modelo de estimación espacial de consumos eléctricos para la planificación de sistemas de...
Post on 22-Jan-2016
214 Views
Preview:
TRANSCRIPT
Modelo de estimación espacial de consumos eléctricos para la planificación de sistemas de transmisión
José Manuel InfanteTesis de magíster Ciencias de la Ingeniería Eléctrica
Memoria de Título Ingeniería Civil Eléctrica
ComisiónRodrigo Palma - Profesor guía
Walter Brokering – Profesor coguía - primer integranteJorge Cerda – Profesor invitado - segundo integrante
Juan Carlos Araneda – Experto invitado
Indice
1. Motivación2. Introducción3. Propuesta del modelo de estimación4. Anexos al modelo5. Conclusiones
Motivación
Análisis de la industria eléctrica
Antecedentes: Sector con niveles de inversión bastante altos Recuperación de inversiones en el mediano-largo plazo Crecimiento sostenido de consumos, tanto en energía como en
demanda máxima Largos períodos de estudio y construcción de obras
Consecuencias
Necesidad de hacer inversiones constantemente Necesidad de tomar decisiones en forma anticipada Niveles de incertidumbre bastante altos Decisiones mal tomadas se traducen en costos elevados
Motivación
Etapas dentro de la planificación de SEP
1. Estudio de la demanda2. Análisis de alternativas de inversión3. Evaluación económica4. Análisis de factibilidad5. Toma de decisiones
Estimación de demandacondiciona fuertementeel proceso de planificación
Motivación
Propuesta de un modelo
Propuesta modelo de estimación de consumos
Análisis estadístico
Inteligencia artificial
Optimización
Señales para laexpansión del
sistema
Entrada de datospara modelosde simulación
Estimaciónfactores
ambientales
Mediciones,historia
Conocimiento de expertos
Introducción
Horizontetemporal
Estimacionescorto plazo
< 1 año
Estimacionesmediano plazo
~ 5 años
Estimacioneslargo plazo> 10 años
- Operación del sistema- Compra de materia prima- Coordinación planes de
mantenimiento de unidades
- Planificación de la expansióndel sistema
Estado del arteCriterios de clasificación
Componente temporal
Introducción
Resoluciónespacial
Estimacionesglobales
Estimacionesespaciales
- Planificación de expansiónen generación
- Planificación de expansiónen Transmisión y distribución
Estado del arteCriterios de clasificación
Componente espacial
Introducción
Estimaciones espaciales¿Por qué no han sido ampliamente
desarrolladas en la industria? Simplificación excesiva en la abstracción del mundo
real. Uso de modelos distorsionados Dificultad en la adquisición de datos espaciales
(problema tecnológico)
Chile: año 2000 comienzan a aparecer mediciones horarias
Objetivo tesis: proponer una metodología que permita obtenerresultados confiables en base a la información disponible
Propuesta modelo de estimación
¿Cómo sobrellevar las restriccionesy desarrollar un modelo confiable?
Enfoquesde estimación
Análisis deseries de tiempo
Modelos deregresión
Estimaciones se basan enla causalidad del proceso
Consumo eléctrico es un proceso fuertemente causal
Estimaciones se basanen comportamientohistórico de la serie
Propuesta modelo de estimación
Factores macroeconómicos
Estacionalidades semanales y anuales
Factores culturales (feriados)
Uso del suelo de cada zona
Causalidad del consumo eléctrico
Fuerte dependencia en otras variables
Propuesta de un modelo de estimación debeconsiderar integral estos factores
Propuesta modelo de estimación
Características generales modelo propuesto
Estimaciones se realizan a nivel de zonasCaso del SIC: 14 zonas
Estimaciones son prorrateadas entre barras principales del sistemaCaso del SIC
- 49 barras actualmente
Distinción entre consumos vegetativos y determinísticos
- Diferenciación de zonas11 zonas vegetativas3 zonas determinísticas
- Identificación de consumos principales (tratados como determinísticos)
Manejo de incertidumbres: uso de escenarios
Principio de modelamiento: causalidad del consumo eléctricoVariable consideradas: PIB y uso de suelos
Propuesta modelo de estimación
Uso de suelos
Nivel poblacional
Nivel industrial
Nivel comercial
Muy difícil de obtener
Se miden indirectamentea través de empleo,
datos del Censo
Uso suelos Consumo eléctrico
Caracterización de cada zona
Propuesta modelo de estimación
Desarrollo de estimaciones
Estimación de consumo
a nivel de zonas
Prorrateo deestimacionesentre barrasprincipales
Estimaciones devariables de
entrada
Definición deescenarios
Propuesta modelo de estimación
Estimación de consumo a nivel de zonas
Resultadosrequeridos
Estimacióncrecimiento
consumo energético
Estimacióncambio de forma deperfiles de consumo Pueden ser
tratados demanera
independiente
Propuesta modelo de estimación
Estimaciones cambios de perfiles
Análisisde forma de
perfiles de consumo
Normalización de datos
División por la energíadiaria consumida
Identificaciónde
estacionalidades
Etapa de clustering
Relacióncon
uso de suelos
Análisis de componentesindependientes
Propuesta modelo de estimación
Estimaciones cambios de perfilesIdentificación de estacionalidades – algoritmo de clustering
365 días del año
2-May 27-Sept 1-Abr 16-Oct
365 días del año
Zona Cardones Chilectra y V Región
Propuesta modelo de estimación
Estimaciones cambios de perfiles
Relación con uso de suelos – ICA
Perfilzona 1
Curva base 1
ICA
Perfilzona 2
Perfilzona n
.
.
.
Uso de suelos
Curva base n
.
.
.
Curva base 2
Industria Comercio Residentes
ZONA
Propuesta modelo de estimación
Estimaciones cambios de perfiles
Resultados
Desarrollo minero en zona de Chilectra – V region Desarrollo poblacional en zona de Cardones
Propuesta modelo de estimación
Variables de entradaUso de suelos
Escenario económico - PIB
Modelo fuzzy logic
Conocimientode expertos
Estimaciones crecimiento consumo energía
Propuesta modelo de estimación
Estimaciones crecimiento consumo energía
Consumos estimados zona Chilectra – V Region
Crecimiento PIB estimado en un 3 % Crecimiento PIB estimado en un 6 %
Demandas diarias máximas [MW] Demandas diarias máximas [MW]
Propuesta modelo de estimación
Consumosprincipales
actualizados
Datos históricosconsumo por barra
Pérdidasestimadas al
interior de la zona
Asignaciónbarra 1
Asignaciónbarra 2
Asignaciónbarra 3
Perfil estimado a futuro
Aspectos finales
Filtrado de errores en datos
Aspectos finales
Representación por bloques
Chena 110
Estimaciones Entrada modelo de coordinación hidrotérmico
21,8
21,9
22
22,1
22,2
22,3
22,4
1
Carrera Pinto 220
0100200300400500600
1
Aspectos finales
Plataforma utilizada: Matlab Utilización OOP
Incorporación de cambios topológicos Actualización de datos
Implementación
Conclusiones
Objetivos cumplidos en forma satisfactoria
Aspectos pendientes Análisis de propagación de errores (faltan
años de información) Incorporar un modelo de localización de
actividades Incorporar efecto de GD sobre estimaciones
top related