% de descuento en su factura eléctrica mensual. Supongamos que mantiene el mismo nivel de consumo o reduce el consumo, pero no alcanza el objetivo de reducción de consumo en las horas punta. En ese caso, su consumo se sigue facturando a tarifa plana. Sin embargo, supongamos que hay un aumento en el consumo durante las horas pico. En ese caso, la factura eléctrica mensual del consumidor puede estar sujeta a una penalización de hasta 8%. La creación de esta condición apuntaba a evaluar cómo reaccionaban los consumidores ante la existencia de una meta a perseguir. En otras palabras, la idea era analizar si la presencia de una meta podría hacer que el plan fuera más transparente y atractivo para el cliente y aumentar la adhesión a un programa de DRD. Después de optar por uno de los planes en una de las cinco condiciones anteriores, los participantes indicaron qué información sería más beneficiosa para que su hogar reduzca el consumo durante las horas pico. Subsiguientemente, respondieron a elementos que aprovecharon sus percepciones sobre la calidad del suministro de electricidad en su hogar y por qué podrían estar interesados en reducir la electricidad durante las horas pico. Se aplicó el tratamiento al azar. El resto de las preguntas se aplicaron en el mismo orden a todos los encuestados. Antes de terminar la encuesta, los participantes respondieron algunas preguntas demográficas, entre ellas: antecedentes raciales, identidad de género, edad, nivel educativo, lugar de residencia, ingreso mensual bruto individual y familiar, estado civil, ocupación y qué parte de su ingreso mensual total se destina a pagar su factura de energía. Después, los participantes reciben un mensaje de agradecimiento. 3131 La siguiente sección evaluará las diferentes respuestas con base en la condición aleatoria, la selección del plan al que cada persona estuvo expuesta con respecto a otras variables de control. Figura 5. Condiciones experimentales Condición 2 – Plan de tarifas de horas pico Tipo 2 Condición 4 – Plan de control de AA Tarifa de electricidad Tarifa pico Tarifa no pico Tarifa Plana $ Aumento del 100% Reducción del 30% Condición 1– Plan de tarifas de horas pico Tipo 1 Condición 3 – Plan de control de calefacción Condición 5 – Plan de ahorro en las horas pico Plan B Tarifa de electricidad Tarifa pico Tarifa no pico Tarifa Plana $ Aumento del 80% Reducción del 30% Su tarifa de electricidad es más cara durante las horas pico y más barata durante las horas valle. La tarifa en hora punta es casi el triple de la tarifa valle y el doble de la tarifa plana, mientras que la tarifa valle es 30% menor que la tarifa plana. Si usted reduce su consumo en 33% en horas punta, puede tener una reducción de hasta 21% en su factura total de electricidad. Plan B Su tarifa de electricidad es más cara durante las horas pico y más barata durante las horas valle. La tarifa en hora punta es casi el triple de la tarifa valle y el doble de la tarifa plana, mientras que la tarifa valle es 20% menor que la tarifa plana. Si usted reduce su consumo en 33% en horas punta, puede tener una reducción de hasta 4% en su factura total de electricidad. Plan B Durante las horas pico, usted permite que la empresa de servicios públicos apague su calefactor (si es necesario) y recibe un descuento de hasta 21% en su cuenta total de electricidad. Supongamos que usted reduce el consumo en 33% durante las horas punta. En este caso, puede recibir un descuento de hasta 21% en su factura eléctrica mensual. Si usted no cambia su consumo, su factura eléctrica seguirá siendo la misma. Sin embargo, su factura será más cara si usted aumenta su consumo en horas punta. Plan B Durante las horas pico, usted permite que la empresa de servicios públicos apague su aire acondicionado (si es necesario) y recibe un descuento de hasta 21% en su cuenta total de electricidad. Figure 5. Experimental Conditions Plan de tarifa plana (todos los participantes tenían este plan como Opción A): Planes por tiempo de uso (Los participantes fueron aleatoriamente asignados a uno de estos planes como Opción B): Plan A Su tarifa eléctrica es la misma durante todas las horas del día. Tarifa eléctrica Tarifa pico Tarifa no pico $ $ Condition 1– Peak hours tariff plan Plan B Your electricity rate is more expensive during peak hours and cheaper during off peak hours. The peak hour rate is almost triple the off-peak rate and the double the flat tariff, while the off-peak tariff is 30% lower than the flat tariff. If you reduce your consumption in 33% during peak times, you can have a reduction of up to 21 % in your total electricity bill. Electricity Tariff Peak Tariff Off Peak Tariff Flat Tariff $ Increase of 80% Reduction of 30% Condition 3 – Heater control plan Plan B During peak times, you allow the utility to switch your heater off (if needed) and you receive a discount of up to 21% in your total electricity account. Electricity Bill Your bill nowadays Your bill with the discount Your discount Temperature you are used to 18 degrees Celsius or more during peak times (defined by the utility) Factura de electricidad Su Factura Actual Su Factura con el descuento S u descuento 28 grados Celsius o más durante las horas pico (definida por la empresa de servicios públicos) Temperatura a la que usted está acostumbrado Factura de electricidad Su Factura Actual Su Factura con el descuento su descuento Temperatura a la que usted está acostumbrado 18 grados Celsius o más durante las horas pico (definida por la empresa de servicios públicos) Fuente: Diseño de los autores Consumo de electricidad durante horas pico Aumento del consumo y aumento de la factura eléctrica Reducción de 33% en el consumo Su meta 3232 Fuente: Diseño de los autores Condición 2 – Plan de tarifas de horas pico Tipo 2 Condición 4 – Plan de control de AA Tarifa de electricidad Tarifa pico Tarifa no pico Tarifa Plana $ Aumento del 100% Reducción del 30% Condición 1– Plan de tarifas de horas pico Tipo 1 Condición 3 – Plan de control de calefacción Condición 5 – Plan de ahorro en las horas pico Plan B Tarifa de electricidad Tarifa pico Tarifa no pico Tarifa Plana $ Aumento del 80% Reducción del 30% Su tarifa de electricidad es más cara durante las horas pico y más barata durante las horas valle. La tarifa en hora punta es casi el triple de la tarifa valle y el doble de la tarifa plana, mientras que la tarifa valle es 30% menor que la tarifa plana. Si usted reduce su consumo en 33% en horas punta, puede tener una reducción de hasta 21% en su factura total de electricidad. Plan B Su tarifa de electricidad es más cara durante las horas pico y más barata durante las horas valle. La tarifa en hora punta es casi el triple de la tarifa valle y el doble de la tarifa plana, mientras que la tarifa valle es 20% menor que la tarifa plana. Si usted reduce su consumo en 33% en horas punta, puede tener una reducción de hasta 4% en su factura total de electricidad. Plan B Durante las horas pico, usted permite que la empresa de servicios públicos apague su calefactor (si es necesario) y recibe un descuento de hasta 21% en su cuenta total de electricidad. Supongamos que usted reduce el consumo en 33% durante las horas punta. En este caso, puede recibir un descuento de hasta 21% en su factura eléctrica mensual. Si usted no cambia su consumo, su factura eléctrica seguirá siendo la misma. Sin embargo, su factura será más cara si usted aumenta su consumo en horas punta. Plan B Durante las horas pico, usted permite que la empresa de servicios públicos apague su aire acondicionado (si es necesario) y recibe un descuento de hasta 21% en su cuenta total de electricidad. Figure 5. Experimental Conditions Plan de tarifa plana (todos los participantes tenían este plan como Opción A): Planes por tiempo de uso (Los participantes fueron aleatoriamente asignados a uno de estos planes como Opción B): Plan A Su tarifa eléctrica es la misma durante todas las horas del día. Tarifa eléctrica Tarifa pico Tarifa no pico $ $ Condition 1– Peak hours tariff plan Plan B Your electricity rate is more expensive during peak hours and cheaper during off peak hours. The peak hour rate is almost triple the off-peak rate and the double the flat tariff, while the off-peak tariff is 30% lower than the flat tariff. If you reduce your consumption in 33% during peak times, you can have a reduction of up to 21 % in your total electricity bill. Electricity Tariff Peak Tariff Off Peak Tariff Flat Tariff $ Increase of 80% Reduction of 30% Condition 3 – Heater control plan Plan B During peak times, you allow the utility to switch your heater off (if needed) and you receive a discount of up to 21% in your total electricity account. Electricity Bill Your bill nowadays Your bill with the discount Your discount Temperature you are used to 18 degrees Celsius or more during peak times (defined by the utility) Factura de electricidad Su Factura Actual Su Factura con el descuento S u descuento 28 grados Celsius o más durante las horas pico (definida por la empresa de servicios públicos) Temperatura a la que usted está acostumbrado Factura de electricidad Su Factura Actual Su Factura con el descuento su descuento Temperatura a la que usted está acostumbrado 18 grados Celsius o más durante las horas pico (definida por la empresa de servicios públicos) Fuente: Diseño de los autores Consumo de electricidad durante horas pico Aumento del consumo y aumento de la factura eléctrica Reducción de 33% en el consumo Su meta 3333 6 Resultados y discusión Esta sección explora los resultados del experimento a través del análisis estadístico y se divide en cinco partes. Inicialmente, aborda la composición de los participantes del experimento. La segunda parte examina el papel de la percepción de los consumidores acerca de la aceptabilidad de RD y la probabilidad de que adopten cambios de comportamiento con respecto al consumo de electricidad. La tercera, evalúa la sensibilidad a los precios para ver cuán interesados podrían estar estos usuarios en variar su consumo, ya que las políticas de RD pueden aumentar los precios en algunos momentos del día. La cuarta, analiza la probabilidad de adoptar herramientas de comunicación, que son esenciales para una política de RD exitosa. Finalmente, se incluye una breve sección que perfila a los participantes que aceptaron el plan de respuesta a la demanda en el experimento. 6.1 Experimento principal: plan de horas pico preferido Los autores analizaron la probabilidad de que los participantes optasen por un plan de electricidad de RD basado en tarifas de tiempo de uso cuando había disponible un plan de tarifa plana fuera de RD. Cada participante debía elegir entre dos tipos de planes14. La manipulación se basó en el tipo de RD de tiempo de uso y planes basados en la empresa de servicios públicos presentados en la última sección. Mientras que el plan de tarifa plana siempre fue el mismo para todos los participantes, la encuesta asignó aleatoriamente a los participantes a uno de cinco planes diferentes basados en RD. La Figura 6 resume las opciones que enfrentaron los entrevistados. 14. Los autores han realizado todas las pruebas, incluidos los datos demográficos como variables de control, para aportar una mayor solidez a los resultados y evitar cualquiera diferencia demográfica entre las condiciones de tratamiento. Los resultados parecen estar protegidos contra variaciones culturales o de países porque son sólidos incluso después de controlar las diferencias de países y las diferencias demográficas de los participantes. 3434 Figura 6: Sumario de condiciones experimentales Las respuestas fueron codificadas como uno (1) si el encuestado prefería el plan basado en el tiempo de uso, o cero (0) si el consumidor optó por la tarifa plana. La prueba de chi-cuadrado mostró que la adopción del plan alternativo no se distribuye por igual entre las condiciones (𝜒^2 (4) = 60,19, 𝑝<0,001) . La prueba de chi-cuadrado evalúa si al menos una condición es diferente de las demás, pero no muestra qué condiciones son diferentes. La Figura 7 muestra los principales resultados. El plan de meta de ahorro en horas pico fue elegido con mayor frecuencia (57,2%) por los consumidores dispuestos a reducir su factura de electricidad, ubicándose como el plan de RD propuesto con el nivel más alto de aceptabilidad en este estudio. El plan de horas pico (2 ) inspirado en el Plan Tarifario de Horas Pico de Brasil fue elegido con menor frecuencia. Estas diferencias son, en todos los casos, estadísticamente significativas de acuerdo con los niveles habitualmente exigidos indicados en la literatura (𝑝<0,001) . Figura 7: Principales resultados del experimento Diseño de los autores basado en datos del experimento Plan de tarifa plana Plan tarifario de tiempo de uso CONDICIÓN 1: Plan de tarifa plana vs. Plan tarifario de horas pico (se mostró a n=1 059 participantes) CONDICIÓN 2: Plan de tarifa plana vs. Plan tarifario de horas pico de Brasil* (mostrado a n=842) CONDICIÓN 3: Plan de tarifa plana vs. Plan de metas de ahorro en horas pico (mostrado a n=1 018) CONDICIONES 4 & 5: Plan de tarifa plana frente a planes de control de AA o calefactor en horas pico (mostrado a n = 668 y 356 = 1 024) 1. Tarifa de horas pico Tipo 1 2. Tarifa de horas pico Tipo 2 3. Meta de ahorro en horas pico 4. Control de AA 5. Control de Calefactor 47,60% 40,14% 57,17% 53,44% 52,52% 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 (%) Optó por un plan basado en el tiempo de uso, cuando también había disponible un plan de tarifa plana 3535 Los autores realizaron regresiones logísticas tomando el plan de horas pico como comparación de referencia entre otros planes de tiempo de uso para aportar mayor solidez estadística a este hallazgo con respecto al plan de RD más aceptable. La ventaja del modelo logístico en comparación con el chi-cuadrado es la inclusión de controles, que reducen posibles explicaciones alternativas y entregan un resultado más robusto. Los controles son variables informadas por los participantes (p. ej., ingreso de los participantes, raza, género, porcentaje de la factura de electricidad que pagan usualmente) que pueden ser usados para minimizar los efectos exógenos en los cambios de la variable dependiente (p. ej., la decisión con respecto a un plan de tiempo de uso). Con los controles, es posible explicar solo por las variables independientes (es decir, el tipo de plan de tiempo de uso). En comparación con la prueba de chi-cuadrado, la regresión logística permite comparar todas las alternativas individualmente en lugar de agrupadas. Había dos modelos: uno ‘controlaba’ el país y la demografía de los participantes; el otro no identificó el país de residencia como control. La variable dependiente Elección de plan sería asumida como “1” si el entrevistado eligió el plan de RD, y “0” si el entrevistado optó por quedarse con un plan de tarifa plana. Así, el modelo estimado es el siguiente: Elección de plan = α+β_1 Tarifa Blanca+β_2 Meta+β_3 AA+β_4 Calefactor+X’δ+θ+ε donde β_1,β_2 ,β_(3 ) y β_4 son los coeficientes de interés, y X’δ es el vector de variables de control (logaritmo natural del ingreso del hogar en dólares, carga de electricidad percibida, edad y dummies para hombres, estado civil y quienes pagan la mitad o más de la cuenta). El coeficiente θ denota los efectos país en el segundo modelo. La Tabla 3 presenta los resultados. Tabla 3. Resultados de regresión logística Fuente: Diseño de los autores, utilizando datos del experimento Tarifa de Horas Pico Tipo 2 Meta de Ahorro Control de AA Control de Calefactor Observaciones Pseudo-R² Controles Controles de País Modelo 1: Sin controles de país -0,290** (0,108) 0,376*** (0,099) 0,183 (0,116) 0,144 (0,135) 3,045 0,0109 Si No Modelo 2: Con controles de país -0,291** (0,109) 0,376*** (0,100) 0,172 (0,117) 0,142 (0,136) 3,045 0,0152 Si Si tabla 3 * p<.05, ** p<.01, *** p<.001. Standard errors in parentheses. Controls were omitted due to non-significant values—Peak Hours Tariff Plan used as the baseline. 3636 Incluso después de controlar únicamente la demografía de los participantes (Modelo 1) y el país de residencia de los participantes (Modelo 2), el Plan Meta de Ahorro sigue siendo el plan de RD preferido por los consumidores en los países de América Latina sobre un plan plano. Es menos probable que los consumidores de estos países elijan el plan de RD de Horas Pico (2) que los otros planes de RD basados en el tiempo de uso y en electrodomésticos. Estos resultados son sólidos incluso después de la inclusión de controles demográficos y de países. En resumen, los consumidores prefieren el Plan de RD de Meta de Ahorro a la alternativa. Rechazan significativamente el Plan Tarifario de Horas Pico Tipo 2. Con respecto a las opciones de RD de Control de Calefactor o AA, los consumidores parecen no tener gustos o sentir rechazos particulares, lo que sugiere que los planes podrían obtener apoyo si se promocionan bien. 6.2 Percepción psicológica del sentido de agencia y efectos de moderación Con estos resultados en mente y con el papel de agencia mencionado en secciones anteriores con respecto a la eficacia de RD, las variables de los cinco planes ofrecidos se clasifican en dos categorías: (1) aquellos en los que el usuario tiene control sobre sus objetivos (es decir, el plan de horas pico tipo 1 y el plan de hora de pico tipo 2), y, por lo tanto, tienen un mayor sentido de agencia, y (2) aquellos en los que hay un sentido de agencia de los demás, en los que el proveedor de energía eléctrica sugiere los objetivos o ejerce un control externo sobre el consumo (es decir, el plan de metas y los planes de control de HVAC). Por lo tanto, existe una variable ficticia (dummy variable) denominada “agencia”, que asume el valor de uno (1) si los consumidores controlan y definen sus metas de reducción bajo el plan, y cero (0) si el proveedor de electricidad establece la meta de reducción o el uso de HVAC para cumplir con la reducción en el valor de la factura. La variable dependiente es una variable ficticia (dummy variable) por adoptar el plan alternativo frente al plan de tarifa plana. Por lo tanto, la regresión logística de la base de referencia es la siguiente (que es muy similar a la especificación anterior): Elección del plan= α+βAgencia+X’δ+θ+ε Los autores también evaluaron las interacciones de este efecto con la variable de ingresos, la carga de electricidad percibida (es decir, el % de la factura de electricidad sobre los ingresos del hogar) y la variable de tarifa justa (es decir, una variable que evalúa la percepción de los consumidores de que cargar una tarifa más alta durante las horas pico es justo). Los resultados se presentan en la Tabla 4, a continuación. Tabla 4. Resultados de regresiones logísticas de agencia Diseño de los autores usando datos del experimento Agencia Agencia x Tarifa Justa Agencia x Carga Percibida Agencia x Ingreso Observaciones Controles Efectos Fijos de País Pseudo-R² Modelo 1 -0,396*** (0,074) 3,045 Si Si 0,01 Modelo 2 -0,512*** (0,134) 0,049 (0,048) 3,045 Si Si 0,01 Modelo 3 -0,428*** (0,100) 0,153 (0,318) 3,045 Si Si 0,01 Modelo 4 -0,512*** (0,135) 0,049 (0,048) 3,045 Si Si 0,01 tabla 4 3737 El primer coeficiente muestra que los planes en los que el proveedor establece objetivos de reducción o temperatura de HVAC funcionan mejor que aquellos en los que la agencia recae en el consumidor. En otras palabras, es menos (vs. más) probable que los consumidores elijan el plan cuando los consumidores (vs. el proveedor) ejercen control sobre él. Ninguna de las interacciones fue significativa, lo que muestra un efecto muy homogéneo de esos tipos de planes entre diferentes demografías. A diferencia de los resultados de la encuesta de Shi et al. (2020), este experimento encontró que los consumidores están interesados en planes que ofrecen a la empresa de servicios públicos la capacidad de controlar el consumo de electricidad de los consumidores en todos los modelos. Esta preferencia se vuelve aún más clara cuando se controla por la percepción de que tan justa es la tarifa. Al considerar los ingresos de los consumidores, los consumidores preferían los planes de tarifas controlados por el proveedor en vez de los planes planos. Este resultado apunta hacia la necesidad de explorar otros planes que reduzcan la necesidad de los consumidores de administrar el consumo de su plan, aportando soluciones guiadas por los proveedores de electricidad al diseñar políticas de RD. La diferencia observada con los resultados de una encuesta en EE. UU. señala la necesidad de explorar más a fondo si los elementos culturales desempeñan un papel en la disposición de los hogares a optar por programas de control automático15. 6.3 Sensibilidad al precio La sensibilidad al precio es clave para comprender hasta dónde pueden ser efectivos los programas de RD, así como para evaluar la calibración de precios una vez que se implementan para lograr los resultados esperados. Se evaluaron cinco escenarios en los que los precios durante las horas pico son 20%, 40%, 60%, 80% y 100% más altos que los precios valle. La probabilidad de reducir el consumo durante las horas pico fue evaluada utilizando una escala de Likert de siete puntos16. Este estudio estimó luego modelos OLS utilizando la medida de que tan justas son las horas pico, la carga de electricidad percibida y el logaritmo natural de los ingresos del hogar en dólares estadounidenses. Esta parte del experimento apuntaba a comprender la modificación plena del comportamiento auto percibido resultante de diferentes planes de precios aplicados a los costos corrientes de electricidad de los consumidores. En promedio, quienes participaron en el experimento, informaron una carga percibida de la factura de electricidad de alrededor del 9,4% de sus ingresos. Los países de la muestra con menor carga relativa fueron Chile, con 9,03%, y Brasil, con 9,08%. Las mayores cargas relativas se registraron en Bolivia, con 9,65%, y Costa Rica, que también registró 9,65%. Estas cifras se reflejan en la Figura 8, a continuación. La encuesta midió la desviación estándar seguida por Colombia. 15. Tal es el caso de la Tarifa Blanca Brasileña (Tarifa Branca, en portugués), que favoreció la tarificación estándar en horas pico y eso por su propia cuenta. El estudio apunta que, de reformularse, la Tarifa Blanca podría tener más adeptos y aportar más beneficios al sistema eléctrico. 16. Definidos como los siguientes niveles: extremadamente improbable, moderadamente improbable, levemente improbable, ni probable ni improbable, levemente probable, moderadamente improbable y extremadamente probable. 4444 En este contexto, la respuesta a la demanda (RD), habilitada por la digitalización del sector eléctrico, es parte del futuro del sector eléctrico. La RD puede aumentar la eficiencia del sistema para hacer frente a la variabilidad al mismo tiempo que aumenta la asequibilidad. Los incentivos para los programas de RD pueden basarse en precios (programas de RD basados en precios) o contratos (programas de RD basados en incentivos por contrato). Normalmente, los programas de RD basados en precios consideran tarifas de electricidad diferenciadas por día, también conocidas como tarifas de ToU. En este caso, mientras que las tarifas en horas pico son más elevadas para cubrir los costos de suministro, en las horas valle la tarifa es aún más baja que la tarifa plana convencional. Por lo tanto, en los programas de RD con incentivos basados en precios, los consumidores pueden reaccionar naturalmente a diferentes tarifas de electricidad. A la inversa, en los programas RD basados en incentivos por contrato, el consumidor firma un contrato que otorga a la distribuidora el derecho de imponer límites de consumo durante algunas horas del día a cambio de un descuento en la tarifa eléctrica o en la factura total. Los programas de RD basados en incentivos por contrato pueden proporcionar descuentos en la tarifa o factura de electricidad si el consumidor logra un objetivo predefinido de reducción de consumo. Las políticas de respuesta a la demanda han demostrado ser exitosas en entornos comerciales e industriales. La implementación de programas de RD para los sectores industrial y comercial ya ha echado raíces en varios países de ALC. Los resultados de las evaluaciones de costos en Jamaica han demostrado cuán beneficiosos pueden ser estos incentivos para reducir la exposición de las fábricas y comercios a costos de electricidad inasequibles. El éxito de los programas de RD puede ser replicado en el sector residencial, especialmente con los avances en AMI. En el sector residencial, los programas de RD basados en precios de adopción voluntaria tienden a ser más comunes debido a su simplicidad. Países de ALC como Brasil, Costa Rica y Uruguay ya han implementado algunos programas de RD para los hogares. La mayoría de esos programas de RD se basan en tarifas ToU y en la adhesión voluntaria del consumidor. En otras palabras, el consumidor puede elegir pasarse de un programa de tarifa plana a un programa de tarifa ToU. Sin embargo, ese programa tiene una adhesión limitada. Comprender las barreras y los posibles mecanismos para superarlas es clave para mejorar la adopción. Sobre la base de nuestro análisis, se espera que el éxito de los programas de RD aumente exponencialmente a lo largo de los años. Sin embargo, el experimento reforzó que el éxito de esos programas dependerá de la existencia de incentivos significativos para el consumidor residencial, de herramientas AMI fáciles de usar, una buena campaña de comunicación para explicar a los consumidores los beneficios potenciales del programa, así como la inclusión de consejos sobre cómo cambiar los patrones de consumo de energía para responder a las señales del precio de la electricidad. Además, la difusión de programas de RD con contratos basados en incentivos juntamente con la provisión de instrumentos de control adicional de temperatura HVAC podría aumentar aún más la adopción y la eficacia de los programas de RD en el sector residencial, porque este tipo de programa de RD parece más fácil de comprender para el consumidor y más atractivo debido a su claro descuento en la tarifa/factura de electricidad, tal como apuntan experiencias pasadas (FSR, 2020, Asadinejad et al., 2016). Con el fin de analizar la probabilidad de que los hogares de ingresos medios y bajos adhieran a un plan de RD en ALC, este estudio desarrolló un experimento ofreciéndole al consumidor la opción de cambiarse a un plan de RD con una muestra de consumidores de 11 países: Argentina, Bolivia, Brasil, Chile, Colombia, Costa Rica, México, Panamá, Paraguay, Perú y Uruguay. 4545 Los principales resultados del experimento estiman que los hogares podrían tener una buena aceptación y comprensión de los programas de RD. La mayoría de los entrevistados entiende que sería justo cubrir los costos de suministro si las tarifas de electricidad fueran más altas durante las horas pico. Más del 50% de los entrevistados estaría dispuesto a cambiar a un plan de RD bajo algunas condiciones experimentales. Esas condiciones incluían programas de RD con incentivos específicos o limitados, tales como las Metas de Ahorro de Horas Pico y control de HVAC de Horas Pico. Al ver los resultados a través de la lente de los ingresos, los consumidores de ingresos medios tienden a tener una mayor sensibilidad a las variaciones en los precios de la electricidad, reaccionando incluso ante aumentos de tarifas muy bajos. Incluso variaciones modestas en el precio (20% durante las horas pico) son efectivas para cambiar el comportamiento de consumo de electricidad de los consumidores de ingresos medios. Es importante destacar que la sensibilidad a las variaciones en los precios depende también la percepción del consumidor en relación el peso de la cuenta de luz sobre su presupuesto familiar. En otras palabras, cuanto mayor el peso percibido de las cuentas de luz sobre el presupuesto familiar más sensible el consumidor tiende a ser a las variaciones de los precios. Con estas perspectivas en mente, es lógico pensar que los programas de RD son una oportunidad interesante para reducir la carga de la factura de electricidad, principalmente en los hogares de más bajos ingresos. Al mismo tiempo, sin embargo, los hogares de menores ingresos también tienen menos flexibilidad para reducir su consumo durante las horas pico, ya que están atados a actividades más esenciales. Las políticas y regulaciones de RD deben tener en cuenta estos hallazgos para capturar este positivo mercado potencial sin introducir o exacerbar las cargas de los consumidores de bajos ingresos. En los próximos pasos, los autores sugieren analizar el mercado residencial potencial para los programas de RD y desarrollar planes de RD de acuerdo con los bloques de consumo de electricidad para captar la heterogeneidad de los patrones de consumo de energía. El experimento resalta igualmente la importancia de una campaña de concientización para informar a los clientes de energía acerca de los beneficios y el razonamiento detrás de la política de RD como un medio para aumentar su éxito. Los entrevistados en este estudio demostraron una alta aceptación de los instrumentos informativos (como recordatorios de texto y notificaciones de una aplicación que les permitía realizar un seguimiento de su consumo de electricidad). Los consumidores participantes demostraron una preferencia por la digitalización y, específicamente, el uso de aplicaciones, para monitorear su consumo; sin embargo, los hallazgos no excluyen el valor de los mensajes de texto. La implementación de estos instrumentos de información mejoraría la percepción de qué tan justos son los programas de RD por parte de los consumidores y su conciencia sobre su comportamiento de consumo de electricidad durante el día/mes/año, así como los costos asociados. En otras palabras, esos instrumentos podrían ayudar a los consumidores a administrar mejor su consumo de electricidad y participar más en los cambios en los patrones de consumo. La implementación de instrumentos informativos podría contribuir significativamente a la adopción y eficacia de los programas de RD. En resumen, este estudio ha aportado información sobre cómo diseñar políticas de RD para aumentar su aceptación por parte de los consumidores residenciales potenciales. La información compartida aquí incluyó datos experimentales, revisiones de literatura y precedentes de políticas. ALC ha presenciado el establecimiento de algunas políticas de RD dirigidas a diferentes sectores. Como sugieren diversos diseños de RD y precedentes en otras regiones, existe potencial para desarrollar aún más la RD en nuevos países y sectores de ALC. Los programas de RD deben ser considerados una solución potencial y efectiva para reducir los costos del servicio eléctrico de ALC y aumentar su asequibilidad en el corto y mediano plazo. 4646 Bibliografía ABRAHAMSE, W., STEG, L., VLEK, C., & ROTHENGATTER, T. (2005). A review of intervention studies aimed at household energy conservation. Journal of Environmental Psychology, 25(3) , pp. 273–291. https://doi.org/10.1016/j.jenvp.2005.08.002 ACUÑA, D., KORENKO, J., & KORENKO L. (2016). EnerHomGy: gestión de la demanda eléctrica domiciliaria. Tésis de Grado. Facultad de Ingeniería. Universidad de la República: Uruguay. ALBADI, M.H., & EL-SAADANY, E.F. (2008). A summary of demand response in electricity markets. Electric Power Systems Research, 78(11), pp. 1989–1996. https://doi.org/10.1016/j. epsr.2008.04.002 ANDRADE, E. B. (2015). Consumer emotions. In M. I. Norton, D. D. Rucker, & C. Lamberton (Eds.), The Cambridge handbook of consumer psychology (pp. 90–121). New York: Cambridge University Press. https://doi.org/10.1017/CBO9781107706552.004 ANTONIO, K. M., RAVILLARD, P., CHUECA, E., LOPEZ, D., & HALLACK, M. (2020). Enhancing affordability of Peruvian households: Evidence from retrofit lighting. Washington, D.C.: Inter- American Development Bank. BARTUSCH, C., WALLIN, F., ODLARE, M., VASSILEVA, I., & WESTER, L. (2011). Introducing a demand-based electricity distribution tariff in the residential sector: Demand response and customer perception. Energy Policy, 39(9), pp. 5008–5025. BATLLE, C., & RODILLA, P. (2009). Electricity demand response tools: Current status and outstanding issues. European Review of Energy Markets, 3(2), pp. 1–27. BORENSTEIN, S., JASKE, M., & ROSENFEL, A. (2002). Dynamic pricing, advanced metering, and demand response in electricity markets. University of California Energy Institute, Center for the Study of Energy Markets (CSEM) Working Paper Series. no. 105, pp. 1–64, October. CASTRO ABRIL, M. (2020). Intermittent renewable energy, hydropower dynamics and the profitability of storage arbitrage. Washington, D.C.: Inter-American Development Bank. CAVALLO, E., POWELL, A., & SEREBRISKY, T. (2020). From structures to services: The path to better infrastructure in Latin America and the Caribbean. Washington, D.C.: Inter-American Development Bank. COHEN, J. B., & ANDRADE, E. B. (2018). The ADF framework: A parsimonious model for developing successful behavior change interventions. Journal of Marketing Behavior, 3(2), pp. 81–119. https://doi. org/10.1561/107.00000046 COSTA, F. (2012). Can rationing affect long-run behavior? Evidence from Brazil, December 2011. Costa, http://dx.doi.org/10.2139/ssrn.2028684 DILLAHUNT, T. R., & MANKOFF, J. (2014). Understanding factors of successful engagement around energy consumption between and among households. CSCW ‘14: Proceedings of the 17th ACM conference on computer supported cooperative work and social computing. pp. 1246– 1257. https:// doi.org/10.1145/2531602.2531626 4747 DRANKA, G. G., & FERREIRA, P. (2020). Load flexibility potential across residential, commercial, and industrial sectors in Brazil. Energy, vol. 201, June. https://doi.org/10.1016/j.energy.2020.117483 EID, C., KOLIOU, E., VALLES, M., RENESES, J., & HAKVOORT, R. (2016). Time-based pricing and electricity demand response: Existing barriers and next steps. Utilities Policy, 40, pp. 15–25, 2016. https://doi.org/10.1016/j.jup.2016.04.001 EUROPEAN COMMISSION – EC. (2016). Impact assessment study on downstream flexibility, price flexibility, demand response and smart metering, DG Energy, pp. 192, 2016, July. FARUQUI, A., & SERGICI, S. (2010). Household response to dynamic pricing of electricity: A survey of 15 experiments. Journal of Regulatory Economics, 38(2). FARUQUI, A., & SERGICI, S. (2013). Arcturus: International evidence on dynamic pricing. The Electricity Journal, 26(7), pp. 55–65. FARUQUI, A., & BOURBONNAIS, C. (2020). The tariffs of tomorrow. IEEE Power Energy Magazine, pp. 18–25, June. FEDERAL ENERGY REGULATORY COMMISSION – FERC. (2018). Assessment of demand response and advanced metering. Staff Report. November. FLORENCE SCHOOL OF REGULATION - FSR. (2020). Time of use and dynamic pricing rates in the US. Available: https://fsr.eui.eu/time-of-use-and-dynamic-pricing-rates-in-the-us/. GAGNE, D., SETTLE, E., AZNAR, A., & BRACHO, R. (2018). Demand response compensation methodologies: Case studies for Mexico. Technical Report. Golden, CO: National Renewable Energy Laboratory (NREL), pp. 58, June. GELLINGS, C. W. (1985). The concept of demand-side management for electric utilities. Proceedings of the IEEE, 73(10), pp. 1468–1470. GOLDENBERG, C., DYSON, M., & MASTERS, H. (2018). Demand flexibility the key to enabling a lowcost, low-carbon grid insight brief. White Paper. Basalt, CO: Rocky Mountain Electricity Institute. GUNTHER, B., JÖRG, P., & LINDA, S. (2010). Energy usage and socio-economic conditions in Mozambique – Evidence from GTZ electrification project regions. GUSTAFSSON, A., & GYLLENSWÄRD, M. (2005). The power-aware cord: Energy awareness through ambient information display. Conference on Human Factors in Computing Systems - Proceedings, p. 1423–1426. Available at: https://doi.org/10.1145/1056808.1056932 HALE, E., BIRD, L., PADMANABHAN, R., & VOLPI, C. (2018). Potential roles for demand response in high-growth electric systems with increasing shares of renewable generation potential roles for demand response in high-growth electric systems with increasing shares of renewable generation. Technical Report. Golden, CO: National Renewable Energy Laboratory - NREL, vol. NREL/TP-6A, December. HOLMES, T. G. (2009). Eco-visualization: Combining art and technology to reduce energy consumption. Proceedings of the 6th Conference on Creativity & Cognition, Washington, D.C., USA, June. https://doi.org/10.1145/1254960.1254982 INTERNATIONAL ENERGY AGENCY – IEA. (2021). Demand response. Paris: IEA. Available at: https://www.iea.org/reports/demand-response 4848 INTERNATIONAL ENERGY AGENCY – IEA. (2018). World Energy Outlook 2018: Highlights. Paris: IEA. JANSEN, L. L., ANDREADOU, N., PAPAIOANNOU, I., & MARINOPOULOS, A. (2020). Smart grid lab research in Europe and beyond. International Journal of Energy Research, 44(3), pp. 1307– 1336. https://doi.org/10.1002/er.4818 JIMENEZ MORI, R. A. & YÉPEZ-GARCÍA, A. (2020). How do households consume energy? - Evidence from Latin American and Caribbean Countries. Washington, D.C.: Inter-American Development Bank. KARLAN, D. S., MCCONNELL, M., MULLAINATHAN, S., & ZINMAN, J. (2010). Getting to the top of mind: How reminders increase saving. Management Science, 62(12), March. https://doi. org/10.1287/mnsc.2015.2296 LANGEVIN, J., GURIAN, P. L., & WEN, J. (2013). Reducing energy consumption in low-income public housing: Interviewing residents about energy behaviors. Applied Energy, 102, pp. 1358– 1370. https:// doi.org/10.1016/j.apenergy.2012.07.003 LUJANO-ROJAS, J. M., MONTEIRO, C., DUFO-LÓPEZ, R., & BERNAL-AGUSTÍN, J. L. (2012). Optimum residential load management strategy for real time pricing (RTP) demand response programs. Energy Policy, 45, pp. 671–679. OCONNELL, N., PINSON, P., MADSEN, H., & OMALLEY, M. (2014). Benefits and challenges of electrical demand response: A critical review. Renewable and Sustainable Energy Reviews, 39, pp. 686–699. PREEDY, V.R., & WATSON R.R. (2010). Handbook of disease burdens and quality of life measures. New York: Springer. DOI: https://doi.org/10.1007/978-0-387-78665-0_6363. RAVILLARD, P., CARVAJAL, F., LOPEZ SOTO, D., CHUECA MONTUENGA, E., & HALLACK M. (2019). Towards greater energy efficiency in LAC: Progress and policies. Washington, D.C.: Inter- American Development Bank. RODAS-GALLEGO, E., & MEJÍA-GIRALDO, D. (2020). Market-based Impact of a demand response program in the Colombian power market. IEEE Latin America Transactions, 18(03), pp. 537-544, March. https://doi.org/10.1109/TLA.2020.9082725 SANCHEZ Ú.E., PORTELA, G., MUÑOZ, J., SAN ROQUE, A., CHUECA, J. E., & Hallack M. (2021). Impacto del COVID-19 en la demanda de energía eléctrica en Latinoamérica y el Caribe. Washington, D.C.: Inter-American Development Bank. https://publications.iadb.org/es/impactodel-covid-19-en- la-demanda-de-energia-electrica-en-latinoamerica-y-el-caribe SATCHWELL, A., BARBOSE, G., GOLDMAN, C., HLEDIK, R., & FARUQUI, A. (2013). Incorporating demand response into Western interconnection transmission planning. Berkeley, CA: Lawrence Berkeley National Laboratory. SCHIL W., PAHLE M., & GAMBARDELLA C., (2017). Start-up costs of thermal power plants in markets with increasing shares of variable renewable generation. Nature energy. STOFT, S. (2002). Power system eonomics. IEEE Press. STOKKE, A. V., DOORMAN, G. L., & ERICSON, T. (2010). An analysis of a demand charge electricity grid tariff in the residential sector. Energy Efficiency, 3(3), pp. 267–282. https://doi.org/10.1007/ s12053-009-9071-9 VANTHOURNOUT, K., DUPONT, B., FOUBERT, W., STUCKENS, C., & CLAESSENS, S. (2015). An automated residential demand response pilot experiment, based on day-ahead dynamic pricing. Applied Energy, 155, pp. 195–203. 4949 VASSILEVA, I., ODLARE, M., WALLIN, F., & DAHLQUIST, E. (2012). The impact of consumers’ feedback preferences on domestic electricity consumption. Applied Energy, 93, pp. 575–582. https:// doi.org/10.1016/j.apenergy.2011.12.067 VAZQUEZ C., HALLACK M., & VAZQUEZ, M. (2017). Price computation in electricity auctions with complex rules: An analysis of investment signals. Energy Policy, 105(C), 550-561. WADA, K., AKIMOTO, K., SANO, F., ODA, J., & HOMMA, T. (2012). Energy efficiency opportunities in the residential sector and their feasibility. Energy, 48(1), pp. 5–10. https://doi.org/10.1016/j. energy.2012. WALKER, I., & HOPE, A. (2020). Householders’ readiness for demand-side response: A qualitative study of how domestic tasks might be shifted in time. Energy and Buildings, 215, p. 109888. https:// doi.org/10.1016/j.enbuild.2020.109888 WANG, Y., LIN, H., LIU, Y., SUN, Q., & WENNERSTEN, R. (2018). Management of household electricity consumption under price-based demand response scheme. Journal of Cleaner Production, 204, pp. 926–938. https://doi.org/10.1016/j.jclepro.2018.09.019 WEBER, S., PUDDU, S., & PACHECO, D. (2017). Move it! How an electric contest motivates households to shift their load profile. Energy Economics, 68, pp. 255–270. WILSON, T.D., ARONSON, E., & CARLSMITH, K. (2010). The art of laboratory experimentation. Handbook of Social Psychology, pp. 49–79. https://doi.org/10.1002/9780470561119.socpsy001002 US DEPARTMENT OF ENERGY – US DOE. (2006). Benefits of demand response in electricity markets and recommendations for achieving them. pp. 13–14, February. 5050 ANEXO 5151 A.1 Ingreso per cápita promedio y costo de la factura de la luz del hogar: Una comparación entre los resultados de la muestra y la encuesta de presupuesto de los hogares de Brasil Este es el perfil socioeconómico de la muestra del experimento de Brasil, excluyendo los valores atípicos 20: (a) Ingreso per cápita mensual (hogar completo) 10% de la muestra: gana menos de US$20 - > equivalente al 1er decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. 25% de la muestra: gana menos de US$40 - > equivalente al 1er decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. 50% de la muestra: gana menos de US$80 - > equivalente al 2do decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. 75% de la muestra: gana menos de US$130 - > equivalente al 3er decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. 90% de la muestra: gana menos de US$230 - > equivalente al 5to decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. Media = ganancia US$200 -> entre el 3ro y 4to deciles de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. El ingreso per cápita mensual por decil de hogar brasileño se muestra a continuación (Tabla A.1.1). Los datos son de la Encuesta de Presupuestos Familiares de Brasil 2017-201819. 19. La tasa de cambio fue de 3,22 reales por dólar del Banco Central de Brasil para el día 15 de enero de 2018, disponible en: http://www.ipea-data.gov.br/ExibeSerie.aspx?serid=38590&module =M 5252 Tabla A.1.1. Ingreso per cápita por decil de hogar brasileño, 2018 Fuente: Encuesta de Presupuestos Familiares de Brasil – POF 2017-2018. (a) Costo de la Factura de Electricidad Mensual del Hogar (todo el hogar) 10% de la muestra: paga menos de US$12 (R$60) en promedio por mes -> equivalente al 2° decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. 25% de la muestra: paga menos de US$18 (R$90) en promedio por mes -> equivalente al 3er decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. 50% de la muestra: paga menos de US$24 (R$120) en promedio al mes -> equivalente al 4º decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. 75% de la muestra: paga menos de US$36 (R$180) en promedio al mes -> equivalente al 6º decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. 90% de la muestra: paga menos de US$50 (R$250) en promedio por mes -> equivalente al 8º decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. Media = paga US$28 (R$140) en promedio por mes -> equivalente al 5º decil de ingresos de la Encuesta de Presupuestos Familiares de Brasil 2017-2018. Table A.2.1. Per capita Income per Brazilian Household Decile, 2018. Table A.2.2 Variable Decil 1 Decil 2 Decil 3 Decil 4 Decil 5 Decil 6 Decil 7 Decil 8 Decil 9 Decil 10 Media $ 50,75 $ 96,98 $ 137,14 $ 178,13 $ 226,42 $ 277,71 $ 339,93 $ 434,47 $ 618,48 $ 1 766,66 Desv.Estándar $ 17,26 $ 11,70 $ 11,68 $ 12,43 $ 14,90 $ 15,32 $ 21,15 $ 35,33 $ 77,87 $ 1 911,39 Min $ - $ 76,21 $ 116,52 $ 157,34 $ 200,31 $ 251,42 $ 304,36 $ 378,46 $ 502,54 $ 777,94 Max $ 76,21 $ 116,50 $ 157,34 $ 200,30 $ 251,42 $ 304,34 $ 378,45 $ 502,53 $ 777,92 $ 74 396,94 Per capita Income* - Brazil - POF 2017-2018 Variable Decil 1 Decil 2 Decil 3 Decil 4 Decil 5 Decil 6 Decil 7 Decil 8 Decil 9 Decil 10 Media $ 7,81 $ 14,50 $ 19,54 $ 24,55 $ 29,84 $ 35,84 $ 43,25 $ 53,61 $ 69,10 $ 121,12 Desv. Estándar $ 2,50 $ 1,58 $ 1,38 $ 1,49 $ 1,66 $ 1,90 $ 2,50 $ 3,42 $ 6,34 $ 47,73 Min $ 0,75 $ 11,53 $ 17,08 $ 21,94 $ 27,13 $ 32,83 $ 39,29 $ 47,90 $ 60,00 $ 82,45 Máx $ 11,52 $ 17,07 $ 21,93 $ 27,13 $ 32,83 $ 39,29 $ 47,89 $ 59,99 $ 82,45 $ 568,65 Monthly Electricity Bill Cost* per Household- Brazil - POF 2017-2018 * Valores en dólares (diciembre 15, 2020) * Valores en dólares (diciembre 15, 2020) Table A.3.1 Modelo 20% 0,031** (0,013) Yes 3 078 0,019 Modelo 40% 0,025 (0,013) Yes 2 988 0,018 Modelo 60% 0,020 (0,014) Yes 2 985 0,011 Modelo 80% 0,022 (0,014) Yes 2 961 0,011 Modelo 100% 0,008 (0,015) Yes 2 969 0,008 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Ingreso Controles1 # Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Modelo 20% 0,140*** (0,020) Yes 3 699 0,026 Modelo 40% 0,130*** (0,020) Yes 3 603 0,023 Modelo 60% 0,134*** (0,022) Yes 3 593 0,019 Modelo 80% 0,113*** (0,023) Yes 3 570 0,015 Modelo 100% 0,100*** (0,025) Yes 3 577 0,011 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Tarifa Justa Controles1 Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Table A.3.2. Impact of Fairness on Willingness to Reduce Consumption During Peak Hours (more price-sensitive) Table A.3.3. Impact of Perceived Burden of the Electricity Bill on Willingness to Reduce Consumption During Peak Hours (more price-sensitive) Model 20% -0,372*** (0,140) Yes 3 552 0,016 Model 40% -0,572*** (0,141) Yes 3 464 0,018 Model 60% -0,459*** (0,149) Yes 3 455 0,011 Model 80% -0,389** (0,157) Yes 3 432 0,009 Model 100% -0,127 (0,169) Yes 3 442 0,006 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Carga percibida Controles1 # Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Modelo 20% 0,128*** (0,023) -0,424*** (0,151) 0,033** (0,014) Yes 3 020 0,033 Modelo 40% 0,136*** (0,023) -0,552*** (0,151) 0,027 (0,014) Yes 2 933 0,035 Modelo 60% 0,142*** (0,024) -0,444*** (0,159) 0,016 (0,015) Yes 2 929 0,026 Modelo 80% 0,121*** (0,025) -0,343** (0,169) 0,026 (0,015) Yes 2 907 0,020 Modelo 100% 0,101*** (0,027) -0,037 (0,182) 0,010 (0,017) Yes 2 916 0,013 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Tarifa Justa Carga percibida Ingresos Controles1 Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Table A.3.4. Impact of Income, Fairness and Perceived Burden of the Electricity Bill on Willingness to Reduce Consumption During Peak Hours (more price-sensitive) 5353 El costo de la factura de electricidad de los hogares brasileños se presenta por decil (Tabla A.1.2). Tabla A.1.2. Costo de la factura de electricidad mensual promedio de los hogares por decil, 2018 Table A.2.1. Per capita Income per Brazilian Household Decile, 2018. Table A.2.2 Variable Decil 1 Decil 2 Decil 3 Decil 4 Decil 5 Decil 6 Decil 7 Decil 8 Decil 9 Decil 10 Media $ 50,75 $ 96,98 $ 137,14 $ 178,13 $ 226,42 $ 277,71 $ 339,93 $ 434,47 $ 618,48 $ 1 766,66 Desv.Estándar $ 17,26 $ 11,70 $ 11,68 $ 12,43 $ 14,90 $ 15,32 $ 21,15 $ 35,33 $ 77,87 $ 1 911,39 Min $ - $ 76,21 $ 116,52 $ 157,34 $ 200,31 $ 251,42 $ 304,36 $ 378,46 $ 502,54 $ 777,94 Max $ 76,21 $ 116,50 $ 157,34 $ 200,30 $ 251,42 $ 304,34 $ 378,45 $ 502,53 $ 777,92 $ 74 396,94 Per capita Income* - Brazil - POF 2017-2018 Variable Decil 1 Decil 2 Decil 3 Decil 4 Decil 5 Decil 6 Decil 7 Decil 8 Decil 9 Decil 10 Media $ 7,81 $ 14,50 $ 19,54 $ 24,55 $ 29,84 $ 35,84 $ 43,25 $ 53,61 $ 69,10 $ 121,12 Desv. Estándar $ 2,50 $ 1,58 $ 1,38 $ 1,49 $ 1,66 $ 1,90 $ 2,50 $ 3,42 $ 6,34 $ 47,73 Min $ 0,75 $ 11,53 $ 17,08 $ 21,94 $ 27,13 $ 32,83 $ 39,29 $ 47,90 $ 60,00 $ 82,45 Máx $ 11,52 $ 17,07 $ 21,93 $ 27,13 $ 32,83 $ 39,29 $ 47,89 $ 59,99 $ 82,45 $ 568,65 Monthly Electricity Bill Cost* per Household- Brazil - POF 2017-2018 * Valores en dólares (diciembre 15, 2020) * Valores en dólares (diciembre 15, 2020) Table A.3.1 Modelo 20% 0,031** (0,013) Yes 3 078 0,019 Modelo 40% 0,025 (0,013) Yes 2 988 0,018 Modelo 60% 0,020 (0,014) Yes 2 985 0,011 Modelo 80% 0,022 (0,014) Yes 2 961 0,011 Modelo 100% 0,008 (0,015) Yes 2 969 0,008 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Ingreso Controles1 # Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Modelo 20% 0,140*** (0,020) Yes 3 699 0,026 Modelo 40% 0,130*** (0,020) Yes 3 603 0,023 Modelo 60% 0,134*** (0,022) Yes 3 593 0,019 Modelo 80% 0,113*** (0,023) Yes 3 570 0,015 Modelo 100% 0,100*** (0,025) Yes 3 577 0,011 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Tarifa Justa Controles1 Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Table A.3.2. Impact of Fairness on Willingness to Reduce Consumption During Peak Hours (more price-sensitive) Table A.3.3. Impact of Perceived Burden of the Electricity Bill on Willingness to Reduce Consumption During Peak Hours (more price-sensitive) Model 20% -0,372*** (0,140) Yes 3 552 0,016 Model 40% -0,572*** (0,141) Yes 3 464 0,018 Model 60% -0,459*** (0,149) Yes 3 455 0,011 Model 80% -0,389** (0,157) Yes 3 432 0,009 Model 100% -0,127 (0,169) Yes 3 442 0,006 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Carga percibida Controles1 # Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Modelo 20% 0,128*** (0,023) -0,424*** (0,151) 0,033** (0,014) Yes 3 020 0,033 Modelo 40% 0,136*** (0,023) -0,552*** (0,151) 0,027 (0,014) Yes 2 933 0,035 Modelo 60% 0,142*** (0,024) -0,444*** (0,159) 0,016 (0,015) Yes 2 929 0,026 Modelo 80% 0,121*** (0,025) -0,343** (0,169) 0,026 (0,015) Yes 2 907 0,020 Modelo 100% 0,101*** (0,027) -0,037 (0,182) 0,010 (0,017) Yes 2 916 0,013 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Tarifa Justa Carga percibida Ingresos Controles1 Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Table A.3.4. Impact of Income, Fairness and Perceived Burden of the Electricity Bill on Willingness to Reduce Consumption During Peak Hours (more price-sensitive) 6060 su hogar. ¿Qué plan elegirías? [Horas pico en su región: 7 hasta 10h de la noche] Duración total = 3 horas o Plan A Tu tarifa es la misma independientemente de la hora del día. (1) o Plan B Su tarifa es más cara durante las horas de pico y más barata fuera de estas horas pico. La tarifa de las horas de pico es casi el triple que las fuera de estas horas pico. Si reduce su uso en un 33% durante las horas de pico, su factura total de la luz se reduce en hasta 4%. (2) End of Block: cond_peakhours_Brazil ---------------------------------------------------------------------------------------------------------------------------------- Start of Block: cond_AC cond_AC Imagine que su proveedor de electricidad ofrece estos dos planes para su hogar. ¿Qué plan elegirías? [Horas pico en su región: 7 hasta 10h de la noche] Duración total = 3 horas o Plan A Tu tarifa es la misma independientemente de la hora del día. (1) o Plan B Durante las horas de pico, permites que tu proveedor de electricidad apague tu aire acondicionado (solo si tu proveedor lo necesita) y tienes un descuento de hasta un 21% en tu factura total de la luz. (2) End of Block: cond_AC ---------------------------------------------------------------------------------------------------------------------------------- Start of Block: DV_prefered_reminder DV_prefered_interven Ahora, imagine que le gustaría reducir el consumo de electricidad de su hogar durante las horas de pico. ¿Qué tipo de información proporcionada por el proveedor de electricidad cree que sería más eficaz para que su hogar redujera el consumo durante las horas de pico? ---------------------------------------------------------------------------------------------------------------------------------- Mensajes de texto con información sobre qué electrodomésticos suelen consumir más electricidad y cuánto se paga aproximadamente por ellos. (33) oDefinitivamente No (23) oProbablemente No (24) oTal Vez (25) oProbablemente Sí (26) oDefinitivamente Si (27) ---------------------------------------------------------------------------------------------------------------------------------- ---------------------------------------------------------------------------------------------------------------------------------- 6161 Mensajes de texto recibidos cuando comienzan y termina las horas de pico. (34) oDefinitivamente No (23) oProbablemente No (24) oTal Vez (25) oProbablemente Sí (26) oDefinitivamente Si (27) ---------------------------------------------------------------------------------------------------------------------------------- Un mensaje de texto cuando el precio de la electricidad es superior a un límite estimando el horario pico. (35) oDefinitivamente No (23) oProbablemente No (24) oTal Vez (25) oProbablemente Sí (26) oDefinitivamente Si (27) ---------------------------------------------------------------------------------------------------------------------------------- Un mensaje de texto con tu consumo actual y previsión de la factura de la luz a final de mes. (36) oDefinitivamente No (23) oProbablemente No (24) oTal Vez (25) oProbablemente Sí (26) oDefinitivamente Si (27) ---------------------------------------------------------------------------------------------------------------------------------- Una aplicación para el celular con notificaciones de tu consumo de electricidad y él pronostican el costo final de su factura de la luz. (37) oDefinitivamente No (23) oProbablemente No (24) oTal Vez (25) oProbablemente Sí (26) oDefinitivamente Si (27) --------------------------------------------------------------------------------------------------------------------------------- End of Block: DV_prefered_reminder ---------------------------------------------------------------------------------------------------------------------------------- Start of Block: manp_check manipulation_check En esta investigación mostramos dos planes hipotéticos de consumo de 6262 luz. ¿Cuál de los siguientes planes era uno de ellos? o Si reduce su consumo electrico en un 33% durante las horas de pico, su factura total de luz puede reducirse hasta en un 21%. (21) o Si reduce su consumo electrico en un 33% durante las horas de pico, su factura total de luz puede reducirse hasta en un 4%. (22) o Si reduce su consumo electrico en un 33% en horas pico, su tarifa disminuye y su factura total de luz se puede reducir hasta en un 21%. Si no altera su consumo su factura de la luz no cambia. (23) o Si deja que su proveedor de electricidad apague su aire acondicionado o calentador en los horarios de pico, obtendrá un descuento de hasta el 21% en su factura total de luz. (24) End of Block: manp_check ---------------------------------------------------------------------------------------------------------------------------------- Start of Block: partic_consumption_motives partic_consumption_m Indique en qué medida está de acuerdo o en desacuerdo con los siguientes puntos: ---------------------------------------------------------------------------------------------------------------------------------- Me gustaría reducir consumo de electricidad en mi hogar por cuestiones medioambientales. (1) oTotalmente en Desacuerdo (11) oEn Desacuerdo (12) oAlgo en Desacuerdo (13) oNi de Acuerdo Ni en Desacuerdo (14) oAlgo de Acuerdo (15) oDe Acuerdo (16) oTotalmente de Acuerdo (17) ---------------------------------------------------------------------------------------------------------------------------------- Me gustaría reducir consumo de electricidad en mi casa para ahorrar dinero. (2) oTotalmente en Desacuerdo (11) oEn Desacuerdo (12) oAlgo en Desacuerdo (13) oNi de Acuerdo Ni en Desacuerdo (14) oAlgo de Acuerdo (15) oDe Acuerdo (16) oTotalmente de Acuerdo (17) ---------------------------------------------------------------------------------------------------------------------------------- ---------------------------------------------------------------------------------------------------------------------------------- 6363 Me gustaría reducir el consumo de electricidad en mi casa, pero es muy difícil porque tengo que educar a otras personas que viven conmigo. (3) oTotalmente en Desacuerdo (11) oEn Desacuerdo (12) oAlgo en Desacuerdo (13) oNi de Acuerdo Ni en Desacuerdo (14) oAlgo de Acuerdo (15) oDe Acuerdo (16) oTotalmente de Acuerdo (17) ---------------------------------------------------------------------------------------------------------------------------------- He tenido dificultades en los últimos años para pagar mi factura de luz. (5) oTotalmente en Desacuerdo (11) oEn Desacuerdo (12) oAlgo en Desacuerdo (13) oNi de Acuerdo Ni en Desacuerdo (14) oAlgo de Acuerdo (15) oDe Acuerdo (16) oTotalmente de Acuerdo (17) ---------------------------------------------------------------------------------------------------------------------------------- Normalmente evito usar dispositivos electrónicos debido al costo de la electricidad. (6) oTotalmente en Desacuerdo (11) oEn Desacuerdo (12) oAlgo en Desacuerdo (13) oNi de Acuerdo Ni en Desacuerdo (14) oAlgo de Acuerdo (15) oDe Acuerdo (16) oTotalmente de Acuerdo (17) ---------------------------------------------------------------------------------------------------------------------------------- Me gustaría usar el aire acondicionado o la calefacción con más frecuencia en mi casa. (7) oTotalmente en Desacuerdo (11) oEn Desacuerdo (12) oAlgo en Desacuerdo (13) oNi de Acuerdo Ni en Desacuerdo (14) oAlgo de Acuerdo (15) oDe Acuerdo (16) oTotalmente de Acuerdo (17) ---------------------------------------------------------------------------------------------------------------------------------- part_perc_use_same En comparación con personas con el MISMO nivel socioeconómico que el tuyo, ¿cómo crees que es tu consumo de electricidad? o SUPERIOR al consumo promedio de los demás. (1) o IGUAL al promedio de los demás. (13) o INFERIOR al consumo promedio de los demás. (2) ---------------------------------------------------------------------------------------------------------------------------------- part_perc_use_high En comparación con personas con el nivel socioeconómico SUPERIOR que 6464 el tuyo, ¿cómo crees que es tu consumo de electricidad? o SUPERIOR al consumo promedio de la gente como yo. (1) o IGUAL al promedio de la gente como yo. (13) o INFERIOR al consumo promedio de la gente como yo. (14) ---------------------------------------------------------------------------------------------------------------------------------- partic_elect_supplie ¿Cuál es el nombre de su proveedor de electricidad? (Si no recuerda, déjelo en blanco) ---------------------------------------------------------------------------------------------------------------------------------- ---------------------------------------------------------------------------------------------------------------------------------- partic_electr_source ¿Cuál es la principal fuente de energía que utiliza en su casa para Calentar la casa (1) oEnergía Eléctrica (1) oGas Canalizado (4) oBombona de Gas (5) oLeña (7) oOtros (8) oNinguno (9) ---------------------------------------------------------------------------------------------------------------------------------- Cocinar (2) oEnergía Eléctrica (1) oGas Canalizado (4) oBombona de Gas (5) oLeña (7) oOtros (8) oNinguno (9) ---------------------------------------------------------------------------------------------------------------------------------- Calentar Agua (3) oEnergía Eléctrica (1) oGas Canalizado (4) oBombona de Gas (5) oLeña (7) oOtros (8) oNinguno (9) ---------------------------------------------------------------------------------------------------------------------------------- partic_Interr_freq 6565 Respecto al suministro de energía eléctrica en su hogar el año pasado ... En promedio, ¿con qué frecuencia ha tenido cortes de electricidad? o Diario (11) o 4-6 veces por semana (12) o 2-3 veces por semana (13) o Una vez por semana (14) o Una vez al mes (15) o Nunca (16) partic_Interr_durati . En promedio, ¿cuánto duraron las interrupciones y apagones del suministro eléctrico? (1)  o0 (1) o1-3min (2) o4-15min (3) o16-40min (4) o41-59min (5) o1-3h (6) o4-10h (7) o11-23h (8) o1-2 días (9) o3-5 días (10) o6 días o más (11) ---------------------------------------------------------------------------------------------------------------------------------- ¿Cuánto duró el apagón eléctrico o corte de luz más largo? (2) o0 (1) o1-3min (2) o4-15min (3) o16-40min (4) o41-59min (5) o1-3h (6) o4-10h (7) o11-23h (8) o1-2 días (9) o3-5 días (10) o6 días o más (11) ---------------------------------------------------------------------------------------------------------------------------------- partic_interr_conse Sobre los costos asociados a estos apagones eléctricos o cortes de luz: 6666 ¿Se dañó algún equipo? (1) oSí (1) oNo (2) oNo tuve interrupciones (3) ---------------------------------------------------------------------------------------------------------------------------------- ¿Ha recibido una compensación económica por la interrupción del servicio eléctrico? (7) oSí (1) oNo (2) oNo tuve interrupciones (3) ---------------------------------------------------------------------------------------------------------------------------------- ¿Ha recibido una compensación económica por el equipo dañado por el corte de luz? (8) oSí (1) oNo (2) oNo tuve interrupciones (3) ---------------------------------------------------------------------------------------------------------------------------------- ¿Fue necesario contactar al distribuidor o regulador para solucionar el problema? (9) oSí (1) oNo (2) oNo tuve interrupciones (3) ---------------------------------------------------------------------------------------------------------------------------------- Page Break End of Block: partic_consumption_motives ---------------------------------------------------------------------------------------------------------------------------------- Start of block: demographics todelete_13 Antes de terminar, responda a estas preguntas demográficas: ---------------------------------------------------------------------------------------------------------------------------------- race ¿Cuál es su origen racial? ▼ Asiático (5) ... Prefiero no contestar (9) ---------------------------------------------------------------------------------------------------------------------------------- gender ¿Cuál es su identidad de género? ▼ Masculino (1) ... Otro (13) ---------------------------------------------------------------------------------------------------------------------------------- age ¿Cuál es tu edad? (En años | solo números enteros) ▼ 18 (1) ... 85 o más (68) ---------------------------------------------------------------------------------------------------------------------------------- education ¿Cuál es el nivel educativo más alto que ha alcanzado? ▼ Educación Básica Incompleta (1) ... Prefiero no contestar (10) nacionalidad ¿Dónde vive actualmente? 6767 ▼ Argentina (7) ... Otro (110) ---------------------------------------------------------------------------------------------------------------------------------- state_live ¿En qué ESTADO/PROVINCIA vive actualmente? ---------------------------------------------------------------------------------------------------------------------------------- ---------------------------------------------------------------------------------------------------------------------------------- Page Break * partic_income ¿Cuál es su ingreso total en un mes antes de impuestos? [Responda solo en números, en su moneda local. No incluya centavos (ej .: 150).] ---------------------------------------------------------------------------------------------------------------------------------- ---------------------------------------------------------------------------------------------------------------------------------- partic_incomeshare_b ¿Cuánto de su ingreso mensual total se dedica a pagar su factura de energía? [Responda solo en números, en su moneda local. No incluya centavos (ej .: 150).] ▼ 5% o menos (7) ... 101% o más (18) * partic_income_hh ¿Cuál es el ingreso total de TODOS los miembros de su hogar en un mes antes de impuestos? (Incluidos sus ingresos y los de otros miembros de su familia). [Responda solo en números, en su moneda local. No incluya centavos (ej .: 150).] ---------------------------------------------------------------------------------------------------------------------------------- ---------------------------------------------------------------------------------------------------------------------------------- partic_residents_hh ¿Cuántas personas en total viven o se quedan en su casa? ▼ 1 (1) ... 12 o más (15) ---------------------------------------------------------------------------------------------------------------------------------- Page Break * civil_status ¿Está casado, viudo, divorciado, separado o nunca se casó? ▼ Casado (1) ... Nunca Casado (5) ---------------------------------------------------------------------------------------------------------------------------------- 6868 * work ¿Qué enunciado describe mejor su situación laboral actual? ▼ Trabajando (Trabajo Asalariado) (1) ... Sin trabajo (Otro) (10) End of Block: demographics ---------------------------------------------------------------------------------------------------------------------------------- Start of Block: Thanks Thanks ¡Muchas gracias por su participación! End of Block: Thanks 6969 A.3 La sensibilidad al precio de los participantes Primero, el documento examinó el efecto de los ingresos de los participantes (Tabla A.3.1), la percepción de qué tan justas son las tarifas en las horas pico (Tabla A.3.2) y la carga de electricidad percibida por los participantes (Tabla A.3.3) sobre su disposición a reducir el consumo durante las horas pico (un indicador de su sensibilidad al precio relacionada con el consumo de electricidad). El efecto de cada una de estas variables fue analizado por separado. Luego, estas tres variables fueron evaluadas en conjunto en la misma regresión (Tabla A.3.4). Todas estas regresiones controlan en la demografía de los consumidores. Cuando se analiza por separado, el ingreso de los participantes impacta su sensibilidad al precio, especialmente un aumento inicial del precio (Tabla A.3.1). La percepción de qué tan justas para los participantes son las tarifas de las horas pico (Tabla A.3.2) y la carga de la electricidad percibida por los participantes (Tabla A.3.3) también impactan su sensibilidad a los precios y casi todos los niveles de aumento de precios. Comparando las tablas, el ingreso de los participantes (Tabla A.3.1) tiene un impacto menos estable en la sensibilidad al precio de los participantes en relación con la justicia percibida por los participantes (Tabla A.3.2) y la carga de la electricidad percibida por los participantes (Tabla A.3.3), dado que estas dos variables impactan a los participantes en más aumentos de precios. Para comprobar el efecto final sobre la sensibilidad al precio de cada una de estas variables, el documento se basa en modelos de regresión que incluyen estas tres variables juntas (Tabla A.3.4). La Tabla A.3.4 muestra que el ingreso de los participantes afecta significativamente la sensibilidad al precio de los participantes, pero solo en el primer aumento de precio. Para los restantes niveles de aumento, el efecto del ingreso no parece alcanzar significación cuando se consideran estas otras variables. Por lo tanto, el ingreso tuvo un efecto menos estable en su sensibilidad al precio en comparación con el efecto de la percepción de qué tan justas son las tarifas y la carga de electricidad percibida, que impactó de manera más consistente la sensibilidad al precio de los participantes. Tabla A.3.1. Impacto del ingreso en la disposición a reducir el consumo durante las horas pico Table A.2.1. Per capita Income per Brazilian Household Decile, 2018. Table A.2.2 Variable Decil 1 Decil 2 Decil 3 Decil 4 Decil 5 Decil 6 Decil 7 Decil 8 Decil 9 Decil 10 Media $ 50,75 $ 96,98 $ 137,14 $ 178,13 $ 226,42 $ 277,71 $ 339,93 $ 434,47 $ 618,48 $ 1 766,66 Desv.Estándar $ 17,26 $ 11,70 $ 11,68 $ 12,43 $ 14,90 $ 15,32 $ 21,15 $ 35,33 $ 77,87 $ 1 911,39 Min $ - $ 76,21 $ 116,52 $ 157,34 $ 200,31 $ 251,42 $ 304,36 $ 378,46 $ 502,54 $ 777,94 Max $ 76,21 $ 116,50 $ 157,34 $ 200,30 $ 251,42 $ 304,34 $ 378,45 $ 502,53 $ 777,92 $ 74 396,94 Per capita Income* - Brazil - POF 2017-2018 Variable Decil 1 Decil 2 Decil 3 Decil 4 Decil 5 Decil 6 Decil 7 Decil 8 Decil 9 Decil 10 Media $ 7,81 $ 14,50 $ 19,54 $ 24,55 $ 29,84 $ 35,84 $ 43,25 $ 53,61 $ 69,10 $ 121,12 Desv. Estándar $ 2,50 $ 1,58 $ 1,38 $ 1,49 $ 1,66 $ 1,90 $ 2,50 $ 3,42 $ 6,34 $ 47,73 Min $ 0,75 $ 11,53 $ 17,08 $ 21,94 $ 27,13 $ 32,83 $ 39,29 $ 47,90 $ 60,00 $ 82,45 Máx $ 11,52 $ 17,07 $ 21,93 $ 27,13 $ 32,83 $ 39,29 $ 47,89 $ 59,99 $ 82,45 $ 568,65 Monthly Electricity Bill Cost* per Household- Brazil - POF 2017-2018 * Valores en dólares (diciembre 15, 2020) * Valores en dólares (diciembre 15, 2020) Table A.3.1 Modelo 20% 0,031** (0,013) Yes 3 078 0,019 Modelo 40% 0,025 (0,013) Yes 2 988 0,018 Modelo 60% 0,020 (0,014) Yes 2 985 0,011 Modelo 80% 0,022 (0,014) Yes 2 961 0,011 Modelo 100% 0,008 (0,015) Yes 2 969 0,008 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Ingreso Controles1 # Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Modelo 20% 0,140*** (0,020) Yes 3 699 0,026 Modelo 40% 0,130*** (0,020) Yes 3 603 0,023 Modelo 60% 0,134*** (0,022) Yes 3 593 0,019 Modelo 80% 0,113*** (0,023) Yes 3 570 0,015 Modelo 100% 0,100*** (0,025) Yes 3 577 0,011 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Tarifa Justa Controles1 Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Table A.3.2. Impact of Fairness on Willingness to Reduce Consumption During Peak Hours (more price-sensitive) Table A.3.3. Impact of Perceived Burden of the Electricity Bill on Willingness to Reduce Consumption During Peak Hours (more price-sensitive) Model 20% -0,372*** (0,140) Yes 3 552 0,016 Model 40% -0,572*** (0,141) Yes 3 464 0,018 Model 60% -0,459*** (0,149) Yes 3 455 0,011 Model 80% -0,389** (0,157) Yes 3 432 0,009 Model 100% -0,127 (0,169) Yes 3 442 0,006 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Carga percibida Controles1 # Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Modelo 20% 0,128*** (0,023) -0,424*** (0,151) 0,033** (0,014) Yes 3 020 0,033 Modelo 40% 0,136*** (0,023) -0,552*** (0,151) 0,027 (0,014) Yes 2 933 0,035 Modelo 60% 0,142*** (0,024) -0,444*** (0,159) 0,016 (0,015) Yes 2 929 0,026 Modelo 80% 0,121*** (0,025) -0,343** (0,169) 0,026 (0,015) Yes 2 907 0,020 Modelo 100% 0,101*** (0,027) -0,037 (0,182) 0,010 (0,017) Yes 2 916 0,013 Aumento de precio DV: Disposición a reducir el consumo en horas pico (más sensible al precio) Tarifa Justa Carga percibida Ingresos Controles1 Observaciones R-cuadrado Notas: Errores estándar entre paréntesis, *** p<0,01, ** p<0,05, 1 Controlado por edad, género, raza, estatus social, país y % de la factura pagada de los consumidores Fuente: Diseño de los autores, utilizando datos experimentales Table A.3.4. Impact of Income, Fairness and Perceived Burden of the Electricity Bill on Willingness to Reduce Consumption During Peak Hours (more price-sensitive)