An Analytics Framework for Modeling Residential Photovoltaic Adoption and Decision Dynamics

Resumen Técnico: Un Marco Analítico para Modelar la Adopción de Fotovoltaica Residencial y la Dinámica de Decisiones

Planteamiento del Problema
La generación fotovoltaica (FV) es central en la transición energética global, no obstante, comprender las dinámicas específicas de la adopción del autoconsumo residencial requiere marcos analíticos robustos que capturen tanto los patrones temporales como espaciales de decisión. Aunque la literatura existente identifica factores económicos, ambientales y regulatorios como impulsores de la adopción, el papel específico de las interacciones sociales y la distinción entre plantas comerciales a gran escala y sistemas residenciales a menudo permanecen subanalizados. Además, muchos estudios dependen de conjuntos de datos limitados o no logran distinguir entre "innovación" (influencia externa) e "imitación" (influencia social) en la conducción de las curvas de adopción. Este estudio aborda la necesidad de un marco basado en datos para modelar la difusión de la FV residencial en Cataluña, España, abarcando desde 2002 hasta 2024, con el fin de informar mejor las decisiones políticas y de inversión.

Metodología
El estudio utiliza un conjunto de datos exhaustivo del Registre d'Autoconsum a Catalunya (RAC), que comprende 112.086 instalaciones de FV residencial geolocalizadas (definidas como sistemas <10 kW) hasta el 31 de mayo de 2024. La metodología integra tres componentes analíticos principales:

1. Modelado Temporal: El proceso de adopción se modela utilizando el modelo de Bass y el Modelo Logístico (LM) más sencillo. Los autores ajustan estos modelos al número acumulado de instalaciones para determinar las contribuciones relativas de la innovación (factores externos, parámetro $p$) y la imitación (influencia social, parámetro $q$). La selección del modelo se realiza utilizando el Criterio de Información Bayesiano (BIC).
2. Análisis de Factores Externos: Para cuantificar la influencia de variables externas (subvenciones, deducciones fiscales, precios de la electricidad) sin imponer formas funcionales a priori, los autores emplean un enfoque de modelo de Bass generalizado. Inferen empíricamente una función de escalado dependiente del tiempo, $\chi(t)$, que representa desviaciones del crecimiento logístico de referencia. Esta función se correlaciona luego con datos externos, incluidos periodos de subvenciones gubernamentales, políticas de deducciones fiscales, precios de la electricidad (PVPC) y volúmenes de búsqueda en Google para términos como "precio luz" (precio de la electricidad) e "impuesto al sol".
3. Análisis Espacial: El estudio realiza un análisis espacial a nivel municipal y de comarca (región). Examina las correlaciones entre la densidad de instalaciones y variables demográficas/socioeconómicas (población, ingresos, altura de los edificios) y analiza las correlaciones espacio-temporales utilizando funciones de distribución de pares ($C(\tau)$ para el tiempo y $\rho(r)$ para el espacio) para evaluar los patrones de agrupamiento y difusión.

Resultados Clave

• Dominio de la Imitación: El modelo logístico proporciona un ajuste significativamente mejor (BIC más bajo) que el modelo de Bass para la fase principal de crecimiento (junio 2016–mayo 2024). El coeficiente de innovación ($p$) en el modelo de Bass es estadísticamente consistente con cero, lo que indica que la adopción está impulsada principalmente por la imitación (influencia social) en lugar de solo por impulsores externos de innovación.
• Fases de Crecimiento y Saturación: El análisis identifica dos fases distintas de crecimiento logístico. La primera fase (2013–2015) alcanzó un nivel de saturación bajo, seguido de un periodo de estancamiento. La segunda fase comenzó en junio de 2016, alcanzando un punto de inflexión a principios de 2023 y acercándose a una capacidad de saturación de aproximadamente 118.600 instalaciones. El nivel actual de adopción (112.086 para mayo de 2024) sugiere que el mercado está cerca de la saturación.
• Papel de la Percepción Social: La función de escalado empírica $\chi(t)$ revela que, aunque las subvenciones directas (gobierno de Cataluña) y los aumentos en los precios de la electricidad se correlacionan con picos de adopción, la percepción social de los precios de la electricidad (medida por el volumen de búsqueda en Google) exhibe una correlación más fuerte e inmediata con la dinámica de adopción que el precio real en sí mismo. Por el contrario, el "impuesto al sol", a pesar de aplicarse solo a sistemas >10 kW, causó un estancamiento generalizado en la adopción residencial (<10 kW) debido a la confusión pública y la desinformación.
• Heterogeneidad Espacial: La adopción residencial sigue una distribución de ley de potencia en relación con la población ($R^2 = 0,8$, pendiente $\approx 0,84$), lo que indica que la adopción escala con la densidad de población pero con un efecto de saturación en áreas altamente pobladas. Crucialmente, la adopción per cápita se correlaciona negativamente con la densidad de población urbana y positivamente con la fracción de edificios de menos de tres plantas. Las áreas urbanas de alta densidad con edificios de apartamentos múltiples muestran tasas de adopción significativamente más bajas debido a las limitaciones de espacio en el tejado, la complejidad de la propiedad compartida y los obstáculos regulatorios.
• Correlaciones Espacio-Temporales: La distribución de pares temporal de las instalaciones se describe bien mediante la expresión analítica derivada del crecimiento logístico, lo que sugiere un proceso de difusión homogéneo. Espacialmente, la distribución de las instalaciones refleja estrechamente la distribución de los edificios residenciales, lo que indica que la estructura del entorno construido, en lugar de un agrupamiento social específico a corto alcance, dicta los patrones de adopción espacial.

Contribuciones Clave

1. Innovación Metodológica: El artículo propone un método original para estimar empíricamente la influencia de factores externos en la dinámica de adopción inferiendo la función de escalado $\chi(t)$ directamente de los datos, evitando suposiciones sobre la forma funcional de estas influencias.
2. Diferenciación de Impulsores: Proporciona evidencia de que, para el autoconsumo residencial, los efectos de imitación son el principal motor de la adopción, haciendo que el parámetro de innovación sea insignificante en el contexto del modelo de Bass para este sector específico.
3. Perspectiva Política: El estudio destaca que la percepción social (por ejemplo, la preocupación pública por los precios de la electricidad) puede ser un impulsor de adopción más potente que las propias variables económicas, y que la incertidumbre regulatoria (incluso en lo que respecta a impuestos que no aplican directamente a un sector) puede causar un estancamiento significativo del mercado.
4. Diagnóstico Espacial: Identifica barreras estructurales específicas para la adopción en entornos urbanos densos (edificios de varias plantas), sugiriendo que el potencial de crecimiento futuro reside en superar las barreras de instalación colectiva en lugar de solo los incentivos individuales.

Significado y Afirmaciones
Los autores afirman que su marco ofrece un enfoque estructurado para el análisis predictivo y diagnóstico en la planificación de la transición energética. Los hallazgos sugieren que la desaceleración en la adopción de FV residencial en Cataluña no se debe a limitaciones físicas (ya que el nivel de saturación representa solo ~12% del total de edificios residenciales), sino más bien a contextos regulatorios y socioeconómicos. El artículo afirma que la expansión futura es posible si se introducen cambios legislativos y, críticamente, si estos son percibidos claramente por el público. El estudio concluye que, aunque los modelos utilizados son simplificados (ignorando interacciones individuales específicas), capturan efectivamente las macro-dinámicas, probablemente debido a las propiedades de mundo pequeño de las redes sociales y la relevancia de los lazos débiles en la difusión de información. El marco se presenta como aplicable a otras regiones siempre que se disponga de datos geolocalizados detallados.