eduardo andrÉs pereira bonvallet · técnico-económico de los programas de operación obtenidos a...

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA ELECTRICA

MODELO ESTOCÁSTICO DE PREDESPACHO ECONÓMICO PARA EL MANEJO DE LA INCERTIDUMBRE EÓLICA INCORPORANDO ACCIONES CORRECTIVAS

TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN CIENCIAS DE LA INGENIERÍA, MENCIÓN ELÉCTRICA

MEMORIA PARA OPTAR AL TÍTULO DE INGENIERO CIVIL ELECTRICISTA

EDUARDO ANDRÉS PEREIRA BONVALLET

PROFESOR GUIA: RODRIGO PALMA BEHNKE

MIEMBROS DE LA COMISIÓN:

LUIS VARGAS DÍAZ MARCELO CORTÉS CARMONA

CARLOS SUAZO MARTÍNEZ FIORELLA RONCAGLIOLO DE LA HORRA

SANTIAGO DE CHILE

JUNIO 2011

RESUMEN DE LA TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN CIENCIAS DE LA INGENIERÍA MENCIÓN ELÉCTRICA POR: EDUARDO ANDRÉS PEREIRA BONVALLET FECHA: 01/AGOSTO/2011 PROF. GUÍA: SR. RODRIGO PALMA BEHNKE

MODELO ESTOCASTICO DE PREDESPACHO ECONÓMICO PARA EL MANEJO DE LA

INCERTIDUMBRE EÓLICA INCORPORANDO ACCIONES CORRECTIVAS

La integración de la energía eólica en los Sistemas Eléctricos implica una serie de desafíos al realizar el Predespacho Económico, debido principalmente a la variabilidad e incertidumbre del recurso eólico. Tradicionalmente la incertidumbre se ha manejado a través de métodos determinísticos que utilizan los servicios complementarios de reservas operativas como parámetros para el Predespacho. Análisis estadísticos, errores de predicción, índices de seguridad y optimización hora a hora son algunas de las metodologías utilizadas para la determinación de estas reservas. El margen de seguridad obtenido con cada metodología puede resultar en una operación del sistema que es deficiente en términos económicos, haciendo necesaria la revisión de métodos alternativos. De esta manera, el objetivo principal de esta investigación es contribuir al desarrollo de una metodología de Predespacho Económico que permita integrar las características de la energía eólica, estableciendo una base para futuros estudios e implementación en el Sistema Interconectado del Norte Grande (SING) o en sistemas similares.

Específicamente, se explora la metodología de Optimización Estocástica, la que incorpora directamente la incertidumbre en el proceso de optimización a través de escenarios posibles y sus probabilidades de ocurrencia. El modelo propuesto en este trabajo –denominado CORE– incorpora acciones correctivas típicas en la formulación del problema, tales como las decisiones de encendido/apagado de las unidades de partida rápida y las decisiones de apagado de las unidades de ciclo combinado, en tanto que las decisiones de encendido/apagado de las unidades más lentas son incorporadas como acciones preventivas en la formulación.

Para evaluar las ventajas del modelo propuesto y establecer comparaciones respecto de los métodos determinísticos tradicionales, se desarrolla un modelo de simulación de la operación real, evaluando el desempeño técnico-económico de los programas de operación obtenidos a través de simulaciones del Despacho Económico mediante el método de Monte Carlo. Para distintos escenarios de generación eólica, se obtienen los costos esperados de operación y la energía no servida esperada. Adicionalmente, se desarrolla una metodología para representar la generación de un parque eólico a partir de mediciones de velocidad de viento en un punto. Se consideran técnicas de reducción de escenarios para caracterizar el fenómeno a partir perfiles representativos.

La metodología es aplicada a una representación simplificada del SING, conceptualizando los resultados para los distintos métodos de Predespacho, analizando el detalle de la programación de las unidades. Posteriormente, se aplica la metodología para una representación completa del SING, realizando un análisis de sensibilidad respecto de la capacidad instalada de generación eólica. Mediante el modelo propuesto, para el caso del SING con un parque eólico de 300 [MW] se obtiene un 0,35% de reducción extra de los costos esperados diarios de operación, respecto de la mejor solución determinística usando requerimientos de reserva variable, logrando un total de 2,7% de reducción respecto del método determinístico más conservador. Adicionalmente, se obtiene que las ventajas son crecientes a medida que aumenta la capacidad instalada de generación eólica, llegando a 1,49 % de mejoras extras para el caso de 600 [MW]. Más aún, como resultado del modelo propuesto se obtiene información adicional, constituyendo una guía de apoyo a las decisiones intradiarias llevadas a cabo por los operadores del sistema.

Se concluye que la formulación estocástica del Predespacho Económico mejora la eficiencia económica de la operación, determinando indirectamente los montos necesarios de reserva que efectivamente necesita el sistema para enfrentar la incertidumbre de la generación eólica. Más aún, mediante la incorporación de las acciones correctivas en la formulación, se aprovechan mejor las flexibilidades del sistema, obteniendo mejoras adicionales en la eficiencia económica de la operación. Como trabajo futuro se sugiere una discusión acerca de cómo es provista la información de programación de las unidades a los distintos agentes resultante del método CORE. Adicionalmente, se percibe como necesario el desarrollo de un modelo más realista para la simulación de la operación real.

Agradecimientos En estas líneas quisiera expresar mis sinceros agradecimientos a aquellas personas

e instituciones que han sido parte del proceso que culmina con este trabajo. En primer lugar agradezco a mis padres, Eduardo y Elena. Gracias por todo el

cariño y apoyo incondicional durante mi vida, y su plena confianza en mi futuro. De ustedes aprendí que el esfuerzo y la perseverancia son la clave para salir adelante. Son lecciones que llevaré conmigo toda la vida y de las que estoy profundamente agradecido.

También quiero agradecer a mi profesor guía Rodrigo Palma B. por su gran apoyo,

dedicación y confianza durante el desarrollo de este trabajo. Agradezco también su calidad humana y orientación vocacional durante mis primeros acercamientos a la ingeniería eléctrica.

A la Dirección de Operación del CDEC-SING por el apoyo económico durante el

desarrollo del trabajo, y por la posibilidad de contar con la experiencia de sus ingenieros. Especialmente agradezco a Fiorella Roncagliolo por sus asertivas observaciones y excelente disposición para discutir los distintos aspectos involucrados en este trabajo.

Al mismo tiempo, quiero agradecer a las personas que hicieron de mi paso por la

universidad una experiencia tremendamente agradable e inolvidable. A mis amigos del plan común y los que conocí después en la especialidad, con quienes compartí grandes momentos que hicieron muy llevaderos los semestres que compartimos juntos.

A la Universidad de Chile doy gracias por la Beca Andrés Bello, otorgada para mis

estudios de pregrado. De manera muy especial quiero agradecer a Carlos Suazo Martínez, cuyo

compromiso, apoyo y guía constante fueron fundamentales para la elaboración de este trabajo. Aprecio su disposición a atender mis inquietudes a lo largo de la carrera y la confianza otorgada a mis aptitudes. Muchas gracias Carlos por tu amistad.

Finalmente quiero agradecer a quien estuvo siempre a mi lado en este tiempo en

que más he necesitado apoyo. Estoy sinceramente agradecido Macarena de todo el cariño y ternura con que me has apoyado, y por los lindos momentos que hemos compartido, los cuales atesoro día a día.

Índice General

Capítulo 1 Introducción ................................................................................................... 1

1.1 Motivación .............................................................................................................. 1

1.2 Objetivos ................................................................................................................. 3

1.2.1 Objetivo general ............................................................................................... 3

1.2.2 Objetivos específicos ........................................................................................ 3

1.3 Alcances ................................................................................................................... 4

1.4 Estructura del trabajo ............................................................................................. 5

Capítulo 2 Integración de la energía eólica .................................................................. 7

2.1 Cambio climático y desarrollo mundial .............................................................. 7

2.2 Desarrollo en Chile .............................................................................................. 10

2.3 Desafíos de Integración ....................................................................................... 11

2.4 Incertidumbre en el Predespacho Económico ................................................... 13

2.5 Utilización de reservas operativas ...................................................................... 14

2.5.1 Reservas en los estudios de integración ....................................................... 18

2.5.2 Reservas operativas en la práctica ................................................................ 22

2.5.3 Estado del arte en estimación de reservas ................................................... 29

2.6 Métodos alternativos ........................................................................................... 31

2.6.1 Predespacho económico con restricciones de seguridad ............................ 31

2.6.2 Predespacho Económico Estocástico ............................................................ 32

Capítulo 3 Modelo de UC estocástico incorporando acciones correctivas ........... 43

3.1 Descripción del problema ................................................................................... 44

3.2 Descripción del modelo propuesto .................................................................... 45

3.3 Formulación del problema .................................................................................. 47

3.3.1 Función objetivo ............................................................................................. 47

3.3.2 Costos de operación ....................................................................................... 48

3.3.3 Costos de partida y parada ........................................................................... 48

3.3.4 Costos de energía no servida ........................................................................ 49

3.3.5 Abastecimiento de la demanda ..................................................................... 49

3.3.6 Pérdidas de transmisión ................................................................................ 49

3.3.7 Restricción energía no servida ...................................................................... 49

3.3.8 Recortes de generación eólica ....................................................................... 50

3.3.9 Límites de Capacidad máxima, mínima y reserva en giro ......................... 50

3.3.10 Restricción reservas secundarias en giro ..................................................... 51

3.3.11 Restricción reservas primarias ...................................................................... 51

3.3.12 Restricción reserva operativa ........................................................................ 52

3.3.13 Reservas adicionales ...................................................................................... 52

3.3.14 Tiempos mínimos de operación .................................................................... 52

3.3.15 Tiempos mínimos fuera de servicio ............................................................. 53

3.3.16 Modelo de los Ciclos Combinados ............................................................... 54

3.3.17 Restricciones no anticipativas ....................................................................... 56

3.3.18 Restricción no anticipativa de los ciclos combinados ................................. 57

3.4 Formulación Completa ........................................................................................ 58

Capítulo 4 Propuesta Metodológica ............................................................................. 61

4.1 Escenarios de generación eólica.......................................................................... 61

4.1.1 Metodología de creación de perfiles de generación eólica ......................... 62

4.1.2 Caso de ejemplo ............................................................................................. 65

4.2 Métodos de Predespacho Económico ................................................................. 68

4.2.1 Métodos determinísticos ............................................................................... 68

4.2.2 Métodos estocásticos ..................................................................................... 70

4.3 Simulación de la operación real ......................................................................... 70

4.4 Resumen de la Metodología ............................................................................... 73

4.5 Implementación computacional ......................................................................... 74

Capítulo 5 Resultados del estudio ............................................................................... 76

5.1 Ejemplo ilustrativo ............................................................................................... 77

5.1.1 Resultados métodos determinísticos ............................................................ 80

5.1.2 Resultados métodos estocásticos de Predespacho Económico ................... 82

5.1.3 Resultados del comportamiento económico ................................................ 86

5.2 Caso de análisis: SING ........................................................................................ 88

5.2.1 Escenarios de generación eólica .................................................................... 89

5.2.2 Aspectos del modelo...................................................................................... 91

5.2.3 Resultados ...................................................................................................... 92

5.2.4 Análisis de sensibilidad ................................................................................. 93

Capítulo 6 Aspectos prácticos de implementación ................................................... 99

Capítulo 7 Conclusiones y trabajo futuro................................................................. 107

Índice de Figuras

Figura 2.1: Resumen de las distintas metodologías para el manejo de la incertidumbre. .................................................................................................................................. 14

Figura 2.2: Conceptualización del uso de reservas definidas por la NERC. .......................... 16

Figura 2.3: Acciones y coordinación de los distintos controles de frecuencia. ....................... 17

Figura 2.4: Errores de predicción de la generación eólica con un horizonte de predicción de 24 horas. ........................................................................................... 25

Figura 2.5: Esquema del algoritmo de SCUC propuesto. (a base de [39]) .............................. 31

Figura 2.6: Árbol de escenarios para una optimización estocástica de dos etapas. ............... 34

Figura 2.7: Ejemplo de resultados de la optimización determinística (a-b) y la optimización estocástica (c-d). ............................................................................... 35

Figura 2.8: Árbol de escenarios para Rolling Planning cubriendo un horizonte de 36 hrs. ............................................................................................................................ 38

Figura 3.1: Coordinación de las decisiones correctivas llevadas a cabo por el operador. ..... 45

Figura 3.2: Coordinación de las decisiones correctivas llevadas a cabo por el operador bajo el esquema propuesto. .................................................................................... 47

Figura 4.1: Metodología para creación de perfiles típicos de generación eólica. ................... 63

Figura 4.2: Ejemplo de Curva de potencia del parque obtenida y comparación. .................. 66

Figura 4.3: Resultados del proceso de agrupamiento para el mes de Marzo. ........................ 67

Figura 4.4: Asociación de las series de tiempo a los clústers obtenidos ................................. 67

Figura 4.5: Esquema de etapas de la propuesta metodológica. ............................................... 74

Figura 5.1: Escenarios para los métodos estocásticos de Predespacho. .................................. 78

Figura 5.2: Resultado Predespacho Económico para el escenario 1. ....................................... 78

Figura 5.3: Resultado Predespacho Económico para el escenario 2. ....................................... 79

Figura 5.4: Valor esperado de generación eólica, reserva variable y reserva fija. .................. 80

Figura 5.5: Resultado del método Conservador de Predespacho Económico ........................ 81

Figura 5.6: Resultado del método Reserva Variable de Predespacho Económico ................. 81

Figura 5.7: Resultado del método Reserva Fija de Predespacho Económico ......................... 81

Figura 5.8: Resultado Predespacho Económico Estocástico Tradicional para el escenario 1. ............................................................................................................... 82

Figura 5.9: Resultado Predespacho Económico Estocástico Tradicional para el escenario 2. ............................................................................................................... 82

Figura 5.10: Resultado Predespacho Económico Estocástico CORE para el escenario 1. ...... 84

Figura 5.11: Resultado Predespacho Económico Estocástico CORE para el escenario 2. ...... 84

Figura 5.12: Información del modelo CORE provista a los operadores del sistema. ............. 85

Figura 5.13: Escenarios para los métodos estocásticos de Predespacho. ................................ 90

Figura 5.14: Valor esperado de generación eólica, reserva variable y reserva fija. ................ 91

Figura 5.15: Ahorros esperados de costo de operación diario. ................................................ 94

Figura 5.16: Comparación perfiles de generación para distintas resoluciones. ..................... 96

Figura 5.17: Comparación del promedio diario de reserva en giro programada. ................. 97

Figura 6.1: Predespacho de unidades del SING para el método de reserva variable y 950 [MW] de capacidad instalada de generación eólica. .................................... 104

Figura 6.2: Predespacho de unidades Vapor-Carbón del SING sin puesta fuera de servicio de ciclos combinados y 950 [MW] de capacidad instalada de generación eólica. .................................................................................................. 105

Índice de Cuadros

Tabla 2.1: Ranking de capacidad instalada a final de cada año (en [MW]) para los primeros 15 países a nivel mundial desde 2002 a 2010. ............................................ 9

Tabla 2.2: Proyectos eólicos ingresados al Sistema de Evaluación de Impacto Ambiental. .................................................................................................................. 11

Tabla 3.1: Modos de operación de un ciclo combinado con dos TG. ...................................... 55

Tabla 4.1: Requerimientos de reserva para los distintos métodos de Predespacho. .............. 68

Tabla 4.2: Variables fijas en el Despacho Económico para cada método de Predespacho. .............................................................................................................. 72

Tabla 5.1: Parámetros técnicos de las unidades generadoras para el ejemplo ilustrativo. .................................................................................................................. 77

Tabla 5.2: Costos esperados de operación obtenidos en la etapa de Predespacho. ............... 87

Tabla 5.3: Costo de operación obtenidos en la etapa de Despacho Económico ..................... 87

Tabla 5.4: Probabilidades de los escenarios de generación eólica. .......................................... 90

Tabla 5.5: Costo de operación en la etapa de Despacho Económico para 450 [MW]. ............ 92

Tabla 5.6: Tiempos de ejecución de los distintos métodos de Predespacho. .......................... 95

Tabla 6.1: Resultados de la optimización estocástica en PLEXOS. ........................................ 100

Acrónimos

ERNC Energía renovable no convencional

SING Sistema Interconectado del Norte Grande

SIC Sistema Interconectado Central

NREL National Renewable Energy Laboratory

DOE Department of Energy

NERC National Energy Reliability Council

WECC Western Electricity Coordinating Council

ENTSO-E European Network of Transmission System Operators for Electricity

EWITS Eastern Wind Integration and Transmission Study

PJM Pennsylvania–New Jersey–Maryland Pool

SPP Southwest Power Pool

TVA Tennessee Valley Authority

NYISO New York Independent System Operator

ISO-NE Independent System Operator–New England

ERCOT Electric Reliability Council of Texas

WWSIS Western Wind and Solar Integration Study

HVDC High Voltage Direct Current

UCTE Union for the Coordination of Transmission of Electricity

UC Unit Commitment

CDEC Centro de Despacho Económico de Carga

DO Dirección de Operación

SCUC Security Constrained Unit Commitment

NT SyCS Norma Técnica de Seguridad y Calidad de Servicio

Simbología y Nomenclatura A efectos de facilitar la exposición, se presenta a continuación la lista que resume la

nomenclatura y simbología utilizada en este documento.

Notación

Índices

NG Número total de unidades generadoras en el sistema. NS Número total de escenarios de generación eólica. NT Número total de períodos de la optimización. t Índice de períodos. g Índice de unidad generadora. s Índice de escenario de generación eólica. i Índice de Ciclos Combinados. �� Conjunto de índices de las unidades generadoras de partida rápida. �� Conjunto de índices de las unidades generadoras de partida lenta. �� Conjunto de índices de los modos de operación del ciclo combinado

i. �� Conjunto de índices de las unidades ficticias del ciclo combinado i.

Parámetros

Parámetros de la optimización ∆ Resolución (Duración) de cada intervalo t, en horas.

Parámetros del sistema � Costo de la energía no suministrada. �� Demanda bruta del sistema en cada período. %�� Porcentaje de pérdidas de transmisión. �� Probabilidad de ocurrencia del escenario s. �� Requerimiento sistémico de reserva en giro primaria en el período t.

�� Requerimiento sistémico de reserva giro secundaria en el período t. �� Requerimiento sistémico de reserva operativa en el período t.

Parámetros de generación ��,� Potencia máxima de despacho de la unidad generadora g, en el

período t. ��,� Mínimo técnico de la unidad generadora g, en el período t. �� Consumos propios de la unidad generadora g. �� Costo variable de la unidad generadora g. �� Límite máximo de la reserva en giro de la unidad generadora g. �� _"#� Tiempo mínimo de operación de la unidad generadora g, en horas. ��$%_"#� Tiempo mínimo fuera de servicio de la unidad generadora g, en horas. &��'#� Costo de partida de la unidad generadora g. &��() Costo de parada de la unidad generadora g. �*,� Condición inicial de encendido/apagado de la unidad generadora g. +�� Contador de tiempo para indicar el final del periodo en restricción de tiempo mínimo de operación, unidad generadora g. �� Tiempo mínimo de operación de la unidad generadora g, en períodos t. +��$% Contador de tiempo para indicar el final del periodo en restricción de tiempo mínimo de fuera de servicio, unidad generadora g. ��$% Tiempo mínimo fuera de servicio de la unidad generadora g, en períodos t. ,�� Disponibilidad máxima de generación eólica para el período t, en el escenario s. ��---� Aporte máximo de reserva primaria de la unidad generadora g.

Variables

Variables de generación ��,�� Potencia generada por la unidad generadora g, durante el período t,

en el escenarios. ��,�� Reserva secundaria en giro disponible en la unidad generadora g, durante el período t, en el escenario s. .��,�� Reserva detenida disponible en la unidad generadora g, durante el período t, en el escenario s. ��,�� Estado de encendido/apagado de la unidad generadora g, durante el período t, en el escenario s. /�,�� Indicador de encendido de la unidad generadora g, durante el período t, en el escenario s. 0�� Energía no servida durante el período t, en el escenario s ,�� Generación eólica inyectada al sistema durante el período t, en el escenario s. ,�� Recorte de generación eólica durante el período t, en el escenario s.

Funciones &�,�,�1) Costo de operación de la unidad generadora g, durante el período t,

en el escenario s. &�,�,��'#� Costo de partida de la unidad generadora g, durante el período t, en el escenario s. &�,�,��() Costo de parada de la unidad generadora g, durante el período t, en el escenario s. &�,�2%� Costo de Energía no Servida durante el período t, en el escenario s.

Capítulo 1

Introducción

1.1 Motivación La Energía Renovable se está desarrollando rápidamente a nivel mundial como

resultado de su esencial rol para enfrentar el creciente desafío del cambio climático, seguridad en el suministro de energía y acceso a la energía [1]. Dentro de las tecnologías existentes que no emiten gases de efecto invernadero se encuentra la energía eólica, la cual se ha convertido en el recurso principal. En efecto, la Unión Europea se ha puesto como meta que hacia 2020 el porcentaje de Energías Renovables deberá cubrir un 20% del consumo total de energía. Para cumplir este objetivo, más de un tercio de la capacidad instalada en Europa tendrá que ser renovable. Gracias a su desarrollo y crecimiento a nivel mundial, se espera que la energía eólica aporte entre un 14 y 18% del total [2].

A partir de los cambios regulatorios introducidos para estimular las Energías

Renovables no convencionales (el 1 de abril de 2008 se promulgó la Ley N° 20.257 que fomenta las Energías Renovables) se pusieron en marcha varios proyectos en el país, con lo cual se espera que durante los próximos años, Chile experimente un creciente desarrollo de la energía eólica, el cual permitirá el aprovechamiento de un recurso natural disponible –abundantemente – en numerosas zonas del país [3].

Un nivel creciente de integración de la energía eólica involucra nuevos desafíos a la

programación de la operación, despacho económico y operación en tiempo real de los sistemas eléctricos. A diferencia de las otras tecnologías, la energía eólica posee una pronunciada variabilidad (i.e., recurso intermitente, con largas caídas o subidas en intervalos de tiempo corto) e incertidumbre en su nivel de generación (i.e., poca exactitud en su predicción)[4].

Introducción 2

Debido a la variabilidad natural del recurso y los errores en la predicción a futuro, la generación eólica representa una importante incertidumbre para los operadores de los sistemas eléctricos. La seguridad del sistema puede verse comprometida en el caso de presentarse una baja repentina de generación eólica debido a que la capacidad de toma de carga de las unidades disponibles puede no ser suficiente para acomodar este cambio. Además, una subida importante en la generación eólica puede no ser favorable para el sistema si este no es capaz de reducir la generación de otras unidades, llevando a que la generación eólica deba ser limitada, desperdiciando un recurso disponible. Lo mismo pasa cuando el máximo de generación eólica coincide con los valles de demanda.

Aún cuando la predicción de la generación eólica fuera exacta, la variabilidad del

recurso también presenta efectos importantes en la operación. Dado que la generación eólica es prácticamente a costo cero, el operador del sistema tratará de utilizar este recurso siempre que esté disponible, con el objetivo de minimizar el costo de abastecer la demanda. Por lo tanto, los otros recursos de generación deberán ser ajustados de manera que se respeten las restricciones físicas de las otras unidades generadoras, lo que lleva a la consecuente revisión de los esquemas de programación de la operación y de asignación de reservas para manejar la incertidumbre a un costo razonable, manteniendo en lo posible la eficiencia económica de la operación en este nuevo escenario.

En la actualidad este recurso aún no se aprovecha en el Sistema Interconectado del

Norte Grande (SING), y el nivel de instalación en el Sistema Interconectado Central (SIC) es bajo, lo que supone a futuro un amplio e importante desafío para diversos aspectos regulatorios y técnico-económicos en la operación del sistema eléctrico conforme se desarrolla y crece el nivel de penetración de esta tecnología.

Lo anterior, despierta especial interés en un sistema predominantemente térmico

como el SING, donde restricciones tales como mínimos técnicos, tiempos mínimos de operación y fuera de servicio, costos de partida y parada, tasas de toma de carga, entre otras, cobran especial relevancia en la elaboración de las políticas y programas de operación de las unidades generadoras y ciclos térmicos involucrados.

Introducción 3

1.2 Objetivos

1.2.1 Objetivo general El objetivo general de este trabajo es contribuir al desarrollo de una metodología de

Predespacho Económico que permita integrar la variabilidad asociada a la generación eólica, en un horizonte de tiempo definido y para distintos escenarios de niveles de penetración, en un sistema de mercado tipo pool obligatorio (despacho centralizado), llevando a cabo los respectivos análisis de los distintos resultados obtenidos, estableciendo una base para futuros estudios e implementación en el SING o en sistemas similares.

1.2.2 Objetivos específicos Con el fin de lograr el objetivo principal de este trabajo, se han planteado los

siguientes objetivos específicos:

• Disponer del estado del arte sobre las metodologías existentes para integrar la variabilidad de la generación eólica, tanto a nivel académico como las prácticas actuales en los sistemas de potencia a nivel mundial.

• Caracterizar las variabilidades del recurso eólico y su impacto en la programación de la operación del sistema.

• Evaluar los principales efectos económicos de la estrategia de Predespacho Estocástico

y las posibles ventajas o desventajas respecto de las distintas alternativas estudiadas.

• Estudiar los requerimientos de reservas para el Control de Frecuencia en el desempeño técnico-económico del sistema, y su capacidad para manejar las incertidumbres de la generación eólica.

• Conocer los detalles de la formulación matemática del problema de optimización de

Predespacho Económico, de las alternativas de resolución y de la interpretación de los multiplicadores de restricciones activas.

• Investigar la formulación del problema de Predespacho de la herramienta PLEXOS y su

flexibilidad para incorporar la variabilidad de la generación eólica y para modificar la formulación del problema, proponiendo alternativas para la integración de la estrategia, tomando como base la formulación y método de resolución existente.

Introducción 4

1.3 Alcances Dentro de los alcances del presente trabajo, en primer lugar se contempla una

revisión bibliográfica de los distintos enfoques utilizados para incorporar la incertidumbre de la generación eólica en la operación de los Sistemas Eléctricos. Principalmente, la revisión se enfoca en los métodos de determinación de reservas y programación estocástica utilizados para la optimización bajo incertidumbre, aplicados al problema de Predespacho Económico.

Asimismo, el trabajo contempla el desarrollo de un modelo computacional de

Predespacho Económico Estocástico, tomando como base la formulación de las restricciones técnicas utilizadas actualmente por el CDEC-SING, con excepción del modelo de la red de transmisión. Mediante este modelo estudian las distintas variantes de formulación del problema, según las restricciones consideradas, permitiendo el análisis de distintos métodos de Predespacho. Se contemplan diversos métodos determinísticos utilizando requerimientos de reserva, y dos métodos estocásticos, destacando el método principal desarrollado en este trabajo, el cual incorpora distintas acciones correctivas típicas de la operación en tiempo real.

Adicionalmente, con el objetivo de tener una evaluación representativa de los

impactos de la generación eólica en el SING, se incorporan resultados de trabajos anteriores sobre el modelamiento de la generación de un parque eólico a partir de mediciones de velocidad de viento en un punto. Se toman como base los resultados de este estudio, los que son escalados linealmente para representar distintas capacidades de generación diaria. No está dentro del alcance del trabajo una revisión o rediseño de la metodología desarrollada, ni de los resultados obtenidos.

Por otro lado, en este trabajo se desarrolla una técnica de reducción de escenarios

para tratar la gran cantidad de información, y caracterizar la generación eólica diaria a partir de un conjunto reducido de perfiles representativos. No se considera como parte de los objetivos de este trabajo una evaluación exhaustiva de los resultados obtenidos mediante distintos métodos de clasificación.

Se contempla además el desarrollo de una etapa de simulación de la operación real

del sistema. Esta etapa es necesaria para establecer las ventajas de la metodología propuesta y comparar las distintas alternativas de los métodos de Predespacho. Mediante esta etapa se obtienen los costos esperados de operación, energía no servida y recortes de generación eólica esperados.

Introducción 5

En adición a lo anterior, es de interés del trabajo el desarrollo de un ejemplo ilustrativo para detallar los resultados obtenidos mediante los distintos métodos de Predespacho, especialmente de los métodos estocásticos y así establecer las principales características del modelo desarrollado. Luego de esto, la metodología desarrollada se aplica al SING, obteniendo los resultados de interés. La evaluación para el SING se realiza para distintos niveles de capacidad instalada de generación eólica, partiendo de un caso base de 450 [MW] y con un análisis de sensibilidad para capacidades de 300, 400, 500 y 600 [MW].

Finalmente, es de interés de este trabajo el dar luces de una implementación

práctica que permita alcanzar las ventajas establecidas a lo largo del trabajo. Dichas recomendaciones son recogidas de los distintos aspectos que son detectados como relevantes a lo largo de la investigación, y que deben ser considerados al momento de definir las políticas operacionales en este nuevo escenario del parque generador.

Está fuera del alcance del trabajo el dar una decisión final acerca de cómo realizar

el Predespacho Económico en este nuevo escenario. En este sentido, el trabajo se limita a establecer una comparación de metodologías, entregando recomendaciones y a dar señales económicas y técnicas de los distintos métodos de Predespacho Económico considerados.

1.4 Estructura del trabajo El presente trabajo se divide en 6 capítulos principales, con el fin de atender los

distintos objetivos planteados, cuyo contenido se describe de la siguiente manera: En el Capítulo 2se presenta brevemente el desarrollo de la energía eólica a nivel

mundial y en Chile y los desafíos de integración de esta energía en los Sistemas Eléctricos, contextualizando la necesidad de desarrollar una metodología que permita incorporar esta incertidumbre al momento de programar la operación del Sistema Eléctrico. Se presentan también las distintas metodologías encontradas en el estado del arte, tanto en la literatura como en la aplicación práctica actual de los Sistemas Eléctricos que tienen más experiencia a nivel mundial, introduciendo a los métodos de optimización estocástica.

Luego, en el Capítulo 3se describe el problema que se intenta abordar en este

trabajo y se presenta la formulación del modelo de Predespacho Económico propuesto y los distintos supuestos relacionados, estableciendo el foco del aporte de este trabajo y su diferenciación con los distintos enfoques encontrados en la revisión bibliográfica.

Introducción 6

En el Capítulo 4, la propuesta metodológica para alcanzar los objetivos del trabajo es presentada. En primer lugar se describe el procedimiento para crear escenarios representativos de la generación de un parque eólico en la zona norte de Chile, a partir de datos históricos de velocidad de viento. Luego se describen distintos métodos de Predespacho Económico, teniendo en cuenta distintos enfoques. Finalmente se detalla la metodología de evaluación del desempeño técnico-económico de los programas de operación obtenidos, mediante el cual se establecen las comparaciones entre las distintas alternativas, dando detalles de la implementación computacional.

Los resultados de aplicar la metodología descrita se exponen en el Capítulo 5. En

primer lugar, esta es aplicada a un ejemplo ilustrativo de un Sistema Eléctrico ficticio de tan solo 4 unidades, mediante el cual se detallan los resultados obtenidos para los distintos métodos de Predespacho, estableciendo las diferencias, ventajas y desventajas de estos. Luego, en segundo lugar se obtienen los resultados de esta evaluación para el caso del SING, exponiendo los resultados que se obtienen para distintos niveles de capacidad instalada de generación eólica.

En el Capítulo 6se discute acerca de la factibilidad práctica de implementar el

modelo desarrollado y se dan recomendaciones para llevar a cabo esta tarea. Finalmente, y considerando los distintos antecedentes, discusiones y resultados

obtenidos, en el Capítulo 7se presentan las conclusiones del trabajo realizado, y a la vez se dan líneas sobre diversos trabajos futuros.

Capítulo 2

Integración de la energía eólica

2.1 Cambio climático y desarrollo mundial Hace aproximadamente una década, la mayoría de los países firmó un tratado

internacional –la Convención Marco de Naciones Unidas sobre Cambio Climático– para reforzar la conciencia pública sobre los problemas relacionados con el cambio climático. Posterior a su entrada en vigencia, los gobiernos acordaron incorporar medidas más enérgicas a través de elementos adicionales al tratado anterior, conformando el denominado Protocolo de Kioto. Este acuerdo entró en vigor en febrero de 2005, es internacional, legalmente vinculante y establece una meta de reducción de gases de efecto invernadero para 37 países industrializados y la Comunidad Europea. La meta consiste en disminuir las emisiones en un promedio de 5% respecto de los niveles de 1990, durante el periodo 2008-2012.

Las emisiones globales de gases de efecto invernadero en 1990 alcanzaron

alrededor de las 40 mil millones de toneladas de CO2 equivalente (CO2e) y actualmente se sitúan en alrededor de las 55 mil millones de toneladas. Los países industrializados son responsables de las emisiones acumulativas del pasado y en su conjunto explican un 70% de las generadas desde el inicio de la industrialización. Existe consenso en que el esfuerzo del Protocolo de Kioto no será suficiente para evitar daños irremediables al clima global. Para frenarlo se requeriría que las emisiones globales se reduzcan a niveles de un 50% respecto de los índices de 1990. Con una población estimada de nueve mil millones al 2050, alcanzar los objetivos de estabilización planteados significarían reducir las emisiones per cápita de 8,5 a alrededor de 2 ton de CO2 per cápita[5].

Integración de la energía eólica 8

Estos compromisos con el cambio climático, no podrían alcanzarse sólo con eficiencia energética. Debido al crecimiento económico, se necesita más carbón para las nuevas industrias, más petróleo para los autos y más gas natural para calefaccionar los hogares, con lo que las emisiones de CO2 continuarán en ascenso, aún cuando hagamos más eficientes los vehículos, edificios y electrodomésticos. Lo anterior sumado a la preocupación de los países por la seguridad energética –dependencia de las importaciones de combustibles fósiles–y a la necesidad de llevar electricidad a localidades que no tienen acceso, ha motivado los incentivos al desarrollo de las Energías Renovables.

En Europa las Energías Renovables se han convertido en uno de los principales

caminos para afrontar el cambio climático. Las iniciativas van desde el Libro de Verde del 2000 hasta el plan 202020 de 2008, en que la Unión Europea comprometió, para el 2020, una serie de ambiciosos objetivos [6], entre los cuales destacan:

• Reducir las emisiones de gases de efecto invernadero en un mínimo del 20%

respecto de 1990 (y en un 30% si los demás países desarrollados se comprometen a efectuar reducciones similares)

• Aumentar el uso de Energías Renovables (eólica, solar, biomasa, etc.) hasta el 20% de la producción total (el 2008 representan alrededor del 8,5%)

• Reducir el consumo energético primario en un 20% respecto del nivel previsto para 2020, gracias a una mayor eficiencia energética. Adicionalmente, se espera que la energía eólica sea la tecnología principal de este

cambio, debido principalmente a la competitividad económica alcanzada en el tiempo, y su disponibilidad en grandes proporciones en la mayoría de los países industrializados. Para el plan europeo, se proyecta que entre un 14% y un 18% de la demanda total sea cubierta por este recurso.

En la actualidad, la energía eólica ya alcanza niveles de penetración que no son

despreciables. Hacia fines del 2010 Dinamarca es el país con la más alta penetración de energía eólica en relación a la demanda de energía (24%) seguido de Portugal (14.8%), España (14.4%) Irlanda (10.1%) y Alemania (9.3%). En un año normal, con la capacidad instalada a fines del 2010, la energía eólica alcanza a proveer un 5.3% de las necesidades energéticas de la Unión Europea [7].

La Tabla 2.1muestra la evolución de la capacidad instalada de energía eólica a nivel

mundial. El principal precursor de la energía eólica fue Alemania, con la mayor capacidad instalada hasta 2008 donde son superados por Estados Unidos. Recientemente, a fines del 2010, China ha pasado a posicionarse como el líder mundial en capacidad instalada, con


un crecimiento de un 64%. Latinoamérica posee a fines del 2010 alrededor de 1900 [MW] de capacidad instalada, siendo Brasil (930 [MW]) y México (517 [MW]) los países que poseen el mayor desarrollo, lo cual está lejos de alcanzar la realidad de los países europeos y Estados Unidos.

Alemania y Dinamarca son, sin duda alguna, los líderes mundiales de la industria

de la energía eólica desde hace más de una década. Hoy, más de la mitad de las turbinas eólicas en el mundo son producidas por la industria danesa y alemana, particularmente por empresas como Vestas, Enercon y Siemens WindPower. Ello consecuencia de una apuesta a largo plazo al desarrollo tecnológico y cooperación en innovación científica.

En Estados Unidos en tanto, a pesar de ser uno de los países que más produce

energía a partir de fuentes renovables a nivel mundial, se ha ido quedando atrás en las medidas regulatorias del gobierno central para incentivar aún más la reducción de emisiones de CO2, dejando principalmente los esfuerzos a los cambios regulatorios en cada estado. A pesar de ello, actualmente Estados Unidos genera un 11% de su energía en base a tecnologías sin emisiones –incluyendo hidroelectricidad– de los cuales un 3% es en base a energía eólica, cuya capacidad instalada se duplicó en los últimos tres años. El Departamento de Energía (DOE) estima que con el crecimiento actual, la energía eólica puede llegar a contribuir el 20% de la energía total consumida hacia 2030. Texas (10.085 [MW]) Iowa (3675 [MW]) y California (3177 [MW]) son los estados con mayor capacidad instalada de energía eólica a fines del 2010 [8].

Tabla 2.1: Ranking de capacidad instalada a final de cada año (en [MW]) para los primeros 15 países a nivel mundial desde 2002 a 2010.

País 2002 2003 2004 2005 2006 2007 2008 2009 2010Var.

Anual %- Union Europea - - - 40722 48122 56614 65255 74767 84074 12.4

1 China 468 567 764 1266 2599 5912 12210 25777 42287 64.0

2 Estados Unidos 4685 6370 6725 9149 11603 16819 25170 35159 40180 14.3

3 Alemania 12001 14609 16629 18428 20622 22247 23903 25777 27214 5.6

4 España 4830 6202 8263 10028 11630 15145 16740 19149 20676 8.0

5 India 1702 2110 3000 4430 6270 7850 9587 10925 13065 19.6

6 Italia 785 904 1265 1718 2123 2726 3736 4850 5797 19.5

7 Francia 148 248 386 757 1567 2455 3404 4521 5660 25.2

8 Reino Unido 552 648 888 1353 1963 2389 3288 4092 5200 27.1

9 Canada 236 322 444 683 1460 1846 2369 3319 4009 20.8

10 Dinamarca 2880 3110 3124 3128 3136 3125 3160 3497 3752 7.3

11 Portugal 194 299 522 1022 1716 2130 2862 3535 3702 4.7

12 Holanda 682 908 1078 1224 1559 1747 2225 2229 2237 0.4

13 Suecia 345 404 452 509 571 831 1067 1579 2163 37.0

14 Japon 334 506 896 1040 1309 1528 1880 2056 2304 12.1

- Resto del Mundo 1338 2087 3245 4273 6029 7182 9628 12532 15812 26.2

- Total Mundo 31180 39295 47693 59024 74123 93930 120903 159231 194390 22.1


2.2 Desarrollo en Chile A pesar de sus bajas emisiones de CO2 a nivel mundial y la ausencia de

compromisos de reducción especificados en Kioto, Chile está continuamente buscando medidas de mitigación. Una de estas medidas consiste en el fomento a la incorporación de las Energías Renovables a la matriz eléctrica, dando un paso importante al aprobar en abril de 2008 la ley Nº 20.257, que obliga a incluir un 5% de generación proveniente de Energías Renovables no convencionales en todos los contratos de suministro a partir de 2010, con incrementos graduales hasta alcanzar un 10% en el 2024. A pesar que la regulación del sector eléctrico chileno es neutra respecto a las tecnologías y busca privilegiar los menores costos de suministro, el Estado inició acciones para cambiar esa visión y sumarse a las iniciativas de los países más desarrollados, aún cuando no se definen subsidios ni tarifas especiales para estas tecnologías.

La energía eólica es un recurso cuyo desarrollo en Chile aún está en una fase

incipiente. Luego de estos cambios regulatorios, se pusieron en marcha varios proyectos eólicos en el país, principalmente en la zona centro-norte, debido a su alto potencial. Actualmente existen varios parques eólicos funcionando, entre ellos, Canela, Totoral, Lebu y Monte Redondo, con una capacidad instalada de 172 [MW].De acuerdo con el Servicio de Evaluación Ambiental (SEA) [10] hay un gran número de proyectos eólicos que han ingresado al sistema sus declaraciones de impacto ambiental para posteriormente construir parques eólicos. Actualmente los 172[MW] de capacidad instalada están en operación en el SIC. Por otro lado, los proyectos que ya poseen permisos aprobados de la autoridad ambiental superan 1.8 GW, a los cuales se agregan otros 278[MW] en evaluación. En la Tabla 2.2 se muestra el estado actual de las inversiones y proyectos en energía eólica del país.


Tabla 2.2: Proyectos eólicos ingresados al Sistema de Evaluación de Impacto Ambiental.

2.3 Desafíos de Integración La incorporación de las renovables como la energía eólica no ha sido fácil debido a

los desafíos tecnológicos que presenta. Esta es una energía que puede exigir importantes inversiones en nuevas líneas de transmisión, ya que la localización de las zonas de alto potencial están típicamente concentradas, y además están emplazadas en zonas de difícil acceso a la red de transmisión que tiene la capacidad de exportar los montos de energía.

Adicionalmente, esta energía presenta una complejidad para la operación del

sistema, ya que su generación de energía no es gestionable debido a que esta se genera

Estado Nombre del proyectoPotencia instalada

[MW]Región Propietario

Fecha calificación

Parque Eólico Canela 19 IV Central Eólica Canela S.A. 02-Jun-06

Parque eólico Lebu (CrisToro) 9 VIII Cristalerías Toro S.A.I.C. 01-Oct-08

Parque Eólico Canela II 60 IV Central Eólica Canela S.A. 28-Abr-08

Parque Eolico Totoral 46 IV Norvind S.A. 18-Oct-07

Parque Eólico Monte Redondo 38 IV Ingeniería Seawind Sudamérica Ltda. 07-Ago-07

Total proyectos construidos 172Parque Eólico Punta Colorada 20 IV Laura Emery Emery 13-Nov-07

Parque Eólico Altos de Hualpén 20 VIII Energías Renovables del Bío Bío S.A. 13-Dic-07

Parque Eólico Talinay 500 IV Eólica Talinay S. A. 18-Jul-08

Ampliación Parque Eólico Punta Colorada 16 IV Barrick Chile Generación S.A. 29-Sep-08

Parque Eólico Minera Gaby 40 II Ingeniería Seawind Sudamérica Ltda. 30-Sep-08

Parque Eólico Quillagua de 100 MW 100 II Ingeniería Seawind Sudamérica Ltda. 24-Nov-08

Ampliación Parque Eólico Lebu Parque Eólico Lebu 6 VIII Cristalerías Toro S.A.I.C. 23-Mar-09

Parque Eólico Chome 9 VIII Ingeniería Seawind Sudamérica Ltda. 01-Abr-09

Parque Eólico Hacienda Quijote 26 IV Ingeniería Seawind Sudamérica Ltda. 28-Ago-09

Parque Eólico La Gorgonia 76 IV Eolic Partners Chile S.A. 28-Ago-09

Parque Eólico El Pacífico 72 IV Eolic Partners Chile S.A. 28-Ago-09

Parque Eólico Punta Palmeras 104 IV PUNTA PALMERAS S.A. 08-Sep-09

Parque Eólico La Cachina 66 IV Ener-Renova 11-Sep-09

Parque Eólico Laguna Verde 24 V AM Eólica Laguna Verde S.A. 09-Oct-09

Parque Eólico Cabo Negro (fase 1) 2.3 XII Methanex Chile S.A. 13-Nov-09

Granja Eólica Calama 250 II Codelco Chile, División Codelco Norte 15-Feb-10

Parque Eólico Lebu Sur 108 VIII Inversiones BOSQUEMAR Ltda 23-Feb-10

Parque Eólico Valle de los Vientos 100 II Parque Eólico Valle De Los Vientos S.A. 10-May-10

Parque Eólico Las Dichas 16 V Ener-Renova 22-Jun-10

Parque Eólico El Arrayán 101 IV Parque eólico El Arrayán SPA 02-Jul-10

Parque Eólico Arauco 100 VIII Element Power Chile S.A. 23-Ago-10

Parque Eólico Collipulli 48 IX Ener-Renova 01-Sep-10

Total proyectos con aprobación 1804Parque Eólico Llay-Llay 56 V Servicios Eólicos S.A -

Parque Eólico Llanquihue 74 X Ener-Renova -

Parque Eólico San Pedro 36 X Bosques de Chiloé S.A. -

Parque Eólico Chiloé 112 X ECOPOWER S.A.C -

Total proyectos en calificación 278

Total Proyectos Eólicos 2254

Construido

Aprobado

En Calificación


sólo cuando su recurso primario –el viento– está presente, y sus niveles de potencia varían de acuerdo a que tan fuerte es. Más aún, sucede incluso en ocasiones que su curva de oferta de energía es muchas veces contraria a la de la demanda, y que se acopla y desacopla sin atender los requerimientos del sistema.

Esencialmente, la energía eólica tiene una componente de variabilidad –efectos en

el cambio de la intensidad del viento– y otra de incertidumbre –efectos asociados a la dificultad de predecir el tiempo– haciendo que los parques eólicos no sean despachables en el sentido tradicional, disminuyendo la capacidad del operador para controlar el sistema. Es por esto que existen distintos sectores que ven con reparos el ingreso masificado de la energía eólica, pues se presume que la variabilidad del viento impactara la calidad de servicio al dificultarse el balance carga – generación del sistema eléctrico, además de los aspectos de seguridad involucrados [11].

La elevada variabilidad de la energía eólica ha generado situaciones extremas

como la producida en España el día 24 de noviembre de 2008 (4:47 horas) en la que el 43% de la demanda fue cubierta por esta energía, mientras que tres días después a las 16:22 horas apenas cubrió el 1,15% del consumo total. Adicionalmente, el día 2 de noviembre del mismo año, a las 7:22 de la mañana hubo un excedente tal de generación eólica que no pudo ser integrado al sistema, al agotarse las reservas de bajada, por lo que los operadores (Red Eléctrica de España - REE) dieron orden de recortar la generación eólica, a fin de preservar la seguridad en el sistema [12].

Así, existe entonces una incertidumbre adicional a las desviaciones de la demanda,

fallas de equipos de generación y transmisión, pudiendo afectar la planificación y operación de los Sistemas de Potencia. No hay dudas que la integración de parques eólicos en los sistemas presenta desafíos a sus planificadores y operadores, poniendo de manifiesto la necesidad de desarrollar herramientas para integrar de manera segura el creciente desarrollo de esta energía en el sistema, debido a su importancia para alcanzar los objetivos en energías renovables.

Tradicionalmente la incertidumbre al programar la operación del sistema se ha

manejado a través de los requerimientos de reserva operativa –reserva en giro y reserva pronta detenida– determinados a través de criterios determinísticos como las máximas desviaciones esperadas, o la pérdida de la unidad más grande en línea conectada al sistema[13]. Sin embargo, la incorporación de una incertidumbre adicional a las ya mencionadas, pone en entredicho la pertinencia de mantenerlos estándares definidos para la determinación de reservas, ignorando si tales montos resultan ser suficientes para mantener la eficiencia económica mientras se preserva la seguridad de abastecimiento en este nuevo escenario.


2.4 Incertidumbre en el Predespacho Económico El problema del Predespacho Económico consiste en determinar de manera óptima

las unidades generadoras que deben operar en un horizonte de evaluación de corto plazo, que por lo general varía, dependiendo de las características técnicas de las unidades generadoras y de aspectos regulatorios del mercado, entre un día y dos semanas. La solución del problema entrega, junto con el programa de operación de las unidades, los niveles de potencia que debe entregar cada unidad generadora de manera de satisfacer la demanda, los requerimientos de reserva y otras restricciones de seguridad en cada periodo. Este problema de asignación de unidades es conocido en la literatura como Unit

Commitment (UC) o Generating Schedule. Cuando se refiere al Predespacho Económico cuyo horizonte es las 24 horas del día siguiente, se habla de un Day-Ahead Schedule [14].

En general, este problema se plantea en un modelo matemático lineal entero mixto (en inglés MILP Mixed Integer Linear Programming) minimizando una función objetivo sujeto a restricciones. A grandes rasgos, se utilizan variables binarias para la decisión de operación de una unidad en un periodo determinado – valor 1 si está operando, 0 si no – y variables continuas para los niveles de generación.

El Predespacho Económico es resuelto centralizadamente por el operador del

sistema eléctrico, quien es el encargado de coordinar la operación de las centrales generadoras. En Chile, el operador del sistema eléctrico es el Centro de Despacho Económico de Carga (CDEC), uno para el SING y otro para SIC. El CDEC es el encargado de determinar las centrales eléctricas que deben operar de manera de minimizar los costos totales de operación y garantizar los estándares de seguridad del sistema [15].

Para un sistema eléctrico de esquema centralizado, el objetivo del problema del

Predespacho es minimizar los costos totales de operación en el horizonte de tiempo de evaluación. Se minimizan los costos de producción de todas las unidades generadoras, más los costos de partida y parada asociados, además del costo de energía no servida (ENS).

min 6 7 8 98 &��.�:;�;�<=>ó@�,� A &��.��<�.>:<�,� A &��.��<�<:<�,�%B� C A &��.�D+��

%E�

La alta penetración de la energía eólica en los sistemas eléctricos implica una

incertidumbre adicional al momento de realizar la programación de la operación del día anterior, principalmente debido a los errores de predicción, los cuales son crecientes a medida que aumenta el horizonte de predicción[16].


Distintos enfoques pueden ser encontrados en los trabajos relacionados con el manejo de la incertidumbre al planificar la operación de los sistemas eléctricos La clasificación de los métodos revisados para este propósito puede resumirse en la figura siguiente, los cuales se describen en detalle en los puntos siguientes.

Figura 2.1: Resumen de las distintas metodologías para el manejo de la incertidumbre.

2.5 Utilización de reservas operativas

Los operadores de los sistemas eléctricos poseen actualmente técnicas para hacer frente a la incertidumbre como la variabilidad de la demanda y la generación a través de reservas. Las reservas son operadas para diversos propósitos a través de múltiples escalas de tiempo. El impacto de la generación eólica en las reservas es el área de interés actual de los estudios de integración y los operadores de los sistemas eléctricos. Estas corresponden a un método determinístico que preestablece requerimientos de reservas que se utilizan como parámetros al programar la operación de las unidades.

Dichos requerimientos son determinados mediante variadas metodologías, las que

dependen entre otras cosas, del enfoque de los autores así como de las definiciones propias de los requerimientos de reserva en los estándares del sistema en evaluación. Existen variadas definiciones, reglas y términos usados con respecto a lo que conllevan las reservas. Por ejemplo, en Estados Unidos la North American Electric Reliability Corporation

(NERC) define las reservas operativas de la manera siguiente:

Manejo de

Incertidumbre

Determinístico Reservas

Preestablecidas

EstocásticoOptimización

Estocástica

Análisis

Estadísticos

Error de

Predicción

Optimización

Opt. Recursiva

Rolling Planning

Opt. 1 Etapa

One-Shot


“La capacidad por sobre la demanda bruta del sistema requerida para proveer regulación,

corrección del error de predicción de la carga, falla de equipos programadas e intempestivas, así

como para protección local. Consiste de recursos en giro y detenidos” [17]. En gran parte de Norte América, estas reservas pueden ser clasificadas en tres

categorías:

1. Reserva en Giro (Spinning Reserve) la parte de las reservas operativas que consisten en: generación sincronizada al sistema y disponible completamente para abastecer la demanda dentro del periodo de recuperación siguiente a una contingencia. O bien, cargas que se pueden desconectar dentro del periodo de recuperación siguiente a una contingencia.

2. Reserva Suplementaria (Supplemental Reserve) la parte de las reservas operativas que

consisten de: generación que está completamente disponible para abastecer la demanda dentro del periodo de recuperación, ya sea sincronizada al sistema o con capacidad de hacerlo. O bien, cargas que se pueden desconectar dentro del periodo de recuperación siguiente a una contingencia.

3. Reserva de Regulación (Regulating Reserve) la cantidad de reserva que responde al

control automático de generación, la cual es suficiente para proveer el margen de regulación necesario en condiciones normales.

Otras definiciones adicionales pueden separar la segunda definición según el tiempo de respuesta y la capacidad de mantener la respuesta. En Norte América, la reserva en giro y suplementaria descritas se combinan para ser nombradas como Reserva para Contingencias (Contigency Reserve) la cual es usada solo para instancias de contingencias como generadores o líneas de transmisión.

La reserva de respuesta más rápida (respuesta del regulador de velocidad) no está

explícitamente abordada por la NERC como una reserva distinta, pero en el Western

Electricity Coordinating Council(WECC) se ha estudiado la necesidad de una reserva que responda dentro de 30 segundos, denominada Reserva Sensible a la Frecuencia (Frequency Responsive Reserve).

Otros estándares y políticas detallan cuanto se requiere de cada reserva en cada

área de balance. Por ejemplo, el estándar NERC BAL-002 [17]requiere que en un área de balance se mantenga un monto de Reserva para Contingencias que cubra la contingencia simple más severa del sistema. Para la interconexión del Oeste, esto se extiende por una propuesta de la WECC en la cual se establece quela mínima reserva para contingencias debe ser el mayor de la contingencia más severa y la suma del 3% de la demanda del área


de balance y el 3% de la generación. Los detalles de los distintos requerimientos, incluyendo la especificación de la reserva en giro comparada a la suplementaria, son establecidos por cada organización regional por separado. Típicamente, se requiere que la mitad de los montos de reserva para contingencia estén en giro. Una representación de cómo las reservas son entregadas al sistema se ilustra en la figura siguiente.

Figura 2.2: Conceptualización del uso de reservas definidas por la NERC (a base de [17]).

La reserva de regulación usualmente no tiene requerimientos explícitos. En vez de

esto, los distintos sistemas mantienen suficientes reservas de este tipo para satisfacer sus estándares de calidad de servicio.

Por otro lado, en Europa, las definiciones más generales están dadas por las

agrupaciones de operadores del sistema, tales como Nordel y la Union for the Coordination

of Transmission of Electricity (UCTE), las que son parte recientemente de la agrupación European Network for Transmission System Operators for Electricity (ENTSO-E). ENTSO-E define la reserva en tres categorías; primaria, secundaria y terciaria[18].

1. El control primario es activado cuando la frecuencia se desvía 20 [mHz] del valor de

referencia (50 Hz) y debe estar operando dentro de un tiempo mínimo de 30 segundos. El propósito de la reserva primaria es limitar la desviación de la frecuencia del sistema, como consecuencia de una perturbación en el sistema. Este control tiene una característica proporcional, por lo que se incurre en un error permanente de frecuencia, que depende del tamaño de las desviaciones de potencia activa y ajuste de estatismos de las unidades.

2. El control secundario de frecuencia consiste en las unidades controladas mediante un Control Automático de Generación (AGC) y unidades de partida rápida, aunque también puede efectuarse de manera manual. Este control es activado 30 segundos después


que ocurre alguna contingencia en el sistema y después de la acción del control primario, y debe estar completamente operativo dentro de 15 minutos. Adicionalmente, este actúa ante las desviaciones sostenidas de la demanda real respecto de la programada. El control secundario tiene por objetivo restaurar o mantener la frecuencia del sistema cerca del valor nominal, manteniendo el balance generación-carga. Este control se lleva a cabo mediante el cambio de las consignas de potencia activa de las unidades.

3. El control terciario de frecuencia usualmente corresponde a los cambios manuales en

el punto de operación de generadores o cargas participantes en el sistema. Este tiene una respuesta más lenta que los dos anteriores y su función es restaurar los niveles de reservas primaria y secundaria luego de una activación sostenida de estos, devolviendo al sistema a su condición de operación económica. Además es activado en caso de fallas como complemento para restaurar la frecuencia del sistema. Se consideran conexiones y desconexiones de unidades.

Estas acciones de control son llevadas a cabo en pasos sucesivos diferentes, cada uno con características distintas y dependientes el uno del otro. En la figura siguiente se resume como estos están interrelacionados.

Figura 2.3: Acciones y coordinación de los distintos controles de frecuencia (a base de [18]).


2.5.1 Reservas en los estudios de integración Los operadores de los sistemas eléctricos a nivel mundial están al tanto de los

desafíos que implica el crecimiento y desarrollo de la energía eólica, debido a sus características particulares como la variabilidad e incertidumbre asociadas a su recurso primario. Debido a esta preocupación, muchas de estas organizaciones han llevado a cabo distintos estudios para evaluar la viabilidad de integrar largas cantidades de energía eólica en sus sistemas y los impactos operacionales asociados.

Una de las preguntas principales que intentan responder los estudios de

integración es si se necesitan reservas adicionales para la integración de la energía eólica. Los grupos de estudio típicamente consideran las definiciones tradicionales y los procedimientos de determinación de reserva, proponiendo cambios necesarios para mantener la seguridad acomodando la variabilidad e incertidumbre de la generación eólica. La incertidumbre y variabilidad antes y después de la incorporación de la energía eólica son comparadas, debido a que en la mayoría de los casos no hay reglas para la determinación de las reservas para seguimiento de carga (reservas terciarias según la definición Europea). Este valor se calcula usualmente mediante análisis estadísticos de las series de viento que se utilizan en el estudio. Las metodologías usadas para calcular estos valores han ido evolucionando de estudio en estudio, aprendiendo continuamente. Los estudios más recientes evalúan altos niveles de penetración utilizan sofisticadas metodologías que divergen de los métodos actuales utilizados por los operadores.

Estos estudios típicamente corresponden a una simulación del sistema eléctrico en

el futuro, con altos niveles de penetración de energía eólica, y se evalúan los distintos impactos en la red y los costos operacionales incrementales que son incurridos. Los impactos varían de estudio en estudio, pero muestran conclusiones similares, las cuales proveen la información necesaria para la operación y planificación del sistema en el escenario de una creciente penetración de la energía eólica, y que además son constantemente referenciadas por grupos de trabajo en la misma línea. La organización Utility Wind Integration Group [19], que agrupa un gran número de operadores de sistemas eléctricos, entidades regulatorias y privadas, contiene una completa biblioteca online con los estudios de integración.

Debido a la gran cantidad de estudios, a continuación se mencionan los más

recientes e importantes, sin entrar en detalles en las metodologías usadas. Para un mayor detalle de las metodologías, en [4] y [20] los autores realizan una completa descripción de sus metodologías y conclusiones. Asimismo, en [21] se describen los distintos supuestos y métodos utilizados para calcular los distintos tipos de reserva en estos estudios, estableciendo cómo han evolucionado a través del desarrollo de nuevos trabajos.


2.5.1.1 Minnesota y New York En Estados Unidos, los primeros estudio sobre integración de energía eólica fueron

llevados a cabo en los estados de New York (2005) [23] y Minnesota (2006) [24]los cuales sentaron las bases de los estudios de integración de una alta penetración de energía eólica.

En el estudio de New York, se evaluó 3300 [MW] de energía eólica en el sistema

NYISO con una demanda máxima de 33000 [MW]. El estudio concluyo que no se necesitaban reservas adicionales de tipo contingencia, debido a que la contingencia más severa no cambiaba. Se concluyó que se necesitaban 36 [MW] adicionales de reserva secundaria sobre los 175-250 [MW] definidos actualmente. Este es el resultado de analizar las desviaciones de 6 segundos en la demanda neta comparado con el caso sin generación eólica, creciendo de 71 [MW] a 83 [MW], es decir, 12 [MW], los que se multiplican por tres para asegurar el 99.7% de los casos, de acuerdo a un criterio estadístico basado en la desviación estándar.

En Minnesota se evaluaron 15, 20 y 25% de penetración de energía eólica respecto

de la demanda anual total, 3441, 4582, 5688 [MW] en un sistema con demanda máxima de 20000 [MW]. Similarmente al de New York, se concluyo que no hay impacto en las reservas para contingencia, mientras que la reserva secundaria sube en 2 [MW] por cada 100 [MW] de capacidad instalada. La siguiente formula fue usada para calcular los requerimientos.

�;F�;� 7 GHIJ'#�'K A +LIMN**K O

Donde k relaciona la desviación estándar con los requerimientos de reserva, k=5

para prácticas actuales. IJ'#�'K corresponde a la desviación estándar de la demanda, N es la capacidad de energía eólica dividida por 100 en cada escenario. Resultados indican que 12, 16, 20 [MW] son necesarios adicionalmente en cada caso.

Este estudio cuantifica además otros tipos de reserva que no son abordados en el

estudio de New York. Se definen las reservas terciarias o de seguimiento de carga. Esta es calculada como 2 veces la desviación estándar de los cambios dentro de 5 minutos de la demanda neta, subiendo de 10 a 24 [MW] para los tres casos. El margen de reserva fue dedicado exclusivamente a cubrir los errores de predicción horarios en la demanda neta. El análisis asumió un requerimiento dinámico, no constante, que depende de hecho del nivel de la capacidad de generación eólica esperada. El análisis mostro que para el rango medio 40-60% de producción, la variabilidad es la mayor, principalmente porque las turbinas se encuentran en la parte más inclinada de su curva de potencia, por tanto más


reservas se necesitan en los rangos medios, comparado con los casos de baja o muy alta generación.

Estudios más recientes han evolucionado tomando como base los estudios

anteriores, incorporando metodologías más sofisticadas, ampliando las regiones geográficas de estudio y los alcances de los trabajos.

2.5.1.2 All Island GridStudy El proyecto All Island Grid Study de Irlanda [25] fue publicado en 2007 y examina

entre otras cosas, la factibilidad técnica del sistema irlandés para integrar diversos niveles de energía renovable (2 [GW] hasta 8 [GW] de capacidad instalada) analizando distintas opciones del parque generador para abastecer la demanda proyectada hacia 2020, con un enfoque basado principalmente en los costos y beneficios.

Como resultado se obtiene un detalle de la generación de energía de cada

tecnología, los costos de operación y el uso de combustibles. Adicionalmente se obtienen los costos de inversión de los proyectos de transmisión necesarios, así como de los costos de inversión en las distintas tecnologías.

Solo dos categorías de reservas se abordan en el estudio, en giro y terciaria

detenida –capacidad de partir en menos de 60 min–mediante un modelo muy simplificado, considerando la estructura de la asignación de reservas en el sistema irlandés. En este estudio, los requerimientos se determinan en base a una mezcla de los requerimientos actuales con nuevas técnicas. La reserva en giro se determina en base al trabajo [36] que relaciona el monto de reserva en cada hora con la seguridad del sistema en un año, medida en índices de desempeño, de tal manera que el riesgo de desprender carga se mantiene en los niveles requeridos en todas las horas del año, incluyendo fallas de generadores y errores de predicción de viento. La reserva terciaria se dimensiona de acuerdo a las posibles contingencias y un margen de seguridad adicional del percentil 90 de la demanda neta en cada escenario particular, basándose en la experiencia y los estándares probados de reserva.

Junto con ello, en este estudio se incorpora un modelo de optimización estocástica

para programar la operación del sistema y así obtener los montos de reserva que se activan de acuerdo a los distintos escenarios de variabilidad de la energía eólica (ver 2.6.2.2).


2.5.1.3 EWITS El National Renewable Energy Laboratory (NREL) bajo el auspicio del DOE de los

Estados Unidos inició en 2008 dos estudios de integración de la energía eólica a gran escala, principalmente como apoyo a la visión futura de los requerimientos de energía renovable en Estados Unidos establecidos por el DOE.

El Eastern Wind Integration and Transmission Study EWITS (Enero 2010) [26] incluye

la mayoría de los sistemas interconectados del este de los Estados Unidos, entre ellos Midwest ISO, PJM, SPP, TVA, ISO-NE, NY-ISO, entre otros.

En este estudio se concluye que los requerimientos de reserva secundaria no son

incrementados de manera significativa, con una metodología similar a los estudios anteriores de Minnesota y New York. Sin embargo, en este estudio se identifica que la incertidumbre en la predicción de viento usada para los despachos económicos impactarán directamente las reservas secundarias. Dado que estos despachos utilizan predicciones de a lo sumo 10 min antes del intervalo de operación, las desviaciones dentro de ese periodo deberán ser absorbidas por las unidades que proveen la reserva secundaria. En este sentido, la reserva se determinó mediante el análisis de la desviación estándar de los cambios en la generación eólica respecto de la predicción. Adicionalmente, se encuentra una curva que relaciona la desviación estándar con el nivel de producción del parque, teniendo que la variabilidad es máxima en el intervalo cercano al 50%. Con esto,

para cubrir el 99.7% de los errores de predicción – es decir 3σ - y el 1% de la demanda horaria, se utiliza la siguiente formula.

�;F�;� 7 3Q1%:;ST�3 A I�ELU>@:��.��.OK

Una aproximación similar se utiliza para los requerimientos de reserva para cubrir

variaciones de la predicción a una hora, sin embargo en este caso se consideró que los errores que no ocurren seguido, se compensaran con recursos detenidos, dejando entonces 1σ del error de predicción de la hora anterior como reserva en giro, y el resto (2σ) en reserva detenida.

2.5.1.4 WWSIS El segundo estudio corresponde al Western Wind and Solar Integration Study WWSIS

(Mayo 2010) [27] incluye sistemas interconectados del oeste de Estados Unidos operados por el grupo WestConnect en Arizona, Colorado, Nevada, New México y Wyoming, incluyendo también el resto del WECC.


En este estudio se emplearon análisis estadísticos de la producción en intervalos de 10 min para evaluar el impacto de la variabilidad adicional y la necesidad de reservas adicionales secundarias y terciarias. Sin embargo, en los estándares de seguridad de la WECC no existen formulas ni reglas para evaluar los requerimientos necesarios, requiriendo de manera general que el 95% del tiempo las variaciones de la demanda sean satisfechas.

Los análisis estadísticos arrojaron que el requerimiento promedio es duplicado

desde 425 a 850 [MW]para el caso de la más alta penetración de renovables. Sin embargo, las simulaciones de la operación muestran que en los casos de alta penetración de energía solar y eólica, los otros recursos presentes en el sistema son desplazados, y en algunos casos, ciertas unidades son sacadas de servicio mientras que en otros son llevadas a niveles de despacho más bajos. De esta manera, las simulaciones muestran que existe una mayor cantidad de reservas de subida disponibles en el caso de una alta penetración de renovables que en el caso sin renovables, así que mientras el requerimiento se duplica, la operación económica del sistema provee las reservas de manera natural, no siendo necesaria la presencia de reservas adicionales.

Dentro de las conclusiones de estos trabajos destacan las inversiones en expansión

de la infraestructura de transmisión, las cuales permitirán la integración sin recortes de energía eólica, contribuyendo también a reducir la variabilidad, reduciendo los costos de integración, a pesar de los altos costos de las grandes expansiones de la red. Adicionalmente, se establece la necesidad de la colaboración entre las distintas entidades para la creación de áreas de balance regionales. Por otro lado, los requerimientos de servicios complementarios son analizados de acuerdo a las desviaciones estadísticas obtenidas de las series de tiempo. La predicción de viento, los mercados de tiempo real con intervalos cortos contribuyen a reducir los requerimientos adicionales de reservas.

2.5.2 Reservas operativas en la práctica En la actualidad, la energía eólica ya alcanza niveles de penetración que no son

despreciables en algunos sistemas, como los señalados en la Tabla 2.1. Actualmente los operadores toman medidas para programar reservas con tal de hacer frente a la incertidumbre de la generación eólica. Dentro de ellos, destacan los casos de Texas, España y Dinamarca, que se describen brevemente a continuación.


2.5.2.1 Texas El sistema interconectado de Texas es dentro de Estados Unidos el que presenta el

más alto nivel de penetración de energía eólica, con más de 10.000 [MW] de capacidad instalada, siendo el parque eólico Roscoe Wind Farm es el más grande a nivel mundial (781 [MW] de capacidad instalada). El operador del sistema Electric Reliability Council of Texas (ERCOT) controla la operación del sistema interconectado de la región que ocupa casi la totalidad del estado de Texas

ERCOT es el encargado de establecer las metodologías para determinar las

cantidades necesarias de servicios complementarios de reserva. En [28] se resumen las metodologías para determinar las cantidades de reserva secundaria en giro y reserva detenida, requeridas para mantener la seguridad del sistema. Las metodologías actuales se basan en el estudio de consultoría realizada por GE Energy en 2008 [29].

Requerimientos de reserva secundaria

Para evaluar los requerimientos de reserva secundaria, ERCOT utiliza la

información histórica sobre los montos utilizados de esta reserva. Específicamente, se utiliza la información de los 30 días anteriores al estudio y del mismo mes del año anterior Esta información se utiliza para calcular el promedio histórico utilizado para cada periodo de 1 minuto. Calculando el percentil 98.8 de los montos utilizados dentro de una hora, ERCOT estima los montos necesarios para los meses similares. Esto implica que el 1.2% de cada mes, es decir, 35 minutos por mes, ERCOT espera agotar los recursos de reserva secundaria. Si la tasa de agotamiento de reservas supera el 1.2% en alguna hora, ERCOT determina el aumento necesario de recursos de reserva para mantener la tasa en un 1.2% en dicho período.

Además, se calcula el monto adicional de energía eólica instalada cada mes y se

utiliza las tablas obtenidas en el estudio de GE para el cómputo de las reservas adicionales necesarias. Estas tablas indican los MWs adicionales para ser añadidos a los requerimientos de reserva secundaria por cada 1000 [MW] adicionales de capacidad instalada de generación eólica. Esta capacidad adicional instalada se determina mediante la comparación de la capacidad instalada al momento del estudio con la registrada al final del mes de estudio del año anterior.

Adicionalmente, de acuerdo a la experiencia de ERCOT se ha demostrado que, si

bien el total de reserva secundaria es suficiente la mayoría del tiempo usando la metodología descrita anteriormente, la rampa máxima de entrega de las reservas –considerado en los protocolos como la cantidad dividida por 10– es insuficiente en las


horas 6:00 y 22:00 diariamente. Es por esto que ERCOT examina estos periodos cada mes con el objetivo de aumentar, si es necesario, los requerimientos para esas horas.

Estos requerimientos se determinan para el mes siguiente, a más tardar el día 20

del mes actual, y son publicados diariamente.

Requerimientos de reserva detenida El informe final de GE indica que la generación eólica puede ser tratada como una

carga “negativa”, denominando la demanda neta como la demanda bruta menos la generación eólica. El impacto de esta demanda neta en el sistema fue utilizado como base para el estudio de GE. Esta demanda neta puede ser predicha si, independientemente, se predice la demanda bruta y la generación eólica y luego se combinan. La combinación de los errores de predicción constituyen los riesgos en la operación que deben ser mitigados a través de las reservas o mediante acciones manuales del los operadores de ERCOT. ERCOT calcula la demanda neta real mediante la resta de la demanda bruta y la generación eólica, la cual es comparada con las predicciones para determinar el error de predicción histórico. El monto de reserva detenida es determinado de manera que la reserva secundaria más la reserva detenida resulte en una capacidad total que cubre el 95% de los errores de predicción.

Con el propósito de determinar estos requerimientos, las horas de los 90 días

anteriores se agrupan en bloques de 4 horas. El percentil 95 del error de predicción se calcula separadamente para cada hora dentro de cada bloque. La reserva secundaria dentro de cada bloque se calcula como el promedio de las horas de dicho bloque, separadamente para el mes siguiente.

Este requerimiento se determina hora a hora para el mes siguiente y es publicado

de la misma manera que el requerimiento de reserva secundaria.

2.5.2.2 España En los últimos años, la energía eólica se ha convertido en una de las principales

tecnologías de generación en la península ibérica. La variabilidad y la incertidumbre son uno de los principales desafíos de la integración de la energía eólica en sistemas aislados o débilmente interconectados como el español. En este sistema, y con el objetivo de mantener los estándares establecidos en su código de red, los desbalances no pueden ser más de 1300 [MW] y deben ser corregidos dentro de 10 minutos. De otra forma, la interconexión con Francia puede sobrecargarse y desconectarse intempestivamente,


aislando la península del resto de Europa. El mayor impacto de la energía eólica está en las reservas terciarias en giro, las cuales pueden activarse entre de las reservas unidades sincronizadas y centrales de bombeo

El desafío está en garantizar el monto apropiado de reservas en términos técnicos y

económicamente eficientes, aprovechando al máximo la energía eólica. Las reservas son evaluadas continuamente desde el momento en que se asignan enreservas programadas no son suficientes para superar las incertidumbres, grupos de unidades térmicas son encendidas o apagadas “manejo de restricciones técnicas”.

En el día anterior a la operación, las reservas en giro son dimensionadas por el

operador del sistema mediante una predicción de viento, para cada hora del En particular, la herramienta de predicción provee un valor horario de generación eólica, con una confianza de 85%. Este método ahorra reservas y costos en aquellos días donde se dan condiciones atmosféricas estables, mientras que aumenta los valorescaso de posibles errores en días donde el clima menos estable y predecible. En promedio, 630 compensar errores de predicción del dí

Figura 2.4: Errores de predicción de la generación eólica con un horizonte de predicción de

Esta alternativa de programar reservas anticipadamente el día anterior contribuye

a dejar un monto de reserva adecuado a un costo razonable. Las unidades que proveen estas reservas son informadas anticipadamente si están programadas a operar el día siguiente. Sin embargo, se ha registrado que el 15% del tiempo, las reservas son

eólica

aislando la península del resto de Europa. El mayor impacto de la energía eólica está en las reservas terciarias en giro, las cuales pueden activarse entre 15 min y 3 horas, y consisten de las reservas unidades sincronizadas y centrales de bombeo [30].

en garantizar el monto apropiado de reservas en términos técnicos y económicamente eficientes, aprovechando al máximo la energía eólica. Las reservas son evaluadas continuamente desde el momento en que se asignan en el

madas no son suficientes para superar las incertidumbres, grupos de unidades térmicas son encendidas o apagadas vía un mecanismo de mercado denominado

restricciones técnicas”.

anterior a la operación, las reservas en giro son dimensionadas por el operador del sistema mediante una predicción de viento, para cada hora del En particular, la herramienta de predicción provee un valor horario de generación eólica,

una confianza de 85%. Este método ahorra reservas y costos en aquellos días donde se dan condiciones atmosféricas estables, mientras que aumenta los valorescaso de posibles errores en días donde el clima –y por lo tanto la generación eólicamenos estable y predecible. En promedio, 630 [MW] adicionales se deben considerar para

sar errores de predicción del día anterior[30].

: Errores de predicción de la generación eólica con un horizonte de predicción de 24 horas.

Esta alternativa de programar reservas anticipadamente el día anterior contribuye a dejar un monto de reserva adecuado a un costo razonable. Las unidades que proveen estas reservas son informadas anticipadamente si están programadas a operar el día

te. Sin embargo, se ha registrado que el 15% del tiempo, las reservas son

25

aislando la península del resto de Europa. El mayor impacto de la energía eólica está en las 15 min y 3 horas, y consisten

en garantizar el monto apropiado de reservas en términos técnicos y económicamente eficientes, aprovechando al máximo la energía eólica. Las reservas son

el día anterior. Si las madas no son suficientes para superar las incertidumbres, grupos de

un mecanismo de mercado denominado

anterior a la operación, las reservas en giro son dimensionadas por el operador del sistema mediante una predicción de viento, para cada hora del día siguiente. En particular, la herramienta de predicción provee un valor horario de generación eólica,

una confianza de 85%. Este método ahorra reservas y costos en aquellos días donde se dan condiciones atmosféricas estables, mientras que aumenta los valores de reserva en

y por lo tanto la generación eólica– es adicionales se deben considerar para

: Errores de predicción de la generación eólica con un horizonte de predicción de

Esta alternativa de programar reservas anticipadamente el día anterior contribuye a dejar un monto de reserva adecuado a un costo razonable. Las unidades que proveen estas reservas son informadas anticipadamente si están programadas a operar el día

te. Sin embargo, se ha registrado que el 15% del tiempo, las reservas son


insuficientes y ha sido necesario el redespacho de grupos de unidades térmicas, como consecuencia de los errores de predicción.

Tal como cualquier otro participante del mercado, los parques eólicos son

responsables financieramente de las desviaciones y son penalizados si es que estas son contrarias a las necesidades del sistema. Estos pueden corregir sus errores en mercados intradiarios hasta con 6 horas de anticipación para poder evitar las multas. Si mediante estos mecanismos de mercado no se logra mantener la reserva necesaria, el operador del sistema puede solicitar la entrada/salida de servicio de unidades, lo cual debe realizarse con anticipación. Si persisten los errores, puede llegarse a la necesidad de tener que desconectar consumos.

De manera similar, en el caso de tener errores de predicción en las horas de baja

demanda, donde las reservas de bajada son usualmente menores, el apagado de ciclos combinados puede ser necesario si hay un exceso no esperado de generación eólica. Si los errores persisten, la situación puede no ser corregida debido al tiempo necesario para este proceso de descenso en los niveles de producción y desconexión en una manera estable y segura. Esto es lo que sucedió la mañana del día domingo 2 de Noviembre de 2008, cuando la producción de viento subió inesperadamente a una tasa de 1500 [MW/h], creando un error de predicción de más de 2500 [MW] para las dos horas siguientes. La desviación fue tal que se enviaron órdenes de restricción a los parques eólicos por más de dos horas para mantener el balance en el sistema[12].

Actualmente, estudios adicionales se han llevado a cabo por los operadores del

sistema eléctrico de Portugal y España (REN y REE) los que evaluaron la operación del sistema en el futuro enfrentando las importantes implicancias de la alta penetración de renovables debido a las políticas de la Unión Europea. Estos estudios han concluido que los modelos determinísticos y los clásicos probabilísticos no son suficientes y que se requiere una redefinición de la programación de la operación para enfrentar los rápidos cambios de la energía eólica. Este estudio, propone un método mediante simulaciones de Montecarlo para capturar el abastecimiento de la demanda y las estrategias de asignación de reserva en Portugal y España[31].

2.5.2.3 Dinamarca

Dinamarca ha sido históricamente el principal actor en el desarrollo de la tecnología eólica. Actualmente tiene los más altos niveles de penetración de la tecnología eólica en generación, incluso en horarios fuera de punta la capacidad eólica puede suplir la totalidad de la demanda Danesa. Como sistema eléctrico Dinamarca se encuentra dividido


en Este y Oeste, estando el sector Este interconectado con la UCTE (Unión de Operadores de Sistemas de Transmisión Europeos) y el Oeste con el sistema escandinavo NORDEL[32].

Una de las herramientas principales que facilitan la integración de grandes

cantidades de energía eólica en el sistema Danés, es la estructura del mercado eléctrico Nórdico, común a Noruega, Suecia, Finlandia y Dinamarca. Esta estructura consiste principalmente en un mercado del día anterior y dos mercados intradiarios.

• El mercado del día anterior ELSPOT es un mercado spot de energía donde se

realiza la mayor parte de la comercialización física del día anterior. También se estiman las necesidades de reservas terciarias a contratar.

• El mercado intradiario ELBAS tiene por objetivo reprogramar la producción según los desbalances que los agentes pueden detectar antes de la correspondiente hora de operación. Estos desbalances pueden transarse en este mercado hasta una hora antes de la operación.

• El mercado de regulación de potencia corresponde al mercado de tiempo real, donde se activan las reservas primaria, secundaria y terciaria. Los productores que ofrecen reserva terciaria en el mercado de regulación hacen sus ofertas hasta 45 minutos antes de la hora correspondiente.

Adicionalmente a la estructura del mercado, las interconexiones con los sistemas

vecinos son de gran importancia. En los 2 sistemas daneses existe una capacidad de interconexión capaz de exportar el 40% de la potencia generada e importar hasta el 70% del consumo máximo. La disponibilidad de hidroeléctricas en Noruega y Suecia a través de conexiones en corriente continua HVDC (High Voltage Direct Current) es comúnmente usada para regulación de la generación eólica mediante el uso de mecanismos de mercado.

Por otro lado, el operador danés (Energinet.dk) busca usar los mejores pronósticos

de viento que existen. Dado que los pronósticos meteorológicos tienen un alto grado de incertidumbre, varios y distintos modelos de distintos proveedores son utilizados en paralelo. Actualmente el error medio absoluto anual es de un 5% de la capacidad eólica instalada. Estos pronósticos de viento son utilizados para:

• Planificación de la operación varios días antes que ocurra. • Transacciones en el mercado ELSPOT • Transacciones en el mercado de regulación de potencia durante la operación.

Hasta 15 minutos antes de la hora de operación es posible tranzar en el mercado de

balances de potencia. Es esencial tener una idea sobre como la generación eólica será unas


horas más adelante. Esta estimación es hecha corrigiendo los pronósticos de viento comparándolos con la generación actual por viento, revisando así si es que se espera aumento en la producción o disminuciones y sus magnitudes.

Estimación de las reservas

El sistema danés divide las reservas entre reservas para regulación de frecuencia

automática y manual. Estas pueden ser primarias, secundarias o terciarias, utilizando las definiciones anteriores dadas por la ENTSO-E.

Las reservas terciarias son aquellas con tiempos de activación menor a 15 minutos.

Estas son activadas manualmente cuando las reservas secundarias no son capaces de mantener el balance. Estas comprenden encendidos, apagados, redistribución y cambio de los niveles de las interconexiones. La necesidad de este tipo de reservas en Dinamarca se estudió en [33].

Las reservas terciarias son transadas en el mercado de regulación de potencia,

donde los productores hacen sus ofertas y reciben el precio resultante si son activadas. Sin embargo, puede que no exista suficiente capacidad de reserva disponible directamente en el mercado. En un mercado perfecto, los desbalances deberían ser cubiertos por la reserva terciaria ofrecida directamente en el mercado de regulación. Sin embargo, los productores optimizan sus ofertas en el mercado de energía del día anterior ELSPOT, prácticamente ignorando el mercado de regulación, por lo cual los recursos de reserva son insuficientes. Esto ocurre principalmente por la dificultad de optimizar ambas cosas a la vez, además del costo de oportunidad que ello significa comparado con el mercado de energía.

Para solucionar esto y asegurar la seguridad del suministro, el operador del

sistema estima los requerimientos de reserva terciaria de subida que deben manejarse hora a hora. Esta estimación se contrata antes de ser activada, en el mercado ELSPOT. Por lo tanto, la reserva terciaria en Dinamarca se divide en una resultante mediante mecanismo de mercado hora a hora, y otra contratada el día anterior.

La reserva mediante mecanismo de mercado es activada durante la operación,

provista por el mercado y valorizada al precio resultante. Por el contrario, para la reserva contratada se paga a un precio de opción en el proceso diario del ELSPOT, asegurando la capacidad suficiente para el día siguiente de operación, y además se paga el precio de mercado resultante si son activadas. El pago de una opción incentiva aún más a los productores a no ofrecer directamente las reservas en el mercado.

Para estimar la cantidad de reservas terciarias a ser contratadas, el operador del

sistema lleva a cabo una optimización de la operación utilizando un modelo de


programación estocástica de dos etapas (Wilmar Planning Tool, ver 2.6.2.2). Este modelo además incluye una herramienta para generar un árbol de escenarios representativo de los procesos estocásticos modelados – errores en la predicción de viento, demanda y fallas de unidades– el cual es reducido en número mediante técnicas de clustering, incluyendo los casos extremos en la distribución de cada clúster obtenido. Luego de obtener estos escenarios, se estiman las reservas mediante los siguientes pasos:

1. Correr el modelo considerando solo el mercado del día anterior, con un solo escenario

basado en las predicciones de generación eólica y demanda. En este caso, la reserva resultante puede ser insuficiente para el balance de potencia en tiempo real.

2. Correr el modelo tomando en cuenta el mercado de regulación de potencia. La programación de la operación se determina en base a los escenarios creados de generación eólica y demanda.

3. La capacidad de generación online resultante del paso 2 menos la resultante en el paso 1 corresponde a la reserva requerida y a ser contratada. Adicionalmente, la reserva resultante en 1 también corresponde a la reserva a contratar.

De esta manera, la capacidad de reserva terciaria a contratar corresponde a la

insuficiencia para el balance más la resultante conectada a la red del paso 1.

2.5.3 Estado del arte en estimación de reservas

En la literatura se pueden encontrar diversos esfuerzos para determinar los requerimientos de reserva necesarios para sobrellevar la incertidumbre asociada a la generación eólica. El trabajo de diversos autores en [22] resume tanto los métodos utilizados en los estudios de integración como las prácticas actuales, sin embargo se aprecian otros aportes desde el punto de vista académico.

En [34] Soder propone una metodología para la programación de la generación

para el sistema sueco, considerando la estocacidad de la demanda y de la generación eólica. Esta técnica propone mantener un requerimiento predefinido de reserva, determinado offline y ajustado para el sistema. Sin embargo, dicha metodología fija la reserva para todos los periodos de optimización, al igual que los estudios de Minnesota y New York, siendo sub-óptimos al programar reserva abstrayéndose del fenómeno en sí, que tiene variabilidades distintas según los intervalos de tiempo en cuestión. En [35] Persuad et al. presentan un análisis para el sistema de Irlanda del Norte, en el cual se concluye que los requerimientos de reserva en giro dependen de la precisión de los métodos de predicción. Sin embargo, al igual que en [36] los autores recurren a índices


predefinidos de seguridad, con lo que los requerimientos de reserva no son optimizados, dejando de lado la intrínseca relación entre los requerimientos de reserva y la eficiencia económica de la operación.

Black y Strbac en [37] proponen requerimientos dinámicos de reserva, los cuales

están determinados por un número de veces (λ)la desviación estándar (σ) del error de predicción de la demanda neta, indicando que dependiendo de la forma de la función de distribución que siguen estos errores, puede considerarse que λ=3 cubren el 99.7% de las desviaciones en el caso de una distribución normal y que λ=3.5 es apropiado para capturar los extremos de la función en el caso de no ser normal. Así, los requerimientos de reserva con esta metodología serán crecientes mientras mayor sea la capacidad eólica instalada.

Determinar la correcta separación de los requerimientos de reserva entre reserva en

giro y detenida reduciría aun más los costos de operación, el trade-off entre utilizar recursos detenidos con costos de combustible más caros y dejar generadores en puntos de operación parciales para proveer reserva en giro. M. Ortega-Vázquez y D. Kirshchen proponen en [38] que los requerimientos de reserva en giro sean determinados en una optimización probabilística, considerando los errores de predicción de la demanda y de la generación eólica, en conjunto con las posibles contingencias que pueden suceder para una condición de operación dada. Para cada nivel de demanda neta, se determina el requerimiento óptimo de reserva en giro a través de una optimización del costo esperado de abastecer dicha demanda más el costo de las interrupciones. Una vez que dichos requerimientos son determinados en esta optimización, se realiza una ponderación basada en los errores de predicción esperados para un cierto nivel de demanda neta, dividiendo la función de distribución del error de predicción en intervalos hasta cubrir un número de desviaciones estándar.

Es reconocido entre los operadores de los Sistemas Eléctricos que las reservas

operativas son simples de implementar en la programación de la operación y en la operación de tiempo real. Adicionalmente, estos requerimientos crean una clara sensación de seguridad al planificar los sistemas, donde existe una aversión al riesgo de interrumpir el servicio. Es por ello, que estos requerimientos han tenido una gran aceptación y son usados ampliamente en los Sistemas Eléctricos.

Sin embargo, los requerimientos de reserva han sido determinados mediante

variadas metodologías, dependiendo –entre otras cosas– del enfoque de los autores del trabajo. Los supuestos hechos para determinar influyen de gran manera en los costos de integración de la energía eólica, así como en las determinaciones futuras que se tomaran en los distintos sistemas sobre las políticas operacionales para enfrentar la incertidumbre. Es por ello, que el margen de seguridad obtenido puede resultar en una operación del


sistema que no es necesariamente el óptimo económico, haciendo necesaria la revisión de métodos alternativos.

2.6 Métodos alternativos

2.6.1 Predespacho económico con restricciones de seguridad Dentro de las metodologías alternativas, en [39] (2008) Wang y Shahidehpour

presentan un modelo desarrollado de Predespacho Económico con restricciones de seguridad (SCUC–Security Constrained Unit Comitment) para incorporar la incertidumbre de la generación eólica. Este modelo se basa en un algoritmo de cortes de Benders que descompone el problema completo en un problema maestro y subproblemas para obtener la solución de manera iterativa.

El SCUC es utilizado por

muchos ISO/RTO en Estados Unidos y otros países para programar la operación del sistema. Este problema formulado con incertidumbre eólica y restricciones AC de transmisión constituye un problema difícil de resolver en una sola optimización, principalmente al ser de gran escala y no lineal. Es por esto que los autores proponen utilizar la técnica de descomposición de Benders en este problema de gran escala, separándolo en un problema maestro y dos subproblemas; uno de factibilidad y otro de seguridad de la red. La Figura 2.5 muestra en un diagrama de flujo el algoritmo propuesto y como se relacionan los subproblemas y el problema maestro.

En el problema maestro, el

Predespacho de las unidades es resuelto considerando la predicción

Figura 2.5: Esquema del algoritmo de SCUC propuesto. (a base de [39])


de generación eólica disponible. Luego, posibles escenarios son generados considerando la volatilidad de la generación eólica. En el primer subproblema se revisa que el Predespacho obtenido tenga la capacidad de manejar la variabilidad representada por los escenarios, simplemente redespachando las unidades encendidas. Si se encuentra alguna violación en los escenarios, se crean cortes de Benders que se agregan para la próxima iteración del problema maestro, que resuelve nuevamente el Predespacho.

En una segunda etapa, se verifica que las restricciones de transmisión se satisfacen

tanto para la predicción de generación eólica como para los escenarios generados. En el caso de encontrar una violación para la predicción, se añade un corte de Benders al problema maestro. Por otro lado, si se encuentra un problema en la red de transmisión para uno de los escenarios, el corte de Benders se agrega en el primer subproblema, condicionando entonces que mediante cambios en los despachos se pueda satisfacer las restricciones de transmisión.

Este proceso iterativo continúa hasta que no se encuentra ninguna violación en los

escenarios construidos, garantizando que mediante el redespacho –modificación de los niveles de potencia generada– se puede acomodar la variabilidad de la generación eólica y respetar las restricciones de transmisión

Para validar la metodología, los autores utilizaron dos sistemas ficticios, el primero

de 6 barras y el segundo de 118 barras (IEEE 118-Bus System). Los análisis se basan en comparar los costos de operación, costos marginales y la seguridad del sistema obtenidos con el algoritmo propuesto, versus la alternativa que considera solo el problema maestro, es decir, un SCUC con la predicción de viento disponible.

Los resultados indican que la metodología entrega un Predespacho Económico

robusto a la variabilidad de la generación eólica, respetando las restricciones de transmisión en el sistema. Sin embargo, el algoritmo es muy conservador, ya que no permite recortes de generación eólica ni de demanda. Adicionalmente, al ser iterativo no se puede garantizar que es la solución óptima.

2.6.2 Predespacho Económico Estocástico En la toma de decisiones bajo incertidumbre, el tomador de decisiones tiene que

encontrar la decisión óptima a lo largo de un horizonte de tiempo, utilizando información incompleta. Dentro de ese horizonte considerado, un cierto número de etapas son definidas. Cada etapa representa un punto en el tiempo donde deben tomarse decisiones o cuando la incertidumbre desaparece total o parcialmente. Usualmente, la información disponible es distinta en cada etapa. Dependiendo del numero de etapas consideradas, se


puede distinguir entre optimización estocástica de dos etapas (two-stage stochastic

optimization) o multietapa (multi-stage stochastic optimization) [40]. Para efectos de conceptualizar este tipo de optimización, consideremos un

problema de toma de decisión donde las decisiones se toman en dos etapas y que existe un proceso estocástico φ representado por un conjunto de escenarios ψS. Asumimos que existen dos vectores de variables de decisión involucradas, llamadas x e y. La decisión x se toma antes de la realización φ(s) ∈ ψS de φ, mientras que y es determinada después de la realización de φ. Consecuentemente, la decisión y depende de la decisión x, previamente tomada, así como de la realización φ(s) del proceso estocástico φ. Así, entonces se puede expresar y como y(x,s). Este proceso de decisión entonces se resume como.

1- Se toma la decisión x. 2- El proceso estocástico φ se realiza como φ(s). 3- Se toma la decisión y(x,s).

En este sentido, en el proceso de decisión anterior, se pueden distinguir dos tipos de variables en la optimización:

1. Decisiones de primera etapa o here-and-now. Estas decisiones se toman antes de

conocer la realización del proceso estocástico. Así, las variables que representan decisiones here-and-now no dependen de cada realización del proceso estocástico.

2. Decisiones de segunda etapa o wait-and-see. Estas decisiones son tomadas cuando ya es conocida la realización del proceso estocástico. Consecuentemente, estas decisiones dependen de cada realización del proceso estocástico. Si el proceso estocástico es representado por un set de escenarios, la variable de decisión de segunda etapa es definida para cada escenario considerado.

Este proceso de decisión puede ser visualizado como un árbol de escenarios, tal como el que se muestra en la Figura 2.6. Gráficamente, un árbol de escenarios se compone de un set de nodos y ramas. Los nodos representan estados del problema en un instante particular, es decir, los puntos donde se toman decisiones. El primer nodo se denomina raíz, donde son tomadas las decisiones de primera etapa, y además corresponde al comienzo del horizonte de planificación. Los nodos conectados con la raíz corresponden a los puntos donde las decisiones de segunda etapa son tomadas.


Figura 2.6: Árbol de escenarios para una optimización estocástica de dos etapas.

Dicha metodología es adaptable para representar el proceso de operación en los

Sistemas Eléctricos, el cual consiste conceptualmente de dos etapas:

1. Programación de la operación del día anterior: decisiones here-and-now son tomadas en una primera etapa donde los estados de encendido-apagado son establecidos para todas las unidades, precisamente antes que la incertidumbre –en este caso la generación eólica para el día siguiente– se realice. En un esquema de optimización determinística, la decisión de programación de una unidad es sensible a cada escenario, siendo esta precisamente una fuente de incertidumbre al tener errores en la predicción, teniendo en cuenta que en la práctica puede ser problemático cambiar la salida/entrada de unidades, afectando la eficiencia económica de la operación, y potencialmente incluso la seguridad del suministro.

2. Despacho económico en tiempo real: decisiones wait-and-see son llevadas a cabo para mantener el balance generación-carga en el sistema, lo cual es posible mediante el redespacho de las unidades encendidas, una vez que las condiciones de carga y generación eólica son conocidas. Los niveles de generación de las unidades son variables determinadas en una segunda etapa, una vez que un cierto escenario se realice en la operación real, permitiendo acomodar las variaciones.

De esta manera, esta formulación toma en consideración los costos esperados incurridos por acciones preventivas a través de las variables de primera etapa, así como de acciones correctivas, a través de las variables de segunda etapa. Los trabajos [42] y [43] son reportados como los pioneros en esta línea de investigación.

Rama

Nodo

1a Etapa 2a Etapa

Escenario 1, π1

Escenario 2, π2

Raíz


En la formulación del problema de Predespacho Económico Estocástico, la función objetivo típica a minimizar es la suma de los costos esperados de operación más los costos esperados de energía no servida, y los costos de partida y parada de unidades.

min 6 7 8 �� V8 98 &��.�:;�;�<=>ó@�,�� A &��.��<�.>:<�,�� A &��.��<�<:<�,��%B� C%E

�%��

A &��.�D+��W

Generalmente, en dicha optimización se considera que las restricciones típicas –

tales como el abastecer la demanda y los límites de capacidad de las unidades– deben satisfacerse en cada escenario. Esto es necesario para garantizar que ante los cambios en la variable estocástica, como es la generación eólica, existan los suficientes recursos para abastecer la demanda. Lo anterior se ilustra en la Figura 2.7siguiente:

Figura 2.7: Ejemplo de resultados de la optimización determinística (a-b) y la optimización estocástica (c-d).

En las figura (a) se ilustra una proyección de generación eólica para las próximas 24

horas (gráfico de línea, eje vertical primario) mientras que en la misma figura se muestra el programa de operación resultante para una unidad (gráfico de barras, eje vertical secundario muestra estado de encendido/apagado de unidades), donde la unidad se encuentra fuera de servicio entre las horas 10 y 16.Asimismo, en la figura (b) se ilustra el programa resultante para una segunda proyección de generación eólica, donde la optimización resultante deja la unidad fuera de servicio entre las horas 14 y 18. Se aprecia


entonces que la unidad sale de operación cuando la generación eólica tiene un nivel que supera los 50 [MW]. Principalmente, queda de manifiesto que distintas proyecciones de la generación eólica tienen distintos impactos en el resultado de la optimización de la operación para el día siguiente.

En cambio, al utilizar ambos escenarios en un esquema de optimización estocástica

como el descrito anteriormente, se obtiene un único programa de generación para ambos escenarios, como el que se muestra en las figuras (c) y (d), donde la unidad es retirada de servicio entre las horas 12 y 16. Lo anterior ilustra la principal característica de esta optimización estocástica, donde se intenta encontrar una única solución, y que además dicha solución sea la que minimice el costo esperado, siento la mejor decisión única –en un sentido de los costos esperados– para todos los escenarios considerados. Por otro lado, es claro que la solución individual en cada escenario no corresponde a lo mejor que se puede hacer en dicho escenario separadamente.

Los trabajos que exploran la optimización estocástica intentan incorporar

directamente la incertidumbre eólica en el proceso de optimización del Predespacho. Para ello, se introducen escenarios posibles y probabilidades de ocurrencia en una optimización estocástica de dos etapas con el objetivo de modelar explícitamente la incertidumbre en la de la generación eólica en la optimización. Las metodologías estocásticas han reportado resultados positivos al determinar el programa óptimo de generación de las unidades bajo la incertidumbre de la generación eólica. Al contrario de las metodologías que determinan requerimientos de reserva, la optimización estocástica programa la reserva óptima a necesitar para acomodar la incertidumbre a través de una serie de escenarios representativos.

2.6.2.1 Predespacho Económico con seguridad estocástica En 2008 Bouffard y Galiana [44] abordan el problema de Predespacho Económico

adaptando un esquema de optimización estocástica desarrollado en un trabajo previo [45] principalmente enfocado a mejorar la programación de reservas para manejar contingencias de generación y transmisión.

En este trabajo se modelan las desviaciones de la demanda y la generación eólica

respecto de la predicción, generando escenarios a través de una discretización de la función de distribución del error de predicción, junto con técnicas de reducción de escenarios, las cuales son necesarias para mantener el problema en un tamaño abordable para resolver con las capacidades actuales de procesamiento. Al resolver el problema para el horizonte completo en una sola optimización, se dice que esta es One-Shot.


En la formulación del problema, se considera un escenario base –error free o predicción– y escenarios que corresponden a las representaciones de las desviaciones producto de los errores de predicción. Se identifican en la función objetivo los costos asociados a las variables de primera etapa –que representan acciones preventivas– así como los costos esperados que se incurren por acciones correctivas –representadas por las variables de segunda etapa– en cada escenario. Se considera que como acciones correctivas se permitan recortes de generación eólica y desprendimientos de carga, cuando hacerlo resulte económico o necesario técnicamente.

Un importante aspecto de la optimización estocástica es discutido en este trabajo;

las reservas son programadas de manera implícita, como consecuencia de los balances generación-carga pre-perturbación y post-perturbación. Como consecuencia de esto, los requerimientos a priori ya no son necesarios, resolviendo la problemática de definir una metodología para el cálculo de los mismos. Los montos programados de reserva son las desviaciones del nivel de generación resultante en el caso base con los niveles necesarios para absorber las desviaciones. Por ejemplo, la provisión de reserva en giro en un periodo t satisface las desigualdades:

��,� X 0 ��,� X ��,�� [ ��,�* \F, � ��,� ] ��,�'_ · ��,� \F Esta metodología se implementa en un sistema ficticio simple para ilustrar las

ventajas respecto de una metodología determinística con reservas basadas en el peor caso posible. Los principales resultados son un aumento de la eficiencia económica de los programas resultantes, así como un incremento en el nivel máximo de penetración permitido, como consecuencia de la flexibilidad adicional permitida por la formulación de los recortes de generación eólica y de carga.

2.6.2.2 Rolling Unit Commitment R. Barth, et al. propusieron en 2006 [46]un modelo estocástico de Unit Commitment

para la evaluación de los impactos de la integración de la energía eólica en los precios de la energía y costos del sistema, así como para la investigación de medidas de integración, cubriendo los sistemas de Suecia, Dinamarca, Finlandia, Noruega y Alemania. Este trabajo fue realizado dentro del marco del proyecto WILMAR (Wind Power Integration in Liberalised Electricity Markets) [47] apoyado por la comunidad europea para estudiar el impacto de la integración de la energía eólica en los mercados eléctricos. En [48]se presenta un resumen del mismo trabajo.


El modelo WILMAR fue adaptadoparte del All Island Grid Study

energía renovable en la red irlandesa hacia el año 2020, produciendo múltiples escenarios de desarrollo del parque generador, variando las capacidades instaladas de energía eólica y de las tecnologías convencionales.

Para realizar la programación de la operación, se desarrolló un modelo de

planificación recursivo multietapa denominado característica de este modelo es que no utiliza un árbol único de escenarios para cubrir todo un horizonte de interés, si no que se divide el horizonte en distintas etapas de duración variable, determiacciones de corrección que se toman en periodos cercanos a la realización de los parámetros inciertos modelados.2.8y se explica a continuación.

El primer periodo parte a las 12

pm del día 1, cubriendo 36 horas hasta el final del siguiente día, sieDay-Ahead Schedule a actualizar en los periodos de optimización siguientespara tomar en cuenta las actualizaciones en las predicciones de viento y carga.

La primera etapa

duración de 3 horas y es determinística igual a la predicción, la segunda etapa se divide en tres escenarios, para las siguientes 3 horas, mientraetapa final se divide en 6 escenarios. Laduración de esta últimavariable y se va reduciendo en 3 horas cada periodo de optimización.

Al pasar de una optimización

la siguiente, el estado al final de la primera etapa de la optimizaciónanterior es tomada en cuenta como punto de partida (tanto el estado de operación on-off como las horas en ese estado). Luego de esto, las

eólica

El modelo WILMAR fue adaptado para el estudio en el sistema Irlandés como sland Grid Study [25] cuyo objetivo principal es analizar el desarrollo de la

enovable en la red irlandesa hacia el año 2020, produciendo múltiples escenarios de desarrollo del parque generador, variando las capacidades instaladas de energía eólica y de las tecnologías convencionales.

Para realizar la programación de la operación, se desarrolló un modelo de ecursivo multietapa denominado Rolling Planning

característica de este modelo es que no utiliza un árbol único de escenarios para cubrir todo un horizonte de interés, si no que se divide el horizonte en distintas etapas de duración variable, determinando primero una decisión Day-Ahead

cciones de corrección que se toman en periodos cercanos a la realización de los parámetros inciertos modelados. Rolling Planning procede como se ilustra en la

y se explica a continuación.

El primer periodo parte a las 12 1, cubriendo 36 horas hasta

el final del siguiente día, siendo este el a actualizar en los

de optimización siguientes para tomar en cuenta las actualizaciones en las predicciones de

La primera etapa tiene una es determinística

igual a la predicción, la segunda etapa se divide en tres escenarios, para las siguientes 3 horas, mientras que la

escenarios. La última etapa es

variable y se va reduciendo en 3 horas cada periodo de optimización.

optimización a al final de la

primera etapa de la optimización anterior es tomada en cuenta como punto de partida (tanto el estado de

off como las horas en ese Luego de esto, las

Figura 2.8: Árbol de escenarios para Rolling Planning cubriendo un horizonte de 36 hrs.

38

istema Irlandés como cuyo objetivo principal es analizar el desarrollo de la

enovable en la red irlandesa hacia el año 2020, produciendo múltiples escenarios de desarrollo del parque generador, variando las capacidades instaladas de energía eólica

Para realizar la programación de la operación, se desarrolló un modelo de Planning. La principal

característica de este modelo es que no utiliza un árbol único de escenarios para cubrir todo un horizonte de interés, si no que se divide el horizonte en distintas etapas de

head y posteriormente cciones de corrección que se toman en periodos cercanos a la realización de los

lanning procede como se ilustra en laFigura

Árbol de escenarios para Rolling

Planning cubriendo un horizonte de 36 hrs.


optimizaciones siguientes van hasta las 00 am del día siguiente, cubriendo 24 horas con 8 optimizaciones. Al llegar a las 12 pm del día siguiente, el periodo vuelve a ser de 36 horas hasta las 00 am del día subsiguiente.

La programación de la operación para la primera etapa es la que se guarda para dar un programa para el horizonte completo. En[48] y [49] Aidan Touhy et al. examinan las potenciales reducciones de costos al hacer un Rolling Unit Commitment más frecuente. Se aplica esta metodología al sistema irlandés para un horizonte de tres semanas de información de viento, y una semana de demanda, concluyendo que al utilizar información más reciente, se logran disminuir los requerimientos de reserva necesarios para cubrir los errores de predicción, que son mayores mientras mayor sea el horizonte de tiempo.

Los beneficios de usar esta metodología para altos niveles de penetración de la

energía eólica en el sistema Irlandés son estudiados por los mismos autores en [50] comparando distintas metodologías para la programación de la operación;

• Predicción Perfecta. Se utiliza una planificación Rolling, con una sola etapa determinística para todo el periodo y un escenario con un nivel de viento y demanda iguales a la predicción. Si bien esto no es realizable en la práctica, sirve como base para la comparación estableciendo una cota inferior para los costos de operación.

• Programación Estocástica. Se utiliza una planificación Rolling estocástica como la

descrita anteriormente.

• Programación Determinística. En este caso también se usa una alternativa de planificación Rolling determinística y con un escenario, pero se utilizan distintas etapas donde los niveles de generación eólica y demanda corresponden al valor esperado de los escenarios en el árbol correspondiente.

Como sistema en el estudio se utiliza una proyección del parque generador del

sistema Irlandés en 2020, el cual contempla 6000 [MW] de energía eólica instalada y 8100 [MW] de capacidad instalada para el resto de las tecnologías, resultando que la energía eólica representa un 42% de la demanda de energía anual. Los resultados indican que el modelo estocástico presenta un costo de operación anual 0,6% más bajo respecto de la alternativa determinística. El modelo fue resuelto usando el MIP solver de CPLEX, con un gap de 4%.


En [51] estos estudios son complementados con una mejora de los modelos de la reserva y se estudia el efecto de hacer un Rolling Unit Commitment más frecuentemente, usando predicciones de viento y carga más actuales. Se obtiene que realizando la optimización cada 1 hora, las mejoras del modelo estocástico pueden alcanzar un 0.25%, mientras que para 3 horas se obtuvo un 0.9%, mejor al obtenido anteriormente.

Adicionalmente se discuten los tiempos de simulación. Al realizar la optimización

cada 1 hora, se realizan 8772 optimizaciones estocásticas en el horizonte de un año, las cuales tomaron 6 horas, con un gap de 1%. Para un gap de 0.1% demoró mucho más para un horizonte de una semana, estando los costos de operación dentro de 0.02% respecto del caso con un gap de 1%, teniéndose una programación de la operación similar.

Una publicación reciente sobre la aplicación de este modelo se puede encontrar en

[52] donde se describe con mayor precisión el modelo utilizado y el procedimiento para la generación de escenarios, la determinación de la reserva. Se presentan los resultados de la integración de la energía eólica en el sistema Irlandés, para distintas proyecciones del parque generador hacia el año 2020.

2.6.2.3 Requerimientos de reserva y programación estocástica En la literatura revisada y expuesta anteriormente, se presentan dos alternativas

para manejar las incertidumbres en el UC; reservas y programación estocástica, las cuales programan reserva de manera explícita o implícita. En los trabajos [53] y [54] de Pablo A. Ruiz et al. se propone una combinación de ambas alternativas, mostrando en términos numéricos que un requerimiento de reserva apropiado por escenario en la formulación estocástica, conduce a programas de la operación que son superiores a las alternativas puras individualmente, en términos de los costos globales de operación.

La razón principal para incorporar requerimientos de reserva en la formulación

estocástica es que, a pesar de modelar la incertidumbre explícitamente en la formulación estocástica, muy pocos escenarios –debido a la necesidad de acotar los tiempos de simulación– no pueden capturar el espectro completo de la incertidumbre, por lo que sería aconsejable mantener aún algunos requerimientos de reserva. La reserva va indexada por escenario, guardando una estrecha relación con el escenario en cuestión y con los otros escenarios incluidos en la formulación. Adicionalmente, los requerimientos de reserva sirven para generar confianza en el operador del sistema, típicamente averso al riesgo.

Estos trabajos se enfocan principalmente en modelar la incertidumbre asociada a la

demanda bruta del sistema y en la disponibilidad y confiabilidad de las unidades de


generación. Se utilizan como métricas de comparación el costo esperado de operación y de la energía no servida.

En este modelo propuesto se tiene una formulación estocástica típica como la

presentada anteriormente; Minimización del costo esperado de operación, partida y parada y ENS, sobre una serie de escenarios representativos, sujeto a las restricciones de demanda, capacidad, tiempos mínimos dentro y fuera de servicio, reservas primaria y en giro, tasas de toma de carga y restricciones de transmisión, las que son respetadas en cada escenario. Esta formulación también corresponde a una optimización One-Shot.

La principal innovación es el tratamiento de las unidades de partida rápida. Las

variables u de todos los generadores, excepto aquellos de partida rápida que pueden proveer reserva pronta, son modeladas como variables de primera etapa. El nivel de generación de estas unidades, la reserva en giro que aportan y las variables u de las unidades de partida rápida son variables de segunda etapa, que dependen de cada escenario. Es decir, estas variables corresponden al grupo denominado wait-and-see, cuyo valor depende de la realización de la incertidumbre.

Esta diferenciación internaliza las diferentes capacidades de partida-parada que

tienen las unidades y su flexibilidad. Por otro lado, se modelan las decisiones intradiarias de los operadores, donde no necesariamente se sigue el programa del día anterior. Se asegura que las decisiones para los generadores de partida lenta son idénticas en todos los escenarios, es decir, son decisiones de etapa 1.

En el trabajo [55] este modelo es aplicado simultáneamente para tres fuentes de

incertidumbre; desviaciones en la demanda total del sistema, desviaciones en la generación eólica, y en la disponibilidad de unidades de generación. Este modelo fue implementado en el software comercial de AREVA e-terracommit, para el sistema PSCo (Public Service Company of Colorado). La implementación está escrita como un problema entero-mixto en AIMMS 3.7 y CPLEX 11 es usado como motor de optimización.

Se dejan fuera modelos de la red, y los ciclos combinados son modelados como una

unidad con bajo costo de operación. También se toma en cuenta la interconexión del PSCo con otros sistemas, fijando la máxima capacidad de intercambio en 800 [MW]. El gap o tolerancia de convergencia utilizado fue de 0.1%.

Se analizan tres políticas distintas para realizar el Unit Commitment; una

determinística y dos estocásticas.


• La determinística o tradicional corresponde al método determinístico comúnmente utilizado. Se consideran requerimientos de reserva, unidades siempre disponibles y que tanto la generación eólica como la demanda son iguales a la predicción.

• La estocástica “reserva en todos los escenarios” considera la metodología de optimización estocástica para el set de escenarios descrito anteriormente. En este caso se utilizan requerimientos de reserva en giro que son iguales para todos los escenarios.

• La estocástica “reserva escenario 0” considera la misma metodología de optimización estocástica y escenarios que la anterior, pero sólo impone requerimientos de reserva en aquellos escenarios donde demanda neta es igual a la predicción (escenarios 0 y 1) mientras que para el resto de los escenarios el requerimiento de reserva es cero.

Adicionalmente se agrega el caso en que la realización de la incertidumbre es igual a la predicción, sin reserva, caso que no es reproducible en la realidad, pero que sirve como referencia y cota inferior para las políticas implementadles en la práctica.

Para estimarlos beneficios de utilizar este modelo estocástico se utiliza un modelo

que simula la operación del sistema en cada realización de los parámetros inciertos, resolviendo un despacho económico para todo el periodo simultáneamente obteniendo los “costos realizados”. La formulación es esencialmente idéntica a la del Unit Commitment, excepto que se fijan las variables de primera etapa. Se realizan simulaciones de Monte-Carlo, usando un mayor número de escenarios al usado en el proceso de decisión.

Respecto de los resultados de interés, se tiene que los beneficios de la metodología

estocástica con requerimientos de reserva son sólo de un 0.2%. Adicionalmente, se realiza un detallado análisis del impacto en los distintos medios de generación, destacando que existe una reducción del uso de las turbinas a gas y las unidades de bombeo (pumped storage), por lo que las políticas estocásticas son menos susceptibles a las fallas de estas. También resulta importante que el número de partidas/paradas de unidades es menor con las políticas estocásticas, prefiriendo las unidades flexibles.

Los tiempos de simulación son de alrededor 3.1 veces superiores a los casos

determinísticos, los que sin embargo estarían dentro de los tiempos adecuados para que esto no sea una barrera de entrada de los modelos estocásticos.

En[56]los mismos autores discuten acerca de las ventajas de considerar

modificaciones en la modelación del problema con el fin de disminuir los tiempos de simulación del Unit Commitment Estocástico; eliminar la integralidad en la restricción asociada a las unidades de partida rápida, y modelar las fallas en generación como incrementos de la demanda del sistema.

Capítulo 3

Modelo de Predespacho Estocástico incorporando acciones correctivas

La optimización estocástica tradicional del Predespacho Económico –como la

discutida en 2.6.2– tiene como característica fundamental de su modelación el que las decisiones de encendido y apagado son las mismas en los distintos escenarios. Lo anterior se fundamenta en que el programa del día anterior debe ser único, a fin de reducir la incertidumbre que tienen los operadores sobre cuáles unidades deben ser encendidas/apagadas y cuándo.

El modelo estocástico presentado en 2.6.2.3reconoce que en la operación de tiempo

real hay acciones correctivas que son llevadas a cabo para manejar la incertidumbre experimentada en el sistema. Específicamente, las unidades de partida rápida son encendidas/apagadas dependiendo de las condiciones experimentadas. Esto es representado en el modelo a través de la relajación de las denominadas restricciones no

anticipativas, desplazando variables de decisión de primera etapa hacia la segunda etapa. La propuesta de este trabajo está enfocada en un modelo que sigue la tendencia de

incorporar acciones correctivas intradiarias en la formulación One-Shot estocástica de dos etapas del Predespacho Económico, sacando provecho a las flexibilidades del sistema para mejorar la eficiencia económica de la operación. Estas flexibilidades son introducidas en el modelo mediante la relajación de restricciones no anticipativas en la formulación estocástica del problema de Predespacho.

Como resultado del modelo se obtiene información adicional, además de las

acciones preventivas. Esta información es de utilidad al momento de la operación de tiempo real, constituyendo una guía de apoyo a las decisiones intradiarias llevadas a cabo por los operadores del sistema.

Modelo de Predespacho Estocástico incorporando acciones correctivas 44

3.1 Descripción del problema La programación de la operación del día anterior consiste en determinar las

unidades generadoras que deben operar el día siguiente de manera de abastecer la demanda, requerimientos de reserva y otras restricciones de seguridad, minimizando el costo global de operación. Este programa es el que guía la operación del sistema para el día siguiente.

Dadas las condiciones actuales de operación, más las variaciones experimentadas

en tiempo real, el operador del sistema toma decisiones correctivas intradiarias, tales como; la modificación de la consigna de generación de unidades, o el encendido/apagado de unidades de partida rápida, manteniendo el balance generación/carga y los estándares de seguridad.

Más aún, cuando una unidad de tamaño importante es programada para apagarse

en un una hora determinada del día, el operador del sistema puede determinar que dicha programación sea modificada, dependiendo de las condiciones actuales que se están experimentando durante la operación en tiempo real. Por ejemplo, la decisión de apagado de una unidad puede retrasarse en el caso que la demanda neta actual esté en un nivel superior al proyectado. Adicionalmente, puede ser necesario que la unidad permanezca conectada si se espera una alta incertidumbre en las próximas horas.

En este sentido, la Figura 3.1ilustra el proceso descrito anteriormente. El

Predespacho Económico es realizado el día anterior D-1, con el fin de guiar la operación del día siguiente. Este es considerado hora a hora durante la operación en tiempo real del día D. El operador maneja acciones correctivas intradiarias, las que son tomadas en tiempo real. Las decisiones tomadas en el tiempo t-1 afectan las decisiones para los periodos siguientes. Estas decisiones se llevan a cabo utilizando la información sobre el estado actual del sistema (demanda, instalaciones operativas, reservas disponibles, entre otros) y las predicciones disponibles sobre la evolución de las próximas horas de la demanda y la generación eólica.


Figura 3.1: Coordinación de las decisiones correctivas llevadas a cabo por el operador.

3.2 Descripción del modelo propuesto El modelo propuesto en este trabajo tiene por objetivo el incorporar las decisiones

correctivas típicas en una formulación One-Shot estocástica de dos etapas del Predespacho Económico. Esta formulación saca provecho a las flexibilidades adicionales del sistema con el propósito de alcanzar una mejor eficiencia económica al programar la operación del día siguiente.

Respecto de las decisiones intradiarias, el modelo propuesto incorpora las

decisiones de apagado y encendido de las unidades de partida rápida, las cuales al ser flexibles, pueden ser acomodadas dependiendo de las condiciones actuales de operación y la predicción a futuro más actual. Asimismo, el principal aporte de este modelo es la incorporación de la posibilidad de flexibilizar las decisiones de apagado de las unidades de ciclo combinado.


Las decisiones de apagado de las unidades son tomadas con información más actual–y por lo tanto menos incierta– constituyendo una acción correctiva adicional para manejar la incertidumbre.

Por otro lado, la decisión de encendido de la misma unidad tiene que ser

programada en adelanto, debido a que debe haber un tiempo mínimo para “avisar” antes que esta unidad pueda iniciar su proceso de partida y llegar a entregar su capacidad máxima. Más aún, la predicción de demanda y viento tiene menor precisión en horizontes de tiempo más lejanos. Así, para reducir la incertidumbre, el proceso de encendido de una unidad debe ser preparado horas en adelanto como acción preventiva, pudiendo ser problemático el adelantar la decisión, desde un punto de vista práctico.

En resumen, el modelo presentado introduce estas decisiones intradiarias en la

formulación estocástica de dos etapas del Predespacho Económico. Específicamente, la flexibilidad de los cambios de configuración de los ciclos combinados son consideradas, donde las decisiones de apagado son modeladas como acciones correctivas. Asimismo, las decisiones de encendido/apagado de las unidades de partida rápida son incluidas con el objetivo de mejorar la flexibilidad del sistema. La relajación de las restricciones no anticipativas y el modelo de los ciclos combinados es discutido en detalle.

La incorporación de las acciones correctivas mencionadas en la formulación del

Predespacho Económico, lleva a que la solución de este revela información adicional de utilidad. La Figura 3.2muestra como este método puede ser llevado a la práctica.

Un programa inicial es provisto en donde las acciones preventivas son claramente

señaladas, mientras que las decisiones de segunda etapa son provistas como un roadmap que conducirá las decisiones que se deben tomar durante la operación de tiempo real, dependiendo de las condiciones actuales y predicción de viento y carga. La herramienta de soporte a la toma de decisiones explota los grados de libertad de las nuevas variables de segunda etapa, determinadas por la formulación propuesta.


Figura 3.2: Coordinación de las decisiones correctivas llevadas a cabo por el operador bajo el esquema propuesto.

3.3 Formulación del problema

3.3.1 Función objetivo Para un sistema eléctrico centralizado, el objetivo del problema del Predespacho es

minimizar los costos totales de operación en el horizonte de tiempo de evaluación. Se minimizan los costos de operación de todas las unidades generadoras, más los costos de partida y parada asociados y también el costo de energía no servida.

min a 7 8 �� b8 8c&�,�,�1) A &�,�,��'#� A &�,�,��()d� A &�,�2%�� e� (3.1)


En el caso del Predespacho Económico Estocástico, se tienen costos separados en cada escenario, debido a que la operación del sistema en cada escenario será distinta. Así, los costos asociados a cada escenario son ponderados por la probabilidad respectiva, obteniendo que la función objetivo a minimizar en este problema corresponde al valor esperado de la función objetivo del caso determinístico, es decir, del costo de operación, partida, parada y energía no servida.

3.3.2 Costos de operación Las funciones de costo de las unidades generadoras son por lo general

representadas por funciones convexas de tipo cuadrática. Sin embargo, en la práctica las unidades generadores presentan funciones de costos no convexas, requiriendo una modelación más compleja para mantener la compatibilidad con la formulación del problema como un MILP.

En este trabajo, se utiliza una representación lineal de los costos de operación de las

unidades generadoras, con el motivo de simplificar el problema y además para reflejar las prácticas actuales en el SING, que es de interés para este estudio.

&�,�,�1) 7 �� · ��,�� · ∆ \�, ., F (3.2)

3.3.3 Costos de partida y parada Para una unidad térmica, los costos asociados al proceso de partida de la unidad

dependen de los tiempos que han permanecido fuera de servicio hasta que estas entran en operación, lo que está relacionado directamente con los ciclos térmicos involucrados. Sin embargo, al igual que para los costos de operación, en el modelo presentado se simplificará este hecho, modelando los costos de partida y parada con un valor constante, sin importar los tiempos asociados fuera de servicio. Con esto, los costos de partida y parada son computados en el instante en que se produce el cambio en estado de operación.

&�,�,��'#� X &��'#� · f��,�� [ ��gN,�� h \�, . i 1, F (3.3)

&�,�,��'#� X &��'#� · f��,�� [ �*,�h \�, . 7 1, F (3.4)

&�,�,��() X &��() · f��gN,�� [ ��,�� h \�, . i 1, F (3.5)

&�,�,��() X &��() · f�*,� [ ��,�� h \�, . 7 1, F (3.6)


3.3.4 Costos de energía no servida Los costos de aquella parte de la demanda que no es abastecida, son valorados al

costo de energía no suministrada, VOLL (Value of Lost load). &�,�2%� 7 � · 0�� · ∆ \�, . (3.7)

3.3.5 Abastecimiento de la demanda En cada periodo, la generación de las unidades –tanto de las tradicionales como de

los parques eólicos– debe ser suficiente para abastecer la demanda, los consumos propios de las unidades y las pérdidas de transmisión. En el caso que esto no sea posible, ya sea por razones económicas o técnicas, se puede tener energía no servida. Lo anterior se representa con la siguiente restricción.

8 ��,�� [ �� · ��,�� X �� A �� [ ,�� [ 0�� \�, ., F (3.8)

3.3.6 Pérdidas de transmisión En este modelo de Predespacho Económico no se considera la red de transmisión,

por lo cual las pérdidas de transmisión en cada línea no pueden ser representadas fielmente, ya que estas dependen del nivel del flujo en cada línea. Sin embargo, las pérdidas de transmisión son relevantes a la hora de dimensionar correctamente los recursos que deben ser llamados a la operación del sistema, ya que estas pueden representar alrededor de un 3% más de carga en el sistema. Para tomar en cuenta este hecho en un modelo uninodal, las pérdidas de transmisión corresponden a un porcentaje de la demanda, periodo a periodo.

�� 7 �� · %�� \. (3.9)

3.3.7 Restricción energía no servida Por motivos de representatividad de la realidad, la energía no servida no puede

superar la demanda del sistema en cada periodo 0�� ] �� \., � (3.10)


3.3.8 Recortes de generación eólica En este modelo se incorporan los recortes de energía eólica. Si bien la energía eólica

es a costo prácticamente nulo, ocurre en ocasiones que las ráfagas de generación eólica no pueden ser incorporadas al sistema, debido a que este puede no tener la capacidad suficiente de reducir rápidamente la generación de las unidades convencionales para acomodar toda la energía eólica que hay, siendo necesario el recorte o reducción de esta. En la literatura esto se conoce como wind spillage o wind curtailment. Así, se satisface que en cada periodo, la generación eólica máxima disponible se separa en una parte que efectivamente abastece la demanda, y en otra que es recortada.

,�� A ,�� 7 ,�� \�, . (3.11)

3.3.9 Límites de Capacidad máxima, mínima y reserva en giro La potencia generada por las distintas unidades deben respetar los límites de

capacidad de potencia máxima y potencia mínima. La potencia mínima a la cual puede operar una unidad generadora se le conoce como mínimo técnico. Adicionalmente, dentro de los límites de capacidad, debe considerarse la reserva secundaria en giro, que corresponde a la diferencia entre la capacidad máxima y la potencia que está entregando la unidad. Así, el límite de potencia máxima queda expresado por la siguiente restricción

��,�� A ��,�� ] ��,�� · ��,� \�, ., F (3.12)

Mientras que la restricción de mínimo técnico queda como ��,�� X ��,�� · ��,� \�, ., F (3.13)

Si bien los parámetros ��,� y ��,� son constantes en el tiempo t, sus valores pueden

cambiar según el período t en cuestión, debido a limitaciones en el combustible utilizado, disponibilidades, limitaciones por temperatura, etc. En este modelo, los parámetros pueden ser constantes durante todo el horizonte de evaluación, o bien, ser diferentes para representar las situaciones antes mencionadas.


3.3.10 Restricción reservas secundarias en giro Para mantener el balance generación/carga ante desviaciones en la demanda, se

programa un monto mínimo de reserva en cada periodo, el cual puede ser dinámico –es decir, que cambia periodo a periodo– o constante para todo el horizonte. La suma de los distintos aportes debe ser superior al requerimiento.

8 ��,�� X �� \�, . (3.14)

No toda la capacidad libre entre la capacidad máxima y la potencia que está

entregando la unidad puede considerarse como reserva en giro. Por ejemplo, las unidades de partida rápida, típicamente corresponden a grupos de unidades más pequeñas, por lo que para estas unidades existe un monto máximo, que puede ser incluso cero según corresponda. Adicionalmente, se requiere que esta reserva sea entregada al sistema dentro de un tiempo definido, lo que por una restricción de tasa de toma de carga, implica que en ese tiempo no sea posible entregar la totalidad de la capacidad libre, restringiendo el máximo aporte para reflejar esta situación.

��,�� ] �� \�, . (3.15)

3.3.11 Restricción reservas primarias La reserva en giro primaria es requerida en los Sistemas Eléctricos para responder

en el caso que haya contingencias que den lugar a condiciones de subfrecuencia en el sistema, como la desconexión de una unidad o grupos de unidades generadoras. En el SING las reservas primarias para control de frecuencia son aportadas por todos los generadores, de manera obligatoria, con montos preestablecidos máximos ��---�por cada

unidad. Así, cuando una unidad se encuentra en operación, se considera que está disponible su reserva primaria. Al igual que la reserva secundaria, el requerimiento puede ser dinámico o constante.

8 ��---� · ��,�� X �� \�, . (3.16)


3.3.12 Restricción reserva operativa Además de las reservas en giro primaria y secundaria, en los Sistemas Eléctricos se

procura una categoría de reserva adicional; la reserva terciaria, también conocida como reserva pronta. En general se considera que esta reserva la proveen unidades que no están en servicio, pero que tienen tiempos de partida menores a 15 minutos. Aquellas unidades que tienen esta capacidad son las unidades de partida rápida.

.��,�� 7 f1 [ ��,�� h · ��,�� \�, ., F j �� (3.17)

En el SING y en otros sistemas, no existen requerimientos exactos para este tipo de

reserva. Por el contrario, existen requerimientos sobre el total de reserva operativa –reserva en giro más reserva pronta– para cubrir eventos específicos.

8 .��,�� A 8 ��,��

� X �� \�, . (3.18)

3.3.13 Reservas adicionales Adicionalmente a la incertidumbre en la generación eólica, los Sistemas de Potencia

enfrentan otro tipo de incertidumbres, tales como fallas intempestivas en las unidades generadoras, desconexiones de instalaciones de transmisión y desviaciones de la demanda.

El incluir estas incertidumbres en una optimización estocástica, está fuera de los

alcances de este trabajo, por lo que no son incluidas en la formulación del problema de manera explícita a través de escenarios, sino que solo a través de requerimientos de reserva. Adicionalmente, la incorporación de la modelación de este tipo de incertidumbres aumentaría considerablemente los escenarios requeridos, y con ello el esfuerzo computacional para resolver el problema. Así, se considera que un requerimiento de reserva determinístico es suficiente para manejar indirectamente estas incertidumbres [45].

Los requerimientos de reserva (en giro, primaria y operativa) son preservados en

cada escenario, con el objetivo de mantener el margen de seguridad necesario ante cualquier realización de la incertidumbre en la generación eólica.

3.3.14 Tiempos mínimos de operación Una vez que la unidad generadora ha alcanzado la potencia de mínimo técnico,

esta debe permanecer en operación por lo menos un tiempo igual al tiempo mínimo de


operación. Este tiempo depende del tipo de tecnología y tamaño de la central generadora. Los tiempos mínimos de operación para centrales térmicas operando con carbón pueden alcanzar las 48 horas. Para centrales de ciclo combinado, el tiempo mínimo de operación puede variar entre 1 y 5 horas aproximadamente.

Puesto que los tiempos mínimos están en horas, estos deben ser compatibles con la

resolución utilizada en la optimización. Si una unidad tiene un tiempo mínimo de operación de 2 horas, entonces esta restricción carece de sentido para una resolución ∆ mayor a o igual a 2 horas. Para incorporar esto en el modelo, se define el parámetro�� ,

cuyo cálculo considera el entero superior más cercano al dividir el tiempo mínimo de

operación en horas �� _"#�por la resolución ∆

�� 7 =;>� k�� _"#�∆ l

Así, esta restricción solo tiene sentido para aquellas unidades generadoras en que �� i 1. Adicionalmente, esta restricción debe tener en cuenta la condición inicial de

operación y el final del horizonte de optimización. Para expresar esta restricción con ese cuidado, una vez calculado �� debe calcularse +�� como sigue:

+�� 7 +� [ �� A 1 Con lo cual, la restricción de tiempo mínimo de operación queda expresada en tres

restricciones.

8 �m,��nEopqgNmr� X �� · f��,�� [ ��gN,�� h \�, . ] +�� , . i 1, F: �� i 1 (3.19)

8 �m,��%Emr� X L+� [ . A 1O · f��,�� [ ��gN,�� h \�, . i +�� , F: �� i 1 (3.20)

8 �m,��Eopq

mrN X �� · f��,�� [ �*,�� h \�, . 7 1, F: �� i 1 (3.21)

3.3.15 Tiempos mínimos fuera de servicio Una vez que la potencia entregada por unidad generadora es nula, la unidad

generadora debe permanecer fuera de servicio por lo menos un tiempo igual al tiempo mínimo de fuera de servicio. Al igual que para los tiempos mínimos de operación, se definen:


��$% 7 =;>� k��$%_"#�∆ l

+��$% 7 +� [ +��$% A 1 Con lo cual, la restricción de tiempo mínimo fuera de servicio queda expresada en

las siguientes tres restricciones.

8 �m,��nEotugNmr� ] ��$% · f1 [ ��gN,�� A ��,�� h \�, . ] +��$% , . i 1, F: ��$% i 1 (3.22)

8 �m,��%Emr� ] L+� [ . A 1O · f1 [ ��gN,�� A ��,�� h \�, . i +��$%, F: ��$% i 1 (3.23)

8 �m,��Eopq

mrN ] ��$% · f��,�� [ �*,�� h \�, . 7 1, F: �� i 1 (3.24)

3.3.16 Modelo de los Ciclos Combinados Dentro del parque generador, las turbinas de combustión de los ciclos combinados

tienen tiempos mínimos fuera de servicio que son cortos (2-3 horas) comparados con los de las centrales a vapor carbón y nucleares (16-48 horas) los que las hace adecuadas para ser encendidas/apagadas durante los periodos de baja/alta demanda respectivamente. Con el objetivo de representar esta flexibilidad, en esta sección se presenta el modelo utilizado para los ciclos combinados.

Las plantas de ciclo combinado consisten en una o más turbinas de combustión

(TG) en conjunto con una o más turbinas de vapor (TV). Los gases de escape de la turbina de combustión son utilizados para alimentar una caldera y generar vapor, alimentando la turbina de vapor. La principal ventaja de esta configuración es que se alcanza una alta eficiencia, ya que el rendimiento es mayor que el de una central de combustión de ciclo único, y mucho mayor que el de una turbina a vapor.

En el caso que se tenga más de una TG, cada una es capaz de operar manera

aislada –en ciclo abierto– sin la turbina de vapor, o también con la turbina a vapor. Sin embargo, la turbina de vapor solo puede operar cuando al menos una de las turbinas de combustión lo hace. Para un ciclo combinado con dos turbinas de combustión (TGA y TGB) y una turbina de vapor (TV), hay seis modos de operación posibles.


Modo de Operación Nº

Componentes Involucradas

1 TGA 2 TGB 3 TGA+TGB 4 TGA+TV 5 TGB+TV 6 TGA+TGB+TV

Tabla 3.1: Modos de operación de un ciclo combinado con dos TG.

Para modelar estos modos de operación, cada uno es representado como una

unidad separada, con parámetros técnicos individuales; costos de operación, capacidades máximas y mínimas, entre otros. Sin embargo, en la realidad no pueden operar dos modos de operación a la vez, por lo que es necesario incorporar una restricción que represente esta limitación. En términos del modelo MILP, de todas las variables binarias que representan los estados encendido/apagado de las distintas configuraciones, solo una puede tomar el valor 1, que significa que el ciclo combinado está en ese modo de operación.

8 ��,��jBvv�

] 1 \�, ., > (3.25)

Adicionalmente, las transiciones entre los distintos modos de operación están

limitadas por los tiempos en servicio de las turbinas de combustión, por lo que las transiciones válidas deben ser modeladas. Esto se logra representando cada turbina de combustión TG mediante una unidad ficticia (FTG). Estas unidades ficticias tienen capacidades muy bajas, que no alteran los costos de operación ni el balance generación-carga. Sin embargo, los costos de partida y parada, así como los tiempos mínimos de operación y fuera de servicio, son asignados a estas unidades ficticias. Una FTG está relacionada con los modos de operación que incluyen a dicha TG a través de las restricciones siguientes.

��,EBw� A ��,EBwnEx� A ��,EBwnEBy� A ��,EBwnEByn�E� 7 ��,�EBw� \�, . (3.26) ��,EBy� A ��,EBynEx� A ��,EBwnEBy� A ��,EBwnEByn�E� 7 ��,�EBy� \�, . (3.27)


3.3.17 Restricciones no anticipativas

Hasta el momento, las variables definidas en el modelo son distintas en cada escenario. De acuerdo con lo planteado en2.6.2, en la toma de decisiones bajo incertidumbre hay decisiones que deben ser tomadas antes que esta se realice, lo que en términos de la modelación significa que estas variables no dependen del escenario. Este tipo de acciones corresponden a las acciones preventivas, representadas como variables de primera etapa en el modelo.

En el contexto del proceso de programación de la operación, los estados de

encendido/apagado de las unidades son considerados como acciones preventivas, ya que desde un punto de vista práctico, los operadores deben estar preparados con anticipación si sus unidades son o no llamadas a operación el día siguiente. En términos del modelo, para una unidad generadora lo anterior puede representarse de la siguiente manera.

��,�� 7 ��,� \�, . (3.28)

Este tipo de restricciones se denominan restricciones no-anticipativas, ya que

intentan reflejar que ciertas decisiones deben tomarse antes de poder anticipar cuál será la realización de la incertidumbre.

Como se mencionó anteriormente, las centrales a vapor carbón y nucleares tienen

largos tiempos mínimos fuera de servicio, así como tiempos mínimos de operación, por lo cual la decisión de encendido/apagado debe ser considerada igual en todos los escenarios, independiente de la realización de la incertidumbre, representando su falta de flexibilidad. Para estas unidades, es necesario formular la restricción no-anticipativa anterior.

Sin embargo, las unidades generadoras que forman parte de la reserva pronta

presentan tiempos de partida cortos –menor a 15 minutos– siendo posible cambiar su operación respecto de lo programado el día anterior, por lo cual el programa de estas unidades es sencillamente indicativo. En efecto, las unidades de partida rápida son típicamente despachadas manualmente conforme las necesidades detectadas por el operador, constituyendo acciones correctivas en la operación real. De esta forma, al igual que en [55], para modelar la flexibilidad de su encendido y apagado, la restricción no-anticipativa anterior es relajada para este tipo de unidades. Esto deja su estado de encendido/apagado y nivel de generación dependiente del escenario, como variables de segunda etapa.

Con esto, la formulación de la restricción no anticipativa para las variables de

encendido/apagado de las unidades lentas queda expresada de la siguiente forma:


8 ��,�� 7 +� · ��,�N \�, ., \j �� (3.29)

3.3.18 Restricción no anticipativa de los ciclos combinados Como se discutió al principio de este capítulo, la decisión de apagado de las

unidades de puede ser manejada dependiendo de las condiciones de operación experimentadas en el sistema. Esto quiere decir que estas decisiones deben ser modeladas como acciones correctivas, es decir, como variables de segunda etapa que son dependientes del escenario. Así, la restricción no anticipativa para este tipo de decisión no debe formularse, tal como para las unidades de partida rápida.

Por el contrario, la decisión de encendido de las unidades debe ser programada con

anticipación, como consecuencia de la mayor incertidumbre en horizontes de tiempo mayores y limitaciones prácticas. De esta manera, estas decisiones deben ser modeladas como acciones preventivas, es decir, como variables de primera etapa que son independientes del escenario. Así, para esta decisión debe necesariamente formularse la restricción no-anticipativa necesaria.

Para formular la restricción no-anticipativa correspondiente a la decisión de

encendido, en primer lugar debe definirse la variable binaria /�,�� que representa el

encendido de una unidad.Esto quiere decir que, /�,�� 7 1 si la unidad pasa del estado

apagado en t-1 al estado encendido en t (i.e. ��gN,�� 7 0, ��,�� 7 1). Lo anterior se representa

con las restricciones siguientes. /�,�� ] ��,�� \�, ., F (3.30) /�,�� X ��,�� [ ��gN,�� \�, . i 1, F (3.31) /�,�� ] 1 [ ��gN,�� \�, . i 1, F (3.32) /�,�� X ��,�� [ �*,�� \�, . 7 1, F (3.33) /�,�� ] 1 [ �*,�� \�, . 7 1, F (3.34)

La restricción no anticipativa para la decisión de encendido de una unidad

generadora puede expresarse entonces de la manera siguiente /�,�� 7 /�,� \�, . (3.35)

Dado que dentro del parque generador los ciclos combinados son aquellas

unidades que, como consecuencia de su flexibilidad, son encendidas o apagadas


regularmente durante los periodos de cambios de la demanda neta, esta restricción solo es formulada para estas unidades. Específicamente, en el caso que el ciclo combinado i tenga más de una TG, la restricción debe formularse para las unidades ficticiasF j �� que representan cada TG. Similarmente a la restricción 3.29, la restricción no anticipativa para las decisiones de encendido de los ciclos combinados queda expresada como sigue.

8 /�,�� 7 +� · /�,�N \�, ., \F j �� , \> (3.36)

3.4 Formulación Completa

El problema de Predespacho económico propuesto determina el programa de operación de las unidades a través de una optimización estocástica de dos etapas, donde se distinguen variables de primera etapa que reflejan acciones preventivas, así como variables de segunda etapa que reflejan acciones correctivas intradiarias. A continuación se presenta la formulación completa del problema:

• Función objetivo

min a 7 8 �� b8 8c&�,�,�1) A &�,�,��'#� A &�,�,��()d� A &�,�2%�� e� (3.37)

• Costo de operación

&�,�,�1) 7 �� · ��,�� · ∆ \�, ., F (3.38)

• Costo de partida y parada

&�,�,��'#� X &��'#� · f��,�� [ ��gN,�� h \�, . i 1, F (3.39)

&�,�,��'#� X &��'#� · f��,�� [ �*,�h \�, . 7 1, F (3.40)

&�,�,��() X &��() · f��gN,�� [ ��,�� h \�, . i 1, F (3.41)

&�,�,��() X &��() · f�*,� [ ��,�� h \�, . 7 1, F (3.42)

• Costo de energía no servida

&2%� 7 � · 0�� · ∆ \�, . (3.43)


• Abastecimiento de la demanda y pérdidas de Transmisión

8 ��,�� [ �� · ��,�� X �� A �� [ ,�� [ 0�� \�, ., F (3.44)

�� 7 �� · %�� \. (3.45)

• Restricción energía no servida y recortes de energía eólica

0�� ] �� \., � (3.46) ,�� A ,�� 7 ,�� \�, . (3.47)

• Límites de Capacidad máxima, mínima y reserva en giro

��,�� A ��,�� ] ��,�� · ��,� \�, ., F (3.48) ��,�� X ��,�� · ��,� \�, ., F (3.49)

• Reserva primaria, secundaria y operativa

8 ��,�� X �� \�, . (3.50)

��,�� ] �� \�, . (3.51)

8 ��---� · ��,�� X �� \�, . (3.52)

.��,�� 7 f1 [ ��,�� h · ��,�� \�, ., F j �� (3.53)

8 .��,�� A 8 ��,��

� X �� \�, . (3.54)

• Tiempo mínimo de operación

8 �m,��nEopqgNmr� X �� · f��,�� [ ��gN,�� h \�, . ] +�� , . i 1, F: �� i 1 (3.55)

8 �m,��%Emr� X L+� [ . A 1O · f��,�� [ ��gN,�� h \�, . i +�� , F: �� i 1 (3.56)

8 �m,��Eopq

mrN X �� · f��,�� [ �*,�� h \�, . 7 1, F: �� i 1 (3.57)


• Tiempos mínimos fuera de servicio

8 �m,��nEotugNmr� ] ��$% · f1 [ ��gN,�� A ��,�� h \�, . ] +��$% , . i 1, F: ��$% i 1 (3.58)

8 �m,��%Emr� ] L+� [ . A 1O · f1 [ ��gN,�� A ��,�� h \�, . i +��$%, F: ��$% i 1 (3.59)

8 �m,��Eopq

mrN ] ��$% · f��,�� [ �*,�� h \�, . 7 1, F: �� i 1 (3.60)

• Modelo de los ciclos combinados

8 ��,��jBvv�

] 1 \�, ., > (3.61)

��,EBw� A ��,EBwnEx� A ��,EBwnEBy� A ��,EBwnEByn�E� 7 ��,�EBw� \�, . (3.62)

��,EBy� A ��,EBynEx� A ��,EBwnEBy� A ��,EBwnEByn�E� 7 ��,�EBy� \�, . (3.63)

• Variable de encendido de las unidades

/�,�� ] ��,�� \�, ., F (3.64) /�,�� X ��,�� [ ��gN,�� \�, . i 1, F (3.65) /�,�� ] 1 [ ��gN,�� \�, . i 1, F (3.66) /�,�� X ��,�� [ �*,�� \�, . 7 1, F (3.67) /�,�� ] 1 [ �*,�� \�, . 7 1, F (3.68)

• Restricciones no anticipativas

8 ��,�� 7 +� · ��,�N \�, ., \j � �� (3.69)

8 /�,�� 7 +� · /�,�N \�, ., \F j �� , \> (3.70)

Capítulo 4

Propuesta Metodológica Con el fin de lograr los objetivos propuestos en este trabajo, en este capítulo se

presenta la metodología de trabajo, la cual se descompone en tres etapas principales. Las etapas combinadas emulan el proceso de toma de decisiones de la operación de un Sistema Eléctrico.

En la primera etapa se presenta el procedimiento de preparación de los datos de

velocidad de viento, permitiendo representar el comportamiento de un parque eólico. Esta información es utilizada en la segunda etapa, donde se realiza el Predespacho Económico mediante distintos métodos. Finalmente, en la tercera etapa se utiliza un esquema de simulación de la operación real, para llevar a cabo la evaluación del comportamiento de los programas de la operación obtenidos en la etapa anterior.

Adicionalmente se describen los detalles de la implementación computacional del

modelo propuesto.

4.1 Escenarios de generación eólica Uno de los aspectos más importantes dentro de un estudio de integración de la

energía eólica, es la disponibilidad de información del energético primario–el viento– en distintos horizontes de tiempo, según el objetivo particular del estudio. Esto es de suma relevancia para que la generación de los parques eólicos y su característica estocacidad sea estimada adecuadamente, necesitando para ello información confiable y fidedigna.

Propuesta Metodológica 62

La mayoría de los trabajos expuestos en el Capítulo 2consideran información sobre la predicción de viento y distintas técnicas de reducción de escenarios con el objetivo de obtener un número reducido y representativo de escenarios de generación eólica.

En [52]se consideran arboles de escenarios multietapa, generados con un modelo

autoregresivo para series de tiempo ARMA (Auto Regressive Moving Average). Se consideran las correlaciones espaciales entre distintos parques eólicos dependiendo de su ubicación y cercanía geográfica. Adicionalmente se incluye la correlación temporal, dependiendo del horizonte de predicción. Este modelo se utiliza en conjunto con técnicas de reducción de escenarios basadas en métricas probabilísticas.

En[45], se asume que la demanda y la generación eólica son procesos estocásticos

independientes, lo que es usado para crear una función de distribución de probabilidad del error de predicción de la demanda neta. Esta función es discretizada de acuerdo a la desviación estándar, definiendo niveles discretos de error con su respectiva probabilidad de ocurrencia. La secuencia de las posibles realizaciones da origen al árbol completo de escenarios para todo el horizonte de interés. Sin embargo este árbol es reducido en base a consideraciones de los cambios realistas entre cada período.

En el presente trabajo, se utilizan mediciones históricas de series de velocidad de viento, curvas de potencia turbina-parque, y técnicas de agrupamiento. Con estas técnicas se obtienen patrones locales reales y representativos de comportamiento de un parque eólico de 100 [MW], en conjunto con las probabilidades de ocurrencia. Se utilizan series de velocidad de viento del año 2009 de la zona de Calama, con intervalo de 10 minutos entre mediciones. Luego los resultados son escalados linealmente para representar distintas capacidades instaladas dentro de esta área geográfica. Los escenarios son determinados dentro de un período mensual, el cual es considerado suficiente para capturar los patrones diarios y estacionales. A continuación se describe en detalle la metodología utilizada.

4.1.1 Metodología de creación de perfiles de generación eólica

Actualmente en el SING no existe un parque eólico construido, por lo que la información histórica de generación eólica, sencillamente no está disponible. Esto es común a muchos estudios, donde se trata de estudiar los efectos a futuro, suponiendo distintas evoluciones del parque generador, así como distintos niveles de penetración de la energía eólica.

Con el propósito de obtener series de tiempo de generación eólica representativas

para este estudio, se utiliza una metodología desarrollada por J.M. Vera en [57] mediante

Propuesta Metodológica

la cual es posible representar la generación de un parque eólico de manera realista, partiendo con mediciones de viento en un solo punto.metodológico diseñado y a continuación se describe los bloques de manera separada.

Figura 4.1: Metodología para creación

4.1.1.1 Datos de Entrada Los datos de entrada corresponden a mediciones de viento realizadas en la zona

norte del país, disponibles en el Centro de Energíaminutos, registrando la velocidad promedio del viento. La medición del recurso se efecmediante torres de medición, cuna altura determinada (30m hasta 50m) y direccionado en edominante.

4.1.1.2 Ajuste por Altura de medición En la práctica es común que los valores obtenidos mediante torres de medición no

se encuentren a la altura de operación de las turbinas eólicas, principalmente por razones económicas. Por tanto, se hace necesario efectuar la extrapolacióestudio se utiliza un ajuste exponencial por altura, ya que se dispone de datos en dos alturas distintas (30 y 50 m), pudiendo extrapolarse la velocidad de viento a 8altura típica donde se ubica

1 www.centroenergía.cl

Datos de Entrada: Medicion m/s en

un punto

Proceso de Muestreo

(Clustering)Caracaterísticos

es posible representar la generación de un parque eólico de manera realista, partiendo con mediciones de viento en un solo punto. La Figura 4.1Muestra el esquema metodológico diseñado y a continuación se describe los bloques de manera separada.

: Metodología para creación de perfiles típicos de generación eólica.

Datos de Entrada

Los datos de entrada corresponden a mediciones de viento realizadas en la zona , disponibles en el Centro de Energía1. El intervalo de tiempo es de 10

la velocidad promedio del viento. La medición del recurso se efecmediante torres de medición, consistente principalmente en un anemómetro ubicado a una altura determinada (30m hasta 50m) y direccionado en el sentido del viento

ltura de medición

En la práctica es común que los valores obtenidos mediante torres de medición no se encuentren a la altura de operación de las turbinas eólicas, principalmente por razones económicas. Por tanto, se hace necesario efectuar la extrapolación requerida. En este estudio se utiliza un ajuste exponencial por altura, ya que se dispone de datos en dos alturas distintas (30 y 50 m), pudiendo extrapolarse la velocidad de viento a 8altura típica donde se ubica el aerogenerador[57].

energía.cl

Ajuste de Datos a nivel

requerido (~80m)

Curva de Potencia en un

Punto

Perfiles Caracaterísticos

del ParqueRevision Final

63

es posible representar la generación de un parque eólico de manera realista, Muestra el esquema

metodológico diseñado y a continuación se describe los bloques de manera separada.

de perfiles típicos de generación eólica.

Los datos de entrada corresponden a mediciones de viento realizadas en la zona . El intervalo de tiempo es de 10

la velocidad promedio del viento. La medición del recurso se efectúa principalmente en un anemómetro ubicado a

l sentido del viento

En la práctica es común que los valores obtenidos mediante torres de medición no se encuentren a la altura de operación de las turbinas eólicas, principalmente por razones

n requerida. En este estudio se utiliza un ajuste exponencial por altura, ya que se dispone de datos en dos alturas distintas (30 y 50 m), pudiendo extrapolarse la velocidad de viento a 80 m, que es la

Curva de Potencia del

Parque


4.1.1.3 Curva de potencia de un aerogenerador La curva de potencia del aerogenerador relaciona la velocidad de viento con la

potencia de salida del aerogenerador. Esta se rige exclusivamente por la ecuación potencia

viento (Power Curve) que caracteriza a la tecnología, siempre y cuando se encuentre dentro del rango de operación de la máquina. Esta curva es netamente empírica y fuertemente dependiente de la densidad del aire. Una mala estimación de ella puede generar errores considerables, por lo cual, éste es el paso más sensible de la metodología. Una vez definida la curva, es posible transformar los valores de viento en potencia, valores que son el resultado de este proceso. En este caso, se utiliza una curva de una turbina modelo Vestas V90, con una densidad del aire esperada en el lugar de emplazamiento del parque, considerando que este se encuentra a más de 2000 [m] de altura sobre el nivel del mar[57].

4.1.1.4 Curvas de potencia del Parque El siguiente paso consiste en estimar la producción de todas las turbinas eólicas

que forman el parque en su conjunto. Es importante mencionar que la producción total del parque dista de ser la simple multiplicación de la potencia obtenida en un solo aerogenerador por el número total de turbinas. Esto porque dentro del parque se generan diversos fenómenos que impiden esa linealidad en la generación total. En particular:

1. Las características del terreno pueden genera turbulencias locales dentro del

mismo parque. 2. Existe un “efecto sombra” también conocido como “efecto estela” entre

aerogeneradores que se encuentran en la misma dirección del viento. 3. Dos puntos distintos en una misma línea perpendicular a la dirección principal del

viento, no presentan la misma velocidad eólica en el mismo instante (efecto frente).

En este trabajo se aborda el problema del efecto frente, por ser el más relevante y común a los arreglos aerogeneradores en un parque eólico. En [58] los autores analizan este efecto a través de un modelo que incorpora la correlación entre las distintas turbinas como función de su distancia horizontal y factores empíricos de turbulencia. A partir de las velocidades de viento, la dimensión horizontal del parque y el número de turbinas se construyen datos de potencia del parque completo. Este nuevo conjunto de datos es el considerado como entrada para alimentar los algoritmos de agrupamiento.


4.1.1.5 Agrupamiento o Clustering de series de tiempo Para efectuar la programación de la operación mediante el modelo estocástico

propuesto, resulta impracticable la incorporación dela totalidad de las series de tiempo-potencia obtenidas hasta este punto. Esto principalmente porque el tamaño del problema resultante, crece con el número de escenarios, haciendo difícil su resolución en tiempos prácticos. Por tal razón, en este trabajo se consideran necesarias las técnicas de reducción de escenarios.

Dentro de estas técnicas de reducción destacan los procedimientos de

agrupamiento o clustering, las cuales agrupan los datos de acuerdo a una medida de su cercanía, definiendo al mismo tiempo un clúster o perfil representante en cada grupo. Estableciendo a priori el número de grupos deseado, cada serie de datos es asignada al grupo cuya distancia al clúster o representante es mínima. Este cálculo se hace de manera iterativa hasta que se encuentran tanto los clústers como la asignación de cada serie de datos, de manera tal que la distancia total es mínima.

En este trabajo, a diferencia de [57], se utiliza la técnica de clustering k-Medoids [59],

la cual utiliza la distancia euclidiana entre series de tiempo como medida de la cercanía entre curvas. Especialmente, esta técnica permite obtener como clúster de cada grupo un elemento del mismo grupo. Lo anterior es fundamental para que se manifiesten las variaciones inherentes al recurso, muy importante para la asignación de energía y reservas operativas.

Las probabilidades de ocurrencia son obtenidas mediante la razón entre el número

de series de tiempo asignadas a cada grupo, dividido por el total de series de tiempo consideradas para realizar la agrupación.

4.1.2 Caso de ejemplo Para ejemplificar el procedimiento descrito anteriormente, se muestra a

continuación, la curva de potencia del parque obtenida con la metodología anterior. Como medida de comparación, se presenta esta curva para un horizonte de 24 [hrs] y la que se obtendría si se multiplicara la potencia de una turbina por el número de generadores.


Figura 4.2: Ejemplo de Curva de potencia del parque obtenida y comparación.

Se observa que la metodología captura la inercia del parque eólico, ya que

variaciones muy bruscas son amortiguadas llegando incluso a no alcanzarse algunos máximos o mínimos. Esto responde a la inercia propia del movimiento mecánico de los aerogeneradores, así como también a las diferencias de los frentes de viento que impactan a cada aerogenerador individualmente. Adicionalmente, el conjunto de turbinas es capaz de ajustarse de buena manera a las variaciones de viento existentes durante el día. De acuerdo a estos aspectos cualitativos, ante la ausencia de datos reales de potencia de parques eólicos en la zona, esta metodología se considera efectiva.

Luego, para el proceso de agrupamiento es importante considerar la variabilidad

estacional del fenómeno. Esto porque al intentar agrupar una gran cantidad de datos, muy diferentes entre sí, se requiere una gran cantidad de grupos para una adecuada clasificación. En cambio, al escoger una ventana de tiempo menor –por ejemplo, un mes– se tiene una variabilidad más acotada, que puede ser representada de manera adecuada por un número reducido de perfiles. Así, a modo de ejemplo, se muestra en la Figura 4.3 una clasificación de las series de tiempo del mes de marzo utilizando solo dos perfiles.

Como resultado se obtiene un perfil 1 que representa un régimen de viento que sopla desde el medio día, decayendo en la tarde, después de las 22 horas. El perfil 2 también representa un viento vespertino, pero que tiene un retardo de un par de horas en llegar a niveles superiores a los 50 [MW]. Las probabilidades resultantes son de 0.75 para el perfil 1 y 0.25 para el perfil 2. Adicionalmente, en laFigura 4.4 se muestran las series de tiempo perteneciente a cada grupo, con el perfil representativo destacado.


Figura 4.3: Resultados del proceso de agrupamiento para el mes de Marzo.

Luego de este procesamiento, se tiene del orden de 30 curvas mensuales, una por

cada día del mes. De este grupo de curvas se obtienen los clúster o perfiles, los cuales son usados en la optimización estocástica del Predespacho Económico. Una muestra representativa del resto de las curvas es utilizada en el proceso de evaluación de las distintas metodologías de consideradas.

Figura 4.4: Asociación de las series de tiempo a los clústers obtenidos


4.2 Métodos de Predespacho Económico Dentro de los alcances de este trabajo, se contempla evaluar el método de

Predespacho Económico determinístico que utiliza requerimientos de reserva, así como el modelo estocástico Tradicional y el modelo propuesto, a modo de establecer diferencias y señalar posibles ventajas o desventajas comparativas. Así, seis metodologías distintas de Predespacho Económico son evaluadas: cuatro del tipo determinístico –que utilizan requerimientos de reserva– y dos de tipo estocástico.

Es preciso señalar que, independientemente del método utilizado, los

requerimientos de reserva tienen como punto de partida un requerimiento constante Rdet, utilizado para representar el margen de seguridad necesario para manejar otro tipo de incertidumbres, tales como las desviaciones de la demanda y la falla de equipos del Sistema. En la siguiente tabla se resumen los métodos de programación de la operación, según su tipo y el requerimiento de reserva relacionado. A continuación, se describe cada método por separado.

Método de Predespacho Tipo* Requerimientos de Reserva

Reserva Variable D �� X �z{� A 1.5 · I�

Reserva Fija D �� X �z{� A 1.5 · I

Conservadora D �� X �z{�, �� X �z{� A ,��

Tradicional E �� X �z{�

CORE E �� X �z{�

Predicción Perfecta D �� X �z{�

* D: Determinística, E: Estocástica

Tabla 4.1: Requerimientos de reserva para los distintos métodos de Predespacho.

4.2.1 Métodos determinísticos Las metodologías determinísticas se diferencian una de otra en los requerimientos

de reserva utilizados al optimizar el Predespacho Económico. Adicionalmente, como generación eólica proyectada para realizar la programación, se considera un único escenario, igual al valor esperado obtenido de la información histórica.


4.2.1.1 Método Conservador Este método determinístico considera una reserva operativa dinámica, es decir,

variable periodo a periodo. El monto corresponde al total de la generación eólica considerada al momento de programar la operación, es decir, al valor esperado de la generación eólica en ese periodo. Esto con el objetivo que se asegure que cualquier bajada inesperada de generación eólica esté cubierta por los recursos disponibles, tanto en giro como en reserva detenida pronta (máquinas de partida rápida, menor a 15 minutos).

4.2.1.2 Método de Reserva Variable Estas consideran requerimientos de reserva en giro dinámicos, iguales a λ veces la

desviación estándar horaria σt de la generación eólica, obtenida a partir del análisis estadístico de las curvas de potencia eólica obtenidas. Es decir, en cada hora del horizonte de programación se considera un requerimiento distinto.

Para el valor de λ se consideraron en principio los valores 3.0 y 3.5 utilizados por

Black y Strbac en[37]. Sin embargo, la desviación estándar que consideran los autores en dicho trabajo corresponde a la asociada al error de predicción. En este caso, al no contar con una herramienta de predicción –y por lo tanto, con errores de predicción– se utilizó la

información histórica del estudio estadístico para obtener los valores de σt. Como resultado, la desviación estándar obtenida es mayor que en el caso de tener errores de

predicción, teniendo en casos que 3σtes mayor que la generación eólica promedio en ese periodo, careciendo de sentido práctico asignar una reserva mayor a la generación eólica. Es por esto que iterativamente el valor de λ escogido para este caso es 1.5.

4.2.1.3 Método de Reserva fija Con el propósito de reflejar las prácticas actuales del SING, esta metodología

considera un requerimiento de reserva en giro constante para todo el horizonte de programación de la operación. Este requerimiento se basa en el promedio del requerimiento de reserva para el método de reserva variable, es decir, λI. Se considera por lo tanto que λ=1.5 al igual que en método de reserva variable.

4.2.1.4 Metodología de predicción perfecta Además de los métodos determinísticos que se mencionaron anteriormente, se

considera el caso en que la generación eólica es factible de predecir con 100% de precisión. En términos de la programación de la operación, no es necesario establecer ningún requerimiento de reserva adicional, ya que se supone no hay incertidumbre. Esto es


equivalente a considerar que los estados de encendido/apagado son variables de segunda etapa, tomando sus valores respectivos una vez que se realiza la incertidumbre.

Claramente este tipo de metodología no es posible de llevar a la práctica, pero es de

interés para establecer una cota inferior a los costos de operación obtenidos, a efectos de comparar las mejoras de los otros métodos de Predespacho Económico.

4.2.2 Métodos estocásticos Se consideran dos metodologías basadas en optimización estocástica, las cuales

difieren en las restricciones no anticipativas consideradas. Las metodologías estocásticas no incorporan requerimientos de reserva adicionales para manejar la incertidumbre de la generación eólica, como principal característica de la modelación. La incertidumbre se modela explícitamente en la representación mediante escenarios típicos.

4.2.2.1 Método Tradicional La metodología estocástica tradicional corresponde a la optimización estocástica de

dos etapas en la cual sólo las decisiones de encendido/apagado para las unidades de partida rápida son consideradas como acciones correctivas. Esto es representado a través de la relajación de la restricción no anticipativa (3.69) (Ver Capítulo 3).

4.2.2.2 Método CORE La metodología estocástica CORE, corresponde a la optimización estocástica de dos

etapas que incluye como acciones correctivas tanto las decisiones de encendido/apagado como las decisiones de apagado de las turbinas de combustión de los ciclos combinados, de acuerdo a la discusión presentada en el Capítulo 3. Esta flexibilidad se representa mediante la relajación de las restricciones no anticipativas (3.69) y (3.70) (Ver Capítulo 3).

4.3 Simulación de la operación real

Con el fin de establecer y cuantificar las ventajas de la formulación propuesta, se presenta un esquema de evaluación del desempeño de los programas de la operación obtenidos mediante las distintas metodologías de Predespacho Económico evaluadas en este trabajo.


Similarmente a los trabajos [53]-[55] se considera que la comparación de los distintos métodos de Predespacho Económico en términos de los costos resultantes del programa obtenido, no es representativo de lo que sucede en la realidad, debido a que la realización de la incertidumbre puede diferir de lo considerado al momento de programar la operación. Con el objetivo de analizar este efecto, se realizan simulaciones de Monte Carlo de la operación real, a través de un modelo de Despacho Económico. Se considera un número mayor de escenarios, y que adicionalmente, estos sean distintos a los escenarios utilizados al momento de programar la operación.

El modelo de Despacho Económico consiste en la misma función objetivo y

restricciones del problema de Predespacho (3.37) a (3.70), considerando los costos de generación, los cuales serán distintos en cada simulación de Monte Carlo, pues los niveles de generación de las otras unidades cambiarán para absorber las variaciones de cada escenario. Los costos de partida y parada también son considerados en este problema.

Por otra parte, en la optimización se consideran fijos los valores de un grupo de

variables, que son resultado del Predespacho Económico. Este grupo de variables depende del método de Predespacho que es evaluado, con excepción del método de Predicción

Perfecta, donde todas las variables del problema de optimización son libres. Esto tiene sentido para reflejar la capacidad de no tener incertidumbre en la generación eólica, y tomar la decisión óptima de operación en cada escenario. Es preciso reiterar que este método no es posible de reproducir en la práctica y que sólo es de interés para estimar una cota inferior de los costos de operación.

En todos los otros métodos de Predespacho, los estados de encendido/apagado de

las unidades lentas son considerados fijos, según el resultado de los distintos métodos. Esto debido a su falta de flexibilidad, correspondiendo a acciones preventivas de la operación del sistema.

Por otro lado, los estados de encendido/apagado de las unidades generadoras de

partida rápida son incluidas como variables en la optimización del Despacho Económico, con el propósito de representar de manera realista las acciones correctivas intradiarias llevadas a cabo por el operador. Adicionalmente, en el método estocástico CORE, el apagado de las turbinas de combustión TG de los ciclos combinados es considerado flexible.

A continuación, se resumen las variables fijas en las simulaciones de Monte Carlo

del Despacho Económico, según el método de Predespacho a evaluar.


Método de Predespacho Variables fijas

Reserva Variable

��,�� \., F ~ �� Reserva Fija

Conservadora

Tradicional

CORE ��,�� \., F ~ �� , /�,�� \., F j �� Predicción Perfecta -

Tabla 4.2: Variables fijas en el Despacho Económico para cada método de Predespacho.

Es decir, las variables definidas en la etapa de Predespacho Económico como

variables de etapa 1, son fijas para la optimización del Despacho Económico, mientras que las variables de etapa 2 son utilizadas para acomodar las variaciones de la generación eólica en los distintos escenarios de Despacho Económico.

Adicionalmente, para el Despacho Económico se considera la misma demanda y disponibilidad de unidades utilizada en el Predespacho, por lo que el único cambio es la generación eólica, cuya variabilidad debió sercapturada enelPredespacho, ya sea mediante requerimientos de reserva o mediante la optimización estocástica, asignando los recursos suficientes para manejar estas desviaciones. Así, en el Despacho Económico corresponde evaluar si el despliegue de dichos recursos es suficiente para acomodar las desviaciones, por lo cual no se imponen requerimientos de reserva secundaria en giro ni reserva operativa.

Sin embargo, al considerar que tanto la demanda como la disponibilidad de

unidades es la misma, el requerimiento Rdet programado en el Predespacho para manejar las desviaciones de la demanda y las fallas de equipos, debe ser conservado en el Despacho Económico. Esto quiere representar que esta reserva es mantenida en la operación de tiempo real, con el objetivo de preservar el margen de seguridad necesario para cubrir esas incertidumbres.

Cabe destacar que el Despacho Económico es resuelto para todos los periodos al

mismo tiempo, en una optimización tipo One-Shot. Si bien en la operación real este es resuelto de manera secuencial, período a período, las decisiones del operador son realizadas con una visión más amplia de las condiciones anteriores y las previstas en el futuro próximo, por lo que cada período no está aislado completamente de los demás. Para efectos del estudio, se considera que los costos de operación resultantes son una cota inferior.


4.4 Resumen de la Metodología A continuación se resumen las distintas etapas de la metodología a utilizar para la

consecución de los objetivos de este trabajo.

Etapa 1: Escenarios de generación eólica

A partir de los datos históricos de velocidades de viento, se generan las curvas de potencia de parque eólico. Estas son dato de entrada para un proceso de clasificación o clustering, obteniendo un grupo reducido de perfiles típicos, junto con las probabilidades de ocurrencia. Esta información es utilizada como dato de entrada para la etapa siguiente.

Etapa 2: Predespacho Económico

El Predespacho Económico del día anterior es resuelto para los perfiles típicos

obtenidos o su valor esperado, según corresponda al método utilizado. Se considera un horizonte de 72 horas, para reflejar las restricciones de tiempos mínimos y las condiciones de borde del problema. La resolución utilizada – parámetro ∆ – para la optimización del Predespacho es de 1 hora. Con esto, al tener los datos de entrada de generación eólica cada 10 minutos, el valor utilizado en cada hora será el promedio de los valores correspondientes, de modo que la energía total generada se mantenga constante.

Etapa 3: Simulación de la operación real

Simulaciones de Monte Carlo de la operación real son llevadas a cabo mediante el

método de Despacho Económico One-Shot. Se considera un horizonte de 24 horas y un número mayor de escenarios, diferentes a los usados en la etapa previa al programar la operación del sistema. Estos escenarios mantienen la distribución de probabilidad de los perfiles típicos obtenidos en la etapa 1. El valor promedio del costo de operación resultante en cada escenario corresponde al costo de operación realizado.

Etapa 4: Análisis de resultados

Los resultados obtenidos en las etapas anteriores son analizados en esta etapa,

desde donde son derivadas las principales conclusiones del trabajo.

La relación entre las distintas etapas descritas anteriormente se resume en la figura siguiente.


Figura 4.5: Esquema de etapas de la propuesta metodológica.

4.5 Implementación computacional El procesamiento de los datos de velocidad de viento, tanto el método de creación

de curvas de generación del parque eólico como el agrupamiento en clústers típicos fue implementados en MATLAB, utilizando la librería de clustering disponible en[60].

El modelo (3.37) - (3.70) para los distintos métodos de Predespacho Económico y el

modelo de Despacho Económico, fueron implementados utilizando la librería GLPK (GNU linear programming kit)[61] para programación lineal entera-mixta. Estas soportan el lenguaje MathProg el cual es un subconjunto del lenguaje AMPL. Este lenguaje permite formular el problema de optimización antes propuesto.


Luego de formular el problema, este es resuelto mediante el optimizador CPLEX 12.1 en un computador con procesador Intel i7 de 3.0 GHz con 8GB de memoria RAM. El gap utilizado en todos los problemas fue de 0.01%.

Como interfaz al usuario se utiliza EXCEL para ingresar los datos y parámetros de

entrada, junto con VBA para las llamadas a GLPK, formulación del problema, llamada al optimizador, y recuperación del resultado de la optimización.

Para validar la modelación del problema de Predespacho Económico

implementado, se compararon los resultados obtenidos con los del PLEXOS [62]del CDEC-SING para un caso ejemplo y para el SING. Se estudiaron distintos casos de disponibilidad de unidades, niveles de reserva, generación eólica y demanda, resolviendo el problema en ambas plataformas y comparando las soluciones obtenidas.

Los resultados obtenidos coincidieron ciento por ciento, principalmente a que se

utilizan distintos optimizadores –PLEXOS usa XPRESS como motor de optimización. Sin embargo, se obtuvo un desempeño satisfactorio en términos del resultado del programa de operación para las unidades grandes (unidades de Carbón y GNL), produciéndose las diferencias para las unidades de partida rápida.

Es preciso señalar que para el caso del SING, la red de transmisión no es modelada

en PLEXOS, al igual que en el modelo propuesto en este trabajo, por lo que los balances generación-carga son realizados en un solo nodo, incorporando las pérdidas de transmisión como un aumento porcentual de la demanda bruta.

Capítulo 5

Resultados del estudio En este capítulo, se presentan los resultados de la evaluación de los distintos

métodos de Predespacho Económico mediante la metodología descrita anteriormente. En una primera parte, se utiliza un ejemplo ilustrativo a fin de detallar los resultados del programa de las unidades para los distintos métodos de Predespacho Económico, con el objetivo de conceptualizar el funcionamiento del modelo de optimización estocástica propuesto. Este ejemplo da las luces sobre los distintos resultados obtenidos y una primera apreciación de las ventajas de los modelos estocásticos.

Luego se realiza la evaluación para el Sistema Interconectado del Norte Grande

SING. Se utiliza una representación completa de las unidades del sistema, de acuerdo a lo utilizado actualmente por el CDEC-SING. Además se presentan las principales consideraciones del modelo técnico-económico desarrollado en este caso y los resultados del comportamiento económico de los distintos métodos de Predespacho considerados en este trabajo.

Finalmente, se realiza un análisis de sensibilidad de los resultados para distintas

capacidades instaladas de generación eólica, reflejando los distintos niveles de penetración de la energía eólica esperados en los próximos años. Se discute además sobre los efectos de los supuestos en los resultados del Predespacho y su relación con los niveles de reserva en giro determinados mediante los distintos métodos.

Resultados del estudio

77

5.1 Ejemplo ilustrativo Con el objetivo de facilitar el análisis y entender los resultados obtenidos al aplicar

la metodología descrita en el capítulo anterior, se considera un Sistema de Potencia ficticio de tamaño reducido, que intenta representar al SING de manera simplificada. Este ejemplo modela 4 unidades térmicas:

• Una unidad vapor-carbón de gran tamaño, agrupando la capacidad de todas las unidades de carbón típicamente despachadas.

• Un ciclo combinado con una turbina de combustión, representando la unidad U16. • Un ciclo combinado con dos turbinas de combustión, representando la unidad CC1. • Una unidad de partida rápida, agrupando la capacidad de las unidades con

capacidad de partida rápida del SING. • Un parque eólico de 600 [MW] de capacidad instalada.

Los parámetros técnicos de estas unidades se resumen en la siguiente tabla

Unidad

Potencia Máx/Mín

[MW]

Costo Partida y Parada USD

Costo Variable

USD/MWh

Tiempos mínimos operación/fuera de

servicio Hrs

��,�,��,� ��, �� , ��

Carbón 1350/200 46.500 50 48/48

U16 250/202 21.062 115 5/5

CC modo de operación TGA+TV/TGB+TV

166/155 18.755 127 4/4

CC modo de operación TGA+TGB+TV

332/310 18.755 125 4/4

Partida Rápida 150/10 0 200 0

Tabla 5.1: Parámetros técnicos de las unidades generadoras para el ejemplo ilustrativo.

Para los escenarios de generación eólica, se considera el agrupamiento de datos mostrado anteriormente en la Figura 4.3. De acuerdo a la agrupación resultante para el mes de marzo con dos escenarios, los clusters resultantes tienen asociadas unas probabilidad de ocurrencia de �N 7 0.75 y �K 7 0.25 respectivamente. Los resultados son escalados linealmente para representar los 600 MW de capacidad instalada, los resultados se muestran en la figura siguiente.


Figura 5.1: Escenarios para los métodos estocásticos de Predespacho.

Con el objetivo de simplificar el estudio, no se consideran requerimientos de

reserva determinístico, por lo que el requerimiento de reserva cero. La demanda a abastecer corresponde a un perfil típico de demanda del SING del mes de marzo de 2012, con un máximola Dirección de Operación con un horizonte de programación de 72 horas. Adicionalmente, como costo de racionamiento no servida se utiliza el valor de 335 [USD/MWh] indicado en el InformTécnico Definitivo de Precio N

De manera de introducir a los resultados de ambos métodos y contribuir a la

discusión de los resultados, en primer lugar se presentan los programas de operación resultantes de utilizar cada escenario por separado erequerimientos de reserva. El resultado obtenidoresolver el Predespacho Económico para el primer escenario, es presentado a continuación.

Figura 5.2: Resultado Predespacho Económico para el escenario 1.

00:00 04:000

100

200

300

400

500

600G

ener

acio

n E

olic

a [M

W]

Escenario 1Escenario 2Muestra para DE

: Escenarios para los métodos estocásticos de Predespacho.

Con el objetivo de simplificar el estudio, no se consideran requerimientos de o, por lo que el requerimiento de reserva Rdet es considerado igual a

cero. La demanda a abastecer corresponde a un perfil típico de demanda del SING del mes máximo de 1980 [MW], obtenido de la previsión de demanda de

de Operación (DO) del CDEC-SING. Se considera una resolución de 1 hora, con un horizonte de programación de 72 horas. Adicionalmente, como costo de racionamiento no servida se utiliza el valor de 335 [USD/MWh] indicado en el Inform

Precio Nudo del SING de Octubre de 2010.

De manera de introducir a los resultados de ambos métodos y contribuir a la discusión de los resultados, en primer lugar se presentan los programas de operación resultantes de utilizar cada escenario por separado en una optimización determinística, sin requerimientos de reserva. El resultado obtenido para el programa de las unidades al resolver el Predespacho Económico para el primer escenario, es presentado a continuación.

: Resultado Predespacho Económico para el escenario 1.

08:00 12:00 16:00 20:00Tiempo [hh:mm]

78

: Escenarios para los métodos estocásticos de Predespacho.

Con el objetivo de simplificar el estudio, no se consideran requerimientos de es considerado igual a

cero. La demanda a abastecer corresponde a un perfil típico de demanda del SING del mes obtenido de la previsión de demanda de

Se considera una resolución de 1 hora, con un horizonte de programación de 72 horas. Adicionalmente, como costo de racionamiento no servida se utiliza el valor de 335 [USD/MWh] indicado en el Informe

De manera de introducir a los resultados de ambos métodos y contribuir a la discusión de los resultados, en primer lugar se presentan los programas de operación

n una optimización determinística, sin para el programa de las unidades al

resolver el Predespacho Económico para el primer escenario, es presentado a continuación.


20:00 24:00


En la figura anterior se aprecia el estado de encendido/apagado para las 24 hrs del día siguiente. Los cuadros de color gris significan que la unidad está encendida, mientras que los cuadros de color blanco indican que la unidad está fuera de servicio. Como se aprecia, al llegar a la hora 12, los ciclos combinados son apagados; las turbinas de combustión TGB y TGA son apagadas en las horas 12 y 13, respectivamente. Lo propio sucede con la unidad U16, que es apagada en la hora 14. Lo anterior es resultado de que hacia la hora 15 la generación del parque eólico alcanza los 500 MW en el escenario 1.

Posteriormente entre las horas 16 y 19 resulta necesario encender la unidad de

partida rápida, ante la leve bajada de la generación eólica, que se recupera hacia las 20 horas. Luego de esto, entre las 21 y 23 horas es necesario encender todos los ciclos nuevamente, debido a la bajada más fuerte en la generación eólica.escenario 2, se obtiene un programa de operación distinto, que se muestra a continuación.

Figura 5.3: Resultado Predespacho Económico para el escenario 2.

En este caso, el panorama es diferente12 y 19 es mucho menor que la del escenario 1. En este caso, no es conveniente el servicio la unidad U16, permaneciendo encendida tocombinado CC1 es apagado y encendprincipalmente porque la generación eólica tiene un retraso importante, tomando valores altos recién a la hora 19. Este hecho no es posible de manejar con la unidad de partida rápida en la ausencia de la mínimos fuera de servicio unidad U16– no es posible apagar la unidad U16 solo entre las 19 y 22 horas cuando hay una alta generación eólica.

Los ejemplos anteriores ponen de manifiesto que el programa de la operación

resultante puede cambiar de acuerdo a la información considerada sobre la generación eólica. Si se consideran escenarios optimistas en la predicción de la disponibilidad de energía eólica, se obtiene un programa de operación unidades son puestas fuera de servicio en las horas de alta disponibilidad. puede significar un riesgo de abastecimiento si la realización de la generación eólica alsiguiente es de un nivel menor, como el retardo en el escenario 2, por ejemplo.

En la figura anterior se aprecia el estado de encendido/apagado para las 24 hrs del día siguiente. Los cuadros de color gris significan que la unidad está encendida, mientras

s cuadros de color blanco indican que la unidad está fuera de servicio. Como se aprecia, al llegar a la hora 12, los ciclos combinados son apagados; las turbinas de combustión TGB y TGA son apagadas en las horas 12 y 13, respectivamente. Lo propio

on la unidad U16, que es apagada en la hora 14. Lo anterior es resultado de que hacia la hora 15 la generación del parque eólico alcanza los 500 MW en el escenario 1.

Posteriormente entre las horas 16 y 19 resulta necesario encender la unidad de ápida, ante la leve bajada de la generación eólica, que se recupera hacia las 20

horas. Luego de esto, entre las 21 y 23 horas es necesario encender todos los ciclos nuevamente, debido a la bajada más fuerte en la generación eólica. Por otro lado, en el

cenario 2, se obtiene un programa de operación distinto, que se muestra a continuación.


En este caso, el panorama es diferente, ya que la generación eólica entre las horas

12 y 19 es mucho menor que la del escenario 1. En este caso, no es conveniente el la unidad U16, permaneciendo encendida todo el periodo; mientras que el ciclo

ombinado CC1 es apagado y encendido de manera similar al caso anterior. Esto ocurre principalmente porque la generación eólica tiene un retraso importante, tomando valores altos recién a la hora 19. Este hecho no es posible de manejar con la unidad de partida rápida en la ausencia de la generación de la unidad U16. Asimismo, dados los tiempos mínimos fuera de servicio –el tiempo mínimo fuera de servicio es de 5 horas para la

no es posible apagar la unidad U16 solo entre las 19 y 22 horas cuando hay

Los ejemplos anteriores ponen de manifiesto que el programa de la operación resultante puede cambiar de acuerdo a la información considerada sobre la generación eólica. Si se consideran escenarios optimistas en la predicción de la disponibilidad de

se obtiene un programa de operación en que un número importante de fuera de servicio en las horas de alta disponibilidad.

significar un riesgo de abastecimiento si la realización de la generación eólica alsiguiente es de un nivel menor, como el retardo en el escenario 2, por ejemplo.

79

En la figura anterior se aprecia el estado de encendido/apagado para las 24 hrs del día siguiente. Los cuadros de color gris significan que la unidad está encendida, mientras

s cuadros de color blanco indican que la unidad está fuera de servicio. Como se aprecia, al llegar a la hora 12, los ciclos combinados son apagados; las turbinas de combustión TGB y TGA son apagadas en las horas 12 y 13, respectivamente. Lo propio

on la unidad U16, que es apagada en la hora 14. Lo anterior es resultado de que hacia la hora 15 la generación del parque eólico alcanza los 500 MW en el escenario 1.

Posteriormente entre las horas 16 y 19 resulta necesario encender la unidad de ápida, ante la leve bajada de la generación eólica, que se recupera hacia las 20

horas. Luego de esto, entre las 21 y 23 horas es necesario encender todos los ciclos Por otro lado, en el

cenario 2, se obtiene un programa de operación distinto, que se muestra a continuación.


ya que la generación eólica entre las horas 12 y 19 es mucho menor que la del escenario 1. En este caso, no es conveniente el sacar de

mientras que el ciclo ido de manera similar al caso anterior. Esto ocurre

principalmente porque la generación eólica tiene un retraso importante, tomando valores altos recién a la hora 19. Este hecho no es posible de manejar con la unidad de partida

generación de la unidad U16. Asimismo, dados los tiempos el tiempo mínimo fuera de servicio es de 5 horas para la

no es posible apagar la unidad U16 solo entre las 19 y 22 horas cuando hay

Los ejemplos anteriores ponen de manifiesto que el programa de la operación resultante puede cambiar de acuerdo a la información considerada sobre la generación eólica. Si se consideran escenarios optimistas en la predicción de la disponibilidad de

un número importante de fuera de servicio en las horas de alta disponibilidad. Este resultado

significar un riesgo de abastecimiento si la realización de la generación eólica al día siguiente es de un nivel menor, como el retardo en el escenario 2, por ejemplo.


80

Por otro lado, al programar la operación con escenarios más conservadores, se puede afectar la eficiencia económica de la operación. Mantener en operación unidades que no son necesarias en escenarios de alta disponibilidad de generación eólica, implican la reducción de generación más económica, aumentando el costo de operación.

5.1.1 Resultados métodos determinísticos De acuerdo a la metodología descrita en el Capítulo 4, en el caso de los métodos

determinísticos Conservador, Reserva Variable y Reserva Fija, se utiliza como generación eólica el valor esperado de los perfiles obtenidos en la agrupación de curvas de potencia. Por otro lado, la reserva utilizada en el caso de Reserva Variable corresponde a 1.5 veces la desviación estándar obtenida hora a hora para las 31 curvas de potencia analizadas en este caso. En el caso de método Reserva Fija, esta es el promedio de los 24 valores del caso de reserva variable. Finalmente, el método Conservador utiliza como reserva operativa total – reserva detenida más reserva en giro– el mismo monto horario de generación eólica.

En la figura siguiente se muestran las series de tiempo de la generación eólica

esperada, la reserva variable y la reserva fija, utilizadas en los métodos determinísticos de Predespacho Económico.

Figura 5.4: Valor esperado de generación eólica, reserva variable y reserva fija.

El resultado obtenido para el programa de las unidades al resolver el Predespacho

Económico con el método Conservador, es presentado a continuación.

00:00 04:00 08:00 12:00 16:00 20:00 24:000

100

200

300

400

500

600

Tiempo [hh:mm]

Res

erva

Var

iabl

e y

Res

erva

fija

[M

W]

Reserva VariableReserva fijaV. Esperado Gen Eolica


Figura 5.5: Resultado del método

En este caso, al programar niveles de reserva iguales a la generación eólica, el ciclo

combinado CC1 mantiene una de sus turbinas de combustión (TGA) en operación durante las horas 12-21, manteniendo un nivel de reserva operativa en giro para cubrir el requerimiento especificado. Es importante señalar que la disponibilidad de 150 MW de reserva detenida en la unidad de partida rápida permite que al menos la turbina TGB sea apagada en las horas de alta disponibilidad de generación eólica. Si el requerimiento de reserva en vez de ser reserva operativa fuera sólo reserva en giro sea igual a la generación eólica, esto no sería posible. Por lo cual, el método determine cuál es la combinación óptima entre reserva en giro satisface el requerimiento. que tienen un requerimiento de reserva en giro son los siguientes.



1 2 3 4

Carbón

U16

TGA+TV

TGB+TV

TGA+TGB+TV

Partida Rápida

: Resultado del método Conservador de Predespacho Económico

En este caso, al programar niveles de reserva iguales a la generación eólica, el ciclo ene una de sus turbinas de combustión (TGA) en operación durante

21, manteniendo un nivel de reserva operativa en giro para cubrir el requerimiento especificado. Es importante señalar que la disponibilidad de 150 MW de

nidad de partida rápida permite que al menos la turbina TGB sea apagada en las horas de alta disponibilidad de generación eólica. Si el requerimiento de reserva en vez de ser reserva operativa fuera sólo reserva en giro sea igual a la generación

to no sería posible. Por lo cual, el método Conservador deja que la optimización determine cuál es la combinación óptima entre reserva en giro más reserva detenida que

Por otro lado, los resultados para los métodos determinísticque tienen un requerimiento de reserva en giro son los siguientes.

: Resultado del método Reserva Variable de Predespacho Económico

: Resultado del método Reserva Fija de Predespacho Económico

4 5 6 7 8 9 10 11 12 13 14 15 16 1718

81

de Predespacho Económico.

En este caso, al programar niveles de reserva iguales a la generación eólica, el ciclo ene una de sus turbinas de combustión (TGA) en operación durante

21, manteniendo un nivel de reserva operativa en giro para cubrir el requerimiento especificado. Es importante señalar que la disponibilidad de 150 MW de

nidad de partida rápida permite que al menos la turbina TGB sea apagada en las horas de alta disponibilidad de generación eólica. Si el requerimiento de reserva en vez de ser reserva operativa fuera sólo reserva en giro sea igual a la generación

deja que la optimización reserva detenida que

Por otro lado, los resultados para los métodos determinísticos



18 19 20 21 22 23 24


La principal diferencia entre los resultados de estos dos métodos se manifiesta en la hora 13, donde la turbina TGA está en operación en el caso del método mientras que en el caso del método consecuencia del mayor requerimiento de reserva en dicha hora, lo que se puede apreciar directamente de la Figura operación de la unidad de partida rápida de manera más intensiva entre las horas 1 principalmente para reducir la generación del resto de las unidades y satisfacer urequerimiento de reserva en giro más exigente en esas horas.

5.1.2 Resultados métodos estocásticos de Predespacho Económico Al combinar los escenarios

estocástica Tradicional, se obtiene un programa único para las unidades, excepto para la unidad de partida rápida. Dicho programa mantiene el balance generaciónescenario, mientras se procura que el costo espcompatibilizando la eficiencia económica con las restricciones técnicas. Los resultados obtenidos mediante la programación estocástica tradicional se muestran a continuación.

Figura 5.8: Resultado Predespacho Económico Estocástico Tradicional para el escenario 1.

Figura 5.9: Resultado Predespacho Económico Estocástico Tradicional para el escenario 2.

En primer lugar, es preciso señalar que se obtiene como resultado un programa de

operación que es distinto a cualquiera de los dos programas obtenidos al considerar cada caso por separado (Figura

La principal diferencia entre los resultados de estos dos métodos se manifiesta en la hora 13, donde la turbina TGA está en operación en el caso del método

el caso del método Reserva Fija esta es apagada la hora anterior. Esto es consecuencia del mayor requerimiento de reserva en dicha hora, lo que se puede apreciar

Figura 5.4. Adicionalmente, en el método Reserva Fija

operación de la unidad de partida rápida de manera más intensiva entre las horas 1 principalmente para reducir la generación del resto de las unidades y satisfacer urequerimiento de reserva en giro más exigente en esas horas.

Resultados métodos estocásticos de Predespacho Económico

escenarios 1 y 2 de la Figura 5.1en el esquema de optimización , se obtiene un programa único para las unidades, excepto para la

unidad de partida rápida. Dicho programa mantiene el balance generaciónescenario, mientras se procura que el costo esperado de operación sea mínimo, compatibilizando la eficiencia económica con las restricciones técnicas. Los resultados obtenidos mediante la programación estocástica tradicional se muestran a continuación.

: Resultado Predespacho Económico Estocástico Tradicional para el escenario 1.


imer lugar, es preciso señalar que se obtiene como resultado un programa de operación que es distinto a cualquiera de los dos programas obtenidos al considerar cada

Figura 5.2 y Figura 5.3). El ciclo combinado CC1 es apagado y

82

La principal diferencia entre los resultados de estos dos métodos se manifiesta en la hora 13, donde la turbina TGA está en operación en el caso del método Reserva Variable,

esta es apagada la hora anterior. Esto es consecuencia del mayor requerimiento de reserva en dicha hora, lo que se puede apreciar

Reserva Fija se requiere la operación de la unidad de partida rápida de manera más intensiva entre las horas 1 – 12, principalmente para reducir la generación del resto de las unidades y satisfacer un

Resultados métodos estocásticos de Predespacho Económico

en el esquema de optimización , se obtiene un programa único para las unidades, excepto para la

unidad de partida rápida. Dicho programa mantiene el balance generación-carga en cada erado de operación sea mínimo,

compatibilizando la eficiencia económica con las restricciones técnicas. Los resultados obtenidos mediante la programación estocástica tradicional se muestran a continuación.



imer lugar, es preciso señalar que se obtiene como resultado un programa de operación que es distinto a cualquiera de los dos programas obtenidos al considerar cada

). El ciclo combinado CC1 es apagado y


83

encendido de manera similar a los resultados anteriores, debido a la alta disponibilidad de generación eólica entre las 12 y 21 horas. Sin embargo, en la ausencia de la unidad CC1, el ciclo combinado U16 debe permanecer en servicio todo el periodo. Esto debido a que una vez que la unidad CC1 no está en servicio, las acciones correctivas disponibles – encendido de la unidad de partida rápida–no son suficientes para cubrir la salida de la unidad, en la eventualidad que en la realidad ocurra el escenario 2.

En efecto, como se aprecia en la Figura 5.9, la unidad de partida rápida es

encendida en el escenario 2 durante las horas 12 y 15, durante la salida de la unidad CC1, apoyando este proceso en las horas en que la generación eólica se retrasa y es más baja que el escenario 1. Esta acción correctiva permite adelantar la salida de la unidad CC1, acercándose a la solución particular para el escenario 1 (Figura 5.2), en comparación con el resultado obtenido al resolver el escenario 2 separadamente (Figura 5.3). Esto mejora la eficiencia económica de la solución, en términos del costo esperado de generación, ya que el escenario 1 tiene una mayor probabilidad.

La incorporación de la flexibilidad de las unidades de partida rápida tiene

resultados favorables, ya que por un lado se mejora la eficiencia económica de la operación, pero más aún, se identifican y localizan las acciones correctivas, constituyendo una importante información adicional para la operación del día siguiente.

Aún así, se aprecia una rigidez en la solución estocástica tradicional para las

unidades que son definidas con igual estado de encendido/apagado en ambos escenarios –en este caso, todas las unidades excepto la de partida rápida– ya que el escenario 2 de menor probabilidad condiciona el encendido de la unidad U16 por todo el período de estudio, lo que es ineficiente la mayor parte del tiempo al tener un escenario 1 que ocurrirá con mayor probabilidad.

En esta línea de las acciones correctivas, el modelo propuesto en este trabajo

incorpora la flexibilidad en los cambios de configuración de los ciclos combinados. Específicamente, la decisión de apagado de las turbinas de combustión es liberada a través de la relajación de las restricciones no anticipativas, dejando únicamente las decisiones de encendido como acción preventiva, iguales en todos los escenarios.

En lo que sigue se discuten los resultados de aplicar el modelo propuesto al sistema

anterior, considerando que las decisiones de apagado del ciclo combinado CC1 son flexibles, mientras que las unidades Carbón y U16 mantienen la inflexibilidad, en tanto que la unidad de partida rápida es liberada totalmente, al igual que el caso anterior. Los resultados del modelo son los siguientes.


Figura 5.10: Resultado Predespacho Económico Estocástico CORE para el escenario 1.

Figura 5.11: Resultado Predespacho Económico Estocástico CORE para el escenario 2.

Debido a que la decisión

CC1 es incorporada como una acción correctiva en la formulación a través de la relajación de las restricciones no anticipativas, los resultados obtenidos difieren de los encontrados al utilizar la metodología estocástica resultados obtenidos para el programa de generación en el escenario 1, mientras que la Figura 5.11 incluye las acciones correctivas que son necesarias para manejar la ocurrencia del escenario 2. Destaca entonces el hecho que en este caso la unidad U16 esprogramada fuera de servicionula que ocurra el escenario 2. Es importante notar que el cambio de configuración en el ciclo combinado CC1 es utilizado para manejar la incertidumbre endurante las horas 14-21 mientras la unidad U16 está fuera de servicio.

En efecto, las acciones correctivas corresponden a un retraso en la decisión de

apagado de la turbina de combustión TGB hasta que la generación eólica hora 16. Adicionalmente, más tarde la turbina de combustión TGA es mantenida en operación todo el día, hasta que la TGB es vuelta a encender en la hora 23, cuando se espera una bajada en la generación del parque eólico. Es de suma importancia notar qudecisión de encendido de la TGB es la misma t=23 – en ambos escenarios, como es impuesto por la restricción no anticipativa

: Resultado Predespacho Económico Estocástico CORE para el escenario 1.


Debido a que la decisión de apagado de las turbinas de combustión de la unidad CC1 es incorporada como una acción correctiva en la formulación a través de la relajación de las restricciones no anticipativas, los resultados obtenidos difieren de los encontrados al

ología estocástica Tradicional. Específicamente, la Figura resultados obtenidos para el programa de generación en el escenario 1, mientras que la

incluye las acciones correctivas que son necesarias para manejar la ocurrencia escenario 2. Destaca entonces el hecho que en este caso la unidad U16 es

de servicio en las horas 14-21, aún cuando existe unaque ocurra el escenario 2. Es importante notar que el cambio de configuración en el

ciclo combinado CC1 es utilizado para manejar la incertidumbre en la generación eólica, 21 mientras la unidad U16 está fuera de servicio.

En efecto, las acciones correctivas corresponden a un retraso en la decisión de apagado de la turbina de combustión TGB hasta que la generación eólica hora 16. Adicionalmente, más tarde la turbina de combustión TGA es mantenida en operación todo el día, hasta que la TGB es vuelta a encender en la hora 23, cuando se espera una bajada en la generación del parque eólico. Es de suma importancia notar qudecisión de encendido de la TGB es la misma –es decir, se enciende en el mismo periodo

en ambos escenarios, como es impuesto por la restricción no anticipativa

84



de apagado de las turbinas de combustión de la unidad CC1 es incorporada como una acción correctiva en la formulación a través de la relajación de las restricciones no anticipativas, los resultados obtenidos difieren de los encontrados al

Figura 5.10muestra los resultados obtenidos para el programa de generación en el escenario 1, mientras que la

incluye las acciones correctivas que son necesarias para manejar la ocurrencia escenario 2. Destaca entonces el hecho que en este caso la unidad U16 es efectivamente

, aún cuando existe una probabilidad no que ocurra el escenario 2. Es importante notar que el cambio de configuración en el

la generación eólica,

En efecto, las acciones correctivas corresponden a un retraso en la decisión de apagado de la turbina de combustión TGB hasta que la generación eólica es mayor en la hora 16. Adicionalmente, más tarde la turbina de combustión TGA es mantenida en operación todo el día, hasta que la TGB es vuelta a encender en la hora 23, cuando se espera una bajada en la generación del parque eólico. Es de suma importancia notar que la

es decir, se enciende en el mismo periodo en ambos escenarios, como es impuesto por la restricción no anticipativa 3.70.


Los resultados indican que la unidades en el esquema de optimización estocástica del método permite que los resultados del

programa de la operación estén condicionados por eventos de baja probabilidad.

de acciones de corrección típicas unidades de ciclo combinadoocurrencia, mejorando la eficiencia económica de la operación del sistema bajo el escenario de la incertidumbre en la generación eólica.

Más aún, a través de dichas acciones correctivas, el balance generación

asegurado en cada escenario, asegurando la robustez de la metodologíase obtiene, además de un programa de operación de las unidades, una guía para conducir las acciones a tomar en la operación de tiempo real, dependiendo de las condiciones actuales que se enfrenten una vez que la incertidumbre se haya realizado.

La incorporación de las flexibilidades en la optimización del Predespacho

Económico da a lugar que el estado de encendido/apagado de las unidades no es igual en todos los escenarios, en el caso de las unidades de partida rápida y de los ciclos combinados. Este hecho tiene ventajas al mejorar la eficiencia económica de la operación, pero al mismo tiempo representa un desafío al momento de proveer la información para la programación de las unidades a los distintos agentes del sistema, ya no existe un programa único de operación.

En este sentido, la figura siguiente pretende responder esta interrogante a

la información del programa de la operación obtenidaprovista al operador del sistema. Los cuadros de color negro representan las decisiones de generadores que son llamados a operación para el día siguiente, constitacciones preventivas necesarias. Por otro lado, las decisiones que dependen de la realización de la incertidumbre son señaladas con el color gris, constituyendo los grados de libertad para el operador del sistema.

Figura 5.12: Información del modelo CORE provista a los operadores del sistema.

Los resultados indican que la inflexibilidad de los estados encendido/apaga

unidades en el esquema de optimización estocástica del método permite que los resultados del

programa de la operación estén condicionados por eventos de baja probabilidad.

de acciones de corrección típicas –como el apagado de las turbinas de combustión de las unidades de ciclo combinado–ayuda a una mejor ponderación de las probabilidades de ocurrencia, mejorando la eficiencia económica de la operación del sistema bajo el escenario de la incertidumbre en la generación eólica.

a través de dichas acciones correctivas, el balance generaciónasegurado en cada escenario, asegurando la robustez de la metodologíase obtiene, además de un programa de operación de las unidades, una guía para conducir las acciones a tomar en la operación de tiempo real, dependiendo de las condiciones actuales que se enfrenten una vez que la incertidumbre se haya realizado.

La incorporación de las flexibilidades en la optimización del Predespacho e el estado de encendido/apagado de las unidades no es igual en

todos los escenarios, en el caso de las unidades de partida rápida y de los ciclos combinados. Este hecho tiene ventajas al mejorar la eficiencia económica de la operación,

o representa un desafío al momento de proveer la información para la programación de las unidades a los distintos agentes del sistema, ya no existe un programa único de operación.

En este sentido, la figura siguiente pretende responder esta interrogante arograma de la operación obtenida con el modelo CORE, la cual es

provista al operador del sistema. Los cuadros de color negro representan las decisiones de generadores que son llamados a operación para el día siguiente, constitacciones preventivas necesarias. Por otro lado, las decisiones que dependen de la realización de la incertidumbre son señaladas con el color gris, constituyendo los grados de libertad para el operador del sistema.

: Información del modelo CORE provista a los operadores del sistema.

85

inflexibilidad de los estados encendido/apagado de las

unidades en el esquema de optimización estocástica del método permite que los resultados del

programa de la operación estén condicionados por eventos de baja probabilidad. Así, la integración las turbinas de combustión de las

ayuda a una mejor ponderación de las probabilidades de ocurrencia, mejorando la eficiencia económica de la operación del sistema bajo el escenario

a través de dichas acciones correctivas, el balance generación-carga es asegurado en cada escenario, asegurando la robustez de la metodología. Como resultado se obtiene, además de un programa de operación de las unidades, una guía para conducir las acciones a tomar en la operación de tiempo real, dependiendo de las condiciones actuales que se enfrenten una vez que la incertidumbre se haya realizado.

La incorporación de las flexibilidades en la optimización del Predespacho e el estado de encendido/apagado de las unidades no es igual en

todos los escenarios, en el caso de las unidades de partida rápida y de los ciclos combinados. Este hecho tiene ventajas al mejorar la eficiencia económica de la operación,

o representa un desafío al momento de proveer la información para la programación de las unidades a los distintos agentes del sistema, ya no existe un

En este sentido, la figura siguiente pretende responder esta interrogante al resumir con el modelo CORE, la cual es

provista al operador del sistema. Los cuadros de color negro representan las decisiones de generadores que son llamados a operación para el día siguiente, constituyendo las acciones preventivas necesarias. Por otro lado, las decisiones que dependen de la realización de la incertidumbre son señaladas con el color gris, constituyendo los grados

: Información del modelo CORE provista a los operadores del sistema.


86

Es decir, al integrar este tipo de modelo para el Predespacho Económico se tienen estados de encendido/apagado que no debieran ser alterados de acuerdo a los distintos escenarios que se manifiesten en la realidad. Por otro lado, existen decisiones intradiarias que deben ser localizadas, tanto en temporalmente como las unidades involucradas, a fin de hacer notar al operador que ciertas unidades serán necesarias en operación –o bien, fuera de operación– de acuerdo a los cambios esperados en la realización de la generación eólica al día siguiente.

La ejecución de las correctas decisiones intradiarias necesarias son sugeridas en

este programa, pero quedan condicionadas a la evaluación del operador, por lo que debe existir en conjunto con este programa alguna herramienta que apoye la toma de decisiones en tiempo real, permitiendo en primer lugar, abastecer la demanda sin riesgos, y aumentar la eficiencia económica de la operación.

5.1.3 Resultados del comportamiento económico

Si bien en los puntos anteriores se dio una amplia explicación acerca de los resultados obtenidos para los distintos métodos de Predespacho, es importante además que se establezcan las diferencias en los costos de operación obtenidos, a fin de cuantificarlas ventajas del modelo de Predespacho Económico propuesto.

De acuerdo a la metodología propuesta para la evaluación del desempeño

económico de los programas obtenidos, no es suficiente con comparar los costos obtenidos en la etapa de Predespacho Económico, sino que, ante la eventualidad de una realización distinta de la generación eólica respecto de lo considerado en esta etapa, es necesario simular la operación real del sistema para un conjunto de escenarios representativo, de mayor tamaño para dar una validez estadística, y que al mismo tiempo, estos escenarios sean distintos a lo considerado en la etapa de Predespacho.

Para dar cuenta de dichas diferencias, se presenta en la tabla siguiente los costos

esperados de los programas de operación para los distintos métodos de Predespacho. Como costo del programa se refiere a la función objetivo de la optimización, evaluada solo para las primeras 24 horas, dado que la programación se hace con un horizonte mayor.


87

Metodología Predespacho

Costo esperado de operación Predespacho

Económico [USD]

Ahorros c/r método

Conservador

Conservador $2,892,047 -

Reserva Fija $2,830,221 2.14%

Reserva Variable $2,834,300 2.00%

Tradicional $2,833,583 2.02%

CORE $2,825,602 2.30%

Tabla 5.2: Costos esperados de operación obtenidos en la etapa de Predespacho.

Al ser el programa con costos de operación más elevado, dado que es ciertamente

la metodología más conservadora, el método Conservador se utiliza para establecer las mejoras de cada método de Predespacho. En este caso, se obtiene que el método determinístico de reserva fija presenta un 2.14% de mejoras, superior al método determinístico de reserva variable y al estocástico tradicional. Los métodos estocásticos también presentan mejoras, siendo el método propuesto CORE el que alcanza un programa de operación más eficiente, como consecuencia de incorporación de acciones correctivas adicionales en la formulación.

Sin embargo, tal como se señalaba anteriormente, esta evaluación no da las señales

correctas sobre las reales mejoras obtenidas en la operación real del sistema. En la siguiente tabla se presentan los costos de operación esperados obtenidos del despacho económico para 15 escenarios de generación eólica.


Costo esperado de operación Despacho

Económico [USD]

Ahorros c/r método

Conservador


Reserva Fija $2,855,318 1.22%


Tradicional $2,830,099 2.09%

CORE $2,809,763 2.79%

Predicción Perfecta $2,782,983 3.72%

Tabla 5.3: Costo de operación obtenidos en la etapa de Despacho Económico

En este caso, los métodos Reserva Variable y el estocástico Tradicional alcanzan el

mismo ahorro de un 2.09%, principalmente porque el Predespacho de las unidades Carbón,


88

U16 y CC1 es el mismo, con lo cual el desempeño económico en las distintas realizaciones es idéntico. El método CORE sigue siendo el que alcanza un mejor desempeño, con un total de 2.79 % de mejoras respecto del método conservador, y un ahorro extra de 0.7% respecto del método estocástico Tradicional.

En el caso del método Reserva Fija, se obtiene un 1.22% de mejoras, lo que es menor

a las mejoras obtenidas en la etapa de Predespacho. Más aún, en los distintos escenarios de realizaciones de la generación eólica considerados para el despacho económico se tiene que, para 3 de los 4 escenarios que presentan un retardo en la subida de la disponibilidad de generación eólica, hay en promedio 45 [MWh] de energía no suministrada en la hora 13. Esto es consecuencia de la ausencia en operación del ciclo combinado CC1 en esa hora, como se aprecia al comparar las Figura 5.6 y Figura 5.7, por lo cual ante una generación eólica más baja de lo presupuestado en el nivel de reserva de esa hora, se obtiene que los recursos disponibles de generación no son suficientes para abastecer la demanda.

Así, en consideración de los niveles de reserva presentados en la Figura 5.4, es

posible concluir que este método de reserva fija no es lo suficientemente robusto, ya que al tener una reserva fija para todo el horizonte de optimización, se abstrae de que la generación eólica presenta una variabilidad que no es la siempre la misma, prescindiendo de recursos que son necesarios en las horas de alta variabilidad, resultando en un mal desempeño del sistema en la operación en tiempo real.

Adicionalmente se agrega el caso de Predicción Perfecta, resolviendo el Despacho

Económico sin fijar ninguna variable, obteniendo el programa óptimo en cada uno de los 15 escenarios. Mediante esta metodología se obtiene que es posible un máximo de 3.72% de ahorros respecto del método conservador.

5.2 Caso de análisis: SING La metodología presentada y cuyos resultados fueron explicados en detalle en el

punto anterior, fue aplicada al Sistema Interconectado del Norte Grande (SING). Este sistema representa un particular caso de estudio, ya que dispone de ciclos combinados que pueden ser modelados mediante la propuesta de este trabajo. Adicionalmente, se espera en los próximos años la entrada en operación de varios proyectos de parques eólicos, por lo que este trabajo representa un primer estudio sobre los aspectos relevantes en las políticas de operación en este escenario futuro.

Una conformación de 46 unidades generadoras fue considerada para desarrollar

un modelo técnico-económico del SING, agregando los proyectos de generación que se


89

esperan estarán operativos hacia el año 2012. En este año se proyecta entren en operación los primeros parques eólicos, ubicados principalmente en la zona de Calama, de alto potencial eólico. Específicamente, se consideran los proyectos Angamos I y II, Central Térmica Hornitos, Central Térmica Andina, y distintas capacidades instaladas de generación eólica, desde 300 MW hasta 600 MW, tomando como caso base un total de 450 [MW]. Se considera que esta capacidad representa todos los parques eólicos de la zona, agrupándolos en un solo parque eólico representativo.

Dentro del parque generador, 4 unidades corresponden a ciclos combinados, 2 de

ellos poseen 2 turbinas de combustión. Del resto de las unidades, 20 corresponden a unidades de partida rápida y 13 unidades de vapor carbón. Solo se tienen 4 unidades hidráulicas, que representan un bajo porcentaje de la capacidad instalada del SING. Los datos técnicos actuales de las unidades se encuentran disponibles en la página web del CDEC-SING 2 , mientras que los utilizados en el modelo del SING en este trabajo se presentan en el Anexo I.

5.2.1 Escenarios de generación eólica Respecto de la información de generación eólica considerada, en este caso se

utilizan los datos históricos asociados al mes de octubre, realizando una agrupación con 5 perfiles típicos. Para las metodologías de Predespacho Económico estocástico, se utilizan estos 5 escenarios, mientras que para las metodologías determinísticas se utiliza su valor esperado y la desviación estándar para los requerimientos de reserva, de la misma manera que en el ejemplo ilustrativo.

Los escenarios obtenidos en la agrupación de curvas de potencia se muestran en la

Figura 5.13 mientras que las probabilidades de cada escenario se presentan en la Tabla 5.4.

2 www.cdec-sing.cl


90

Figura 5.13: Escenarios para los métodos estocásticos de Predespacho.

Cluster Nº Probabilidad

1 �N 7 0.52

2 �K 7 0.20

3 �� 7 0.12

4 �� 7 0.08

5 �� 7 0.08

Tabla 5.4: Probabilidades de los escenarios de generación eólica.

En la Figura 5.14se presenta el valor esperado de generación eólica, así como los

valores de la reserva variable y reserva fija. Los resultados son escalados linealmente para representar las distintas capacidades instaladas de generación eólica.

00:00 04:00 08:00 12:00 16:00 20:00 24:000

10

20

30

40

50

60

70

80

90

100

Tiempo [hh:mm]

Gen

erac

ion

Par

que

Eol

ico

[MW

]

Cluster 1Cluster 2Cluster 3Cluster 4Cluster 5


91

Figura 5.14: Valor esperado de generación eólica, reserva variable y reserva fija.

5.2.2 Aspectos del modelo En este caso, si se considera el requerimiento de reserva en giro determinístico, Rdet

= 30 [MW] mientras que el requerimiento de reserva primaria considerado es de ��= 70 [MW], reflejando los valores actuales. Se considera además un %�� = 3 % para incorporar las pérdidas de transmisión.

La demanda a abastecer corresponde a un perfil típico de demanda del SING del mes de octubre, con un máximo cercano a los 2000 [MW], obtenido de la previsión de demanda de la DO del CDEC-SING. Se considera una resolución de 1 hora, con un horizonte de programación de 72 horas. Adicionalmente, como costo de energía no servida se utiliza el valor de 335 [USD/MWh] indicado en el Informe Técnico Definitivo de Precio Nudo del SING de Octubre de 2010..

En este caso, para el método estocástico CORE, todos los ciclos combinados,

incluidos los de una sola turbina de combustión, son modelados como flexibles en sus decisiones de apagado, de acuerdo a lo discutido en el ejemplo ilustrativo. Se hace esta diferencia respecto del ejemplo ilustrativo, donde sólo fue modelada de esta manera la unidad CC1, con dos turbinas de combustión.

La optimización estocástica tiene como principal desventaja que, para modelar

explícitamente la incertidumbre a través de escenarios, los tiempos de solución del problema son elevados. Para reducir los tiempos de cómputo de las soluciones, una de las

00:00 04:00 08:00 12:00 16:00 20:00 24:000

10

20

30

40

50

60

70

80

90

100

Tiempo [hh:mm]

Res

erva

Var

iabl

e y

Res

erva

fija

[M

W]

Reserva VariableReserva fijaV. Esperado Gen Eolica


92

aproximaciones corresponde a utilizar un conjunto reducido y representativo de escenarios. Por otro lado, los autores proponen en [56]la relajación de la integrabilidad de la variable u para las unidades de partida rápida, es decir, en vez de ser una variable binaria, esta es linealizada, reduciendo los tiempos de simulación. En este trabajo, se incorpora esta modelación de una manera equivalente, llevando a un valor cero los mínimos técnicos de las unidades de partida rápida.

��,� 7 0 \., F j ��

Para realizar el Predespacho Económico, se considera un escenario típico de

disponibilidad de unidades, así como las limitaciones de disponibilidad de Gas Natural Licuado (GNL) vigentes en el SING y que se espera se mantengan hasta el año 2012 que es de interés para este estudio. Más detalle de estos aspectos se encuentran en el Anexo II.

5.2.3 Resultados Dadas las consideraciones anteriores, se resuelve el Predespacho Económico para

las distintas metodologías. Para cada una de ellas se realiza la evaluación de su desempeño a través de simulaciones de Monte Carlo de Despacho Económico, para 15 escenarios distintos a los anteriores. Estos escenarios guardan la distribución de probabilidad encontrada al momento de la agrupación de curvas de potencia. Los resultados se presentan a continuación.


Costo esperado de operación Despacho

Económico [USD]

Ahorros c/r método

Conservador


Reserva Fija $2,901,565 1.39%


Tradicional $2,853,469 3.02%

CORE $2,822,352 4.08%

Predicción Perfecta $2,810,447 4.49%

Tabla 5.5: Costo de operación en la etapa de Despacho Económico para 450 [MW].

El método CORE sigue siendo el que alcanza un mejor desempeño, con un total de

4.08 % de mejoras respecto del método conservador, y un ahorro extra de 1.06% respecto del método estocástico tradicional. Nuevamente se observa que los métodos de reserva variable y el estocástico tradicional alcanzan ahorros similares de un 3.09%,


93

principalmente porque el Predespacho de las unidades Vapor-Carbón, U16 y CC1 es el mismo, con lo cual el desempeño económico en las distintas realizaciones es similar.

Este hecho es de suma importancia para comprender que los métodos estocásticos

programan reserva de manera implícita, modelando la incertidumbre a través de escenarios representativos. Si el requerimiento de reserva es determinado de manera exacta tal que optimiza el costo esperado de operación, se obtendrán resultados equivalentes en el programa de operación de las unidades, y consecuentemente el desempeño económico de estos será el mismo. Sin embargo, dado que la determinación de reservas puede depender del método utilizado, la programación estocástica ofrece una alternativa muy poderosa para llevar a cabo la evaluación de las políticas operacionales para enfrentar la incertidumbre de la generación eólica compatible con un nivel de eficiencia económica.

En el caso del método Reserva fija, se obtiene un 1.39% de mejoras, lo que es mejor

a las mejoras obtenidas en la etapa de Predespacho. A diferencia del caso ilustrativo, en los distintos escenarios de realizaciones de la generación eólica considerados para el despacho económico no se registra energía no suministrada.

Adicionalmente mediante el método de Predicción Perfecta se obtiene que es posible

un máximo de 4.49% de ahorros respecto del método conservador, confirmando el valor de poder predecir la generación eólica.

5.2.4 Análisis de sensibilidad Con el objetivo de representar distintos proyectos de parques eólicos a futuro en el

SING, se realizó la evaluación anterior para distintos niveles de penetración de la energía eólica. Las capacidades de 300, 400, 500 y 600 [MW] fueron simuladas, cuyos resultados se resumen en la figura siguiente.


94

Figura 5.15: Ahorros esperados de costo de operación diario.

En todos los casos, la metodología CORE es la que alcanza las más altas mejoras

globales. Se observa que a medida que aumenta la capacidad instalada, el método de reserva fija se va quedando atrás, debido a la diferencia entre la reserva variable y la reserva fija cuando esta última es menor que el valor horario. Esto es exacerbado cuando la capacidad instalada es mayor, requiriendo mayor apoyo de unidades de partida rápida ante la insuficiencia de reserva en giro en aquellas horas, incrementando los costos de operación.

Para la capacidad instalada de 500 MW se observa que el método determinístico de

reserva variable presenta una mejor eficiencia económica que el programa estocástico Tradicional. Esto se debe principalmente a la simplificación de la restricción de mínimo técnico de las unidades de partida rápida, lo cual altera la solución óptima de la optimización.

Es preciso señalar que si bien en el modelo se incorpora la posibilidad de recortar la

generación eólica, para las capacidades instaladas analizadas no se presenta ningún recorte, siendo posible integrar la totalidad de la generación eólica. Este resultado es consecuencia de que la capacidad de las unidades de reducir su generación es suficientemente amplia para acomodar las alzas en la generación eólica. Con el fin de probar que estos recortes fueron modelados correctamente, se simuló el caso de 800 [MW] de capacidad instalada, obteniendo que al llegar todas las unidades a su mínimo técnico, disminuyendo su generación, es necesario recortar la generación del parque eólico.


95

Esto es importante de analizar ya que la inflexibilidad de las unidades de vapor-carbón para salir de servicio –principalmente por sus altos tiempos mínimos de operación y fuera de servicio– durante los periodos cortos de alta generación eólica, constituye una barrera de entrada a altos niveles de penetración de la generación eólica, desperdiciando un recurso disponible.

Respecto de los tiempos de solución de los distintos métodos de Predespacho

Económico propuestos en este trabajo, se obtiene que la metodología CORE presenta los tiempos más altos de ejecución.

Metodología Predespacho 300 MW 400 MW 450 MW 500 MW 600 MW

Conservador 42.0 s 49.0 s 61 s 97.0 s 119 s

Reserva Fija 2.5 s 6.2 s 15.9 s 16.9 s 6.0 s

Reserva Variable 3.4 s 3.0 s 5.1 s 12.5 s 3.5 s

Tradicional* 17.0 s 26.0 s 118 s 105.0 s 83.0 s

CORE 116.0 s 160.0 s 206 s 150.0 s 233.5 s

Tabla 5.6: Tiempos de ejecución de los distintos métodos de Predespacho.

El caso determinístico Conservador presenta altos tiempos de simulación en

comparación con los otros dos métodos determinísticos, principalmente por los altos requerimientos de reserva que deben mantenerse, obligando a mantener algunas unidades en operación a pesar de que es conveniente, en términos de costos, retirarlas durante las horas de alta disponibilidad. Esta complejidad hace que sus tiempos sean más elevados, lo que sumado a la menor eficiencia económica, lo hace el método de Predespacho menos recomendable de utilizar.

Adicionalmente, se ha encontrado que la resolución ∆ escogida al momento de

realizar el Predespacho Económico tiene importantes implicancias en los resultados obtenidos. Un mayor valor para ∆ –menor resolución– contribuye a reducir el tamaño del problema –ya que hay menos periodos t en el mismo horizonte NT– pero por otro lado, esto puede llevar a utilizar promedios en intervalos de tiempo más amplios, lo que es importante ya que se puede sobrestimar – o subestimar – la generación eólica.

Por ejemplo, en la Figura 5.16 siguiente, se muestra el resultado de distintas

resoluciones ∆=1 y ∆=2 para el clúster Nº3 para el caso de 600 [MW] de capacidad instalada. Se observa que los valores de la curva de potencia creada con las mediciones


96

cada 10 minutos son aproximados de mejor manera mientras menor sea la resolución ∆. Más aún, en los periodos de cambios importantes de la generación –por ejemplo, entre las 12 y 14 horas– el promedio de ∆=2 presenta una sobrestimación de alrededor de 100 [MW].

Es por esto que es importante hacer una elección cuidadosa de la resolución ∆

adecuada al momento de realizar la programación de la operación. Esto principalmente debido a que la variabilidad de la generación eólica es mayor a medida que se disminuye la resolución utilizada, lo que resulta en una mayor necesidad de acciones correctivas en la operación de tiempo real para cubrir las variaciones, incrementando los costos de operación. La sobrestimación de la generación eólica en bloques de mayor duración significa que las unidades que son sacadas de servicio en los momentos de alta generación, lo harán por una mayor cantidad de horas respecto de lo que en realidad se requiere, pudiendo obtenerse energía no servida en aquellos casos en que una unidad de tamaño importante es sacada de servicio y no es posible cubrir la deficiencia en generación con las unidades de partida rápida en aquellas horas dentro del bloque ∆ donde existe una sobrestimación.

Figura 5.16: Comparación perfiles de generación para distintas resoluciones. Los resultados para ∆=2 Hrs indican que los costos de operación esperados

utilizando la metodología CORE pueden ser mayores, acortando los beneficios. Por ejemplo, para el caso de 450 MW los beneficios alcanzan un total de $2.824.531, con un beneficio de 4.01%, un 0.07% menor. Inclusive, es posible encontrar energía no servida en algunos casos para las metodologías Tradicional y Reserva Variable.

00:00 04:00 08:00 12:00 16:00 20:00 24:000

100

200

300

400

500

600

Tiempo [hh:mm]

Gen

erac

ion

Par

que

Eol

ico

[MW

]

10 min1 hr2 hr


97

Estos resultados son esperados, ya que el modelo CORE programa la menor cantidad de reserva en giro en comparación con los otros métodos de Predespacho, tal como se aprecia en la figura siguiente.

Figura 5.17: Comparación del promedio diario de reserva en giro programada.

Adicionalmente, estos resultados muestran el trade-off existente entre las reservas

operativas como acciones correctivas y la posibilidad del Operador del Sistema de llevar a cabo las acciones correctivas adecuadas en la operación de tiempo real. Mientras más reserva en giro se programe como acciones preventivas en el Predespacho Económico, se requiere una menor cantidad de acciones correctivas – especialmente despacho de unidades de partida rápida– en la operación de tiempo real del día siguiente, una vez que la incertidumbre se realiza. De hecho, de la figura se desprende que al utilizar una capacidad instalada de 300 MW de energía eólica, la implementación del método Conservador de Predespacho lleva a que el promedio diario de la reserva en giro alcance los 120 [MW], mientras que la metodología CORE programa solo 50 [MW].

Esta promisoria reducción del costo de operación esperado es lograda mediante la

incorporación de las flexibilidades del sistema como acciones correctivas. Es preciso señalar que dichas acciones correctivas dependen de la realización de la generación eólica en la operación real del día siguiente y que la solución del Despacho Económico One-Shot obtiene las acciones correctivas óptimas en cada simulación de Monte Carlo. Por lo tanto, los resultados se entienden como los potenciales beneficios que pueden ser alcanzados mediante esta política de programación de la operación. Es importante entonces el considerar una modelación más realista de la operación en tiempo real, tal como un


98

Despacho Económico look-ahead [63]. Asimismo, al no haber una unicidad en el programa de operación de las unidades, debido a la incorporación de las acciones correctivas en la formulación, se encuentra una dificultad el proveer la información sobre el programa resultante a los distintos agentes del sistema. Por lo cual, es necesaria una discusión acerca de cómo es provista la información.

Capítulo 6

Aspectos prácticos de implementación El principal objetivo de este trabajo es contribuir al desarrollo de una metodología

de Predespacho Económico que permita integrar la variabilidad asociada a la generación de un parque eólico en la operación del Sistema Eléctrico. Considerando la revisión del estado del arte en integración de la energía eólica, en este trabajo se ha desarrollado un modelo de Programación Estocástica que permite incorporar la incertidumbre de manera explícita en la optimización, sin pasar por el proceso de determinación de reservas. Esta formulación permite determinar las reservas operativas necesarias de manera indirecta, logrando una mejora en la eficiencia económica de la operación del sistema, al mismo tiempo que se mantiene la seguridad de suministro en este nuevo escenario.

La principal desventaja de este método es la aplicabilidad práctica debido a los

altos tiempos de simulación requeridos para encontrar las soluciones factibles. Actualmente, el CDEC-SING cuenta con la herramienta PLEXOS que permite resolver el problema de Predespacho Económico con un alto nivel de detalle. Respecto del modelo presentado en este trabajo, el utilizado por el CDEC-SING incluye el modelamiento de la red de transmisión, algo relevante en el SING debido a las restricciones en el sistema de transmisión presentes en algunas zonas. Respecto del resto de las restricciones técnicas, la formulación en el modelo propuesto es idéntica a la que se utiliza para la programación diaria de la operación del sistema.

El software PLEXOS permite realizar una optimización determinística del

Predespacho con requerimientos preestablecidos de reserva en giro, reserva pronta y reserva operativa, sean éstas constantes o variables. Adicionalmente, es posible plantear un modelo de optimización estocástica con escenarios representativos, pudiendo integrar las decisiones intradiarias para unidades de partida rápida como en el método Tradicional. Sin embargo, las decisiones de apagado de ciertas unidades no pueden ser relajadas,

Aspectos prácticos de implementación

100

siendo entonces el modelo CORE el único de los distintos métodos de Predespacho estudiados que no podría ser implementado de forma completa en PLEXOS.

Al implementar la optimización estocástica para el SING utilizando el modelo

actual en el software PLEXOS se obtienen elevados tiempos de simulación que constituyen la principal barrera para estos métodos en la práctica. Como ejemplo, se simularon varios casos considerando lo siguiente:

• Capacidad instalada de generación eólica de 300 [MW] • Distintos números de escenarios: 2, 3 y 5 • Gap de 0.1 % (el actual y el utilizado en el estudio es de 0.01%) • Resolución de 2 horas. • Modelo de la red de transmisión, pero sin pérdidas de transmisión. • Dos modelos de las unidades de partida rápida: con y sin relajación de su

restricción no anticipativa.

NºEscenarios Modelo Unidades

Partida Rápida

Tiempo Simulación [hh:mm:ss]

2 - 06:19

2 Flexible 06:24

3 - 38:15

3 Flexible Out of memory

5 - 1:17:03

5 Flexible 1:22:47

Tabla 6.1: Resultados de la optimización estocástica en PLEXOS.

Los altos tiempos de simulación obtenidos muestran que los beneficios de la optimización estocástica son, en la práctica, difíciles de alcanzar, necesitándose una metodología que mantenga los tiempos en un valor razonable, sin alejarse de la solución que mejora la eficiencia económica. De los resultados de la evaluación realizada para los distintos métodos de Predespacho, se tiene que el caso de reserva variable 1.5σt obtiene resultados económicos similares al caso de programación estocástica Tradicional. En consideración de los tiempos de simulación requeridos, este método de Predespacho se perfila como el adecuado para


101

mantener acotados los tiempos de simulación, mientras al mismo tiempo se obtiene un programa técnico-económico eficiente.

Este método, a pesar de ser determinístico y con requerimientos de reserva, representa un importante cambio en el paradigma de la programación de la operación, ya que en la actualidad no se utilizan reservas dinámicas. Más aún, debido a la reducida variabilidad de la demanda del sistema, y al tiempo de simulación que involucra un modelo multimodal con un número importante de restricciones, se utiliza una resolución de ∆=4 Hrs, lo que constituye una aproximación significativa para la variabilidad de la generación eólica, pudiendo conducir a problemas en la operación real, principalmente en aquellas horas donde se programen fuera de servicio algunas unidades y exista una sobrestimación de la generación eólica.

La optimización determinística con reserva variable permitirá obtener una solución

del programa de operación en un tiempo menor, y poder así mantener las distintas restricciones del modelo actual en PLEXOS. Se estima de los diversos análisis que la resolución del problema debe ser la menor posible, cuidando las sobrestimaciones en el caso de tener unidades que deban ser retiradas de la operación durante los momentos de alta disponibilidad de generación eólica. La eficiencia económica de la operación dependerá de cuan diferente es esta solución respecto de la solución obtenida mediante la optimización estocástica.

Recogiendo la experiencia internacional –específicamente el caso Danés– el modelo

estocástico puede resolverse con una representación uninodal del sistema formulando las restricciones de transmisión de manera simplificada. El objetivo de esto es poder comparar la solución obtenida mediante PLEXOS con la resultante de la optimización estocástica, principalmente para verificar las localizaciones de los cambios de estado de encendido/apagado de las unidades y tener una estimación de donde se necesitarían unidades de partida rápida.

Los potenciales beneficios del método de Predespacho escogido también

dependerán de la calidad de la información sobre el recurso eólico, utilizada para crear los escenarios –en el caso de la optimización estocástica– y obtener la desviación estándar horaria de la generación de los parques eólicos. Este es un aspecto crítico en el desarrollo de cualquier modelo para estudiar el impacto de incorporar la energía eólica en los sistemas, ya sea determinístico o estocástico.

Asimismo, es importante destacar que en el capítulo 9 de la NT SyCS se establecen

especificaciones sobre la información técnica que los propietarios de unidades generadoras deben proveer a la Dirección de Peajes (DP) del CDEC. Específicamente, el artículo 9-15 establece exigencias para los propietarios de parques eólicos, los cuales deben entregar:


102

• Distribución de frecuencia para velocidad del viento. • Potencia y energía generable. • Estadísticas de vientos medidos en el lugar de emplazamiento del parque eólico

para al menos los últimos 3 años anteriores a la puesta en servicio de las unidades. Esta estadística deberá ser complementada al inicio de cada año con la estadística real registrada el año inmediatamente anterior.

• Predicción de vientos para horizontes de 24 horas con actualización cada 3 horas.

Si bien hasta el momento no existe ningún parque eólico en funcionamiento en el SING, en el corto plazo se espera la entrada en operación de varios proyectos, algunos de los cuales ya cuentan con aprobación ambiental y además se están realizando distintos estudios relativos a su integración. El CDEC-SING tiene la oportunidad única de acumular información mientras el nivel de penetración sea bajo, con el fin de adquirir experiencia sobre el comportamiento del fenómeno, permitiendo que a futuro se pueda operar el sistema mediante esquemas menos conservadores como el estocástico CORE, propuesto en este trabajo, capturando un mayor margen del beneficio de tener este tipo de tecnología en el sistema.

Es importante considerar los programas de predicción de generación, ya que por

medio de estos se obtiene mejor información sobre la evolución de la velocidad del viento, permitiendo aumentar la eficiencia económica al reducir los requerimientos de reserva. Si consideramos un 1% de disminución en el costo de operación, para el caso del SING esto significa que se ahorrarían alrededor de 10 MMUSD anuales, por el simple hecho de contar con mejor información para llevar a cabo una programación de la operación menos conservadora.

Adicionalmente, para la verificación de la factibilidad técnica de las soluciones, es

recomendable la realización de simulaciones de Monte Carlo de Despacho Económico, las cuales complementarán la información entregada en la programación de la operación, contribuyendo a la seguridad y eficiencia de la operación. En resumen, la metodología para incorporar la energía eólica en la programación de la operación deberá considerar, entre otras cosas, los distintos aspectos mencionados y discutidos ampliamente a lo largo de este trabajo. Respecto de la información sobre generación eólica:

1. Recopilar las estadísticas de información sobre la estadística de viento, curvas de potencia de los aerogeneradores y curvas de potencia del parque eólico completo.

2. Desarrollar un modelo de predicción de generación eólica.


103

Respecto de la programación de la operación:

1. Utilizar un modelo determinístico con reserva variable para realizar la programación del día anterior. Como proyección de la generación eólica se utilizará la predicción vigente, mientras que de la información histórica se obtendrá la desviación estándar horaria.

2. Considerar una resolución de al menos 1 hora en el caso que existan unidades que salen de operación, como los ciclos combinados.

3. Para reducir los tiempos de simulación, como consecuencia del aumento de la

resolución y un requerimiento dinámico de reserva, la restricción de potencia mínima de las unidades de partida rápida puede ser simplificada.

4. Utilizar el método estocástico Tradicional en un modelo del sistema que simplifique la red de transmisión. Este programa debe ser comparado con el obteniendo anteriormente, donde se pueden obtener señales que apunten a mantener la seguridad de suministro, tales como la localización de los estados de encendido/apagado y la presencia de unidades de partida rápida.

Consideraciones adicionales:

1. Implementar simulaciones de Monte Carlo de Despacho Económico para probar la robustez de la solución obtenida en el Predespacho Económico.

2. Utilizar el modelo CORE para asistir las decisiones en la operación de tiempo real, una vez que se ha adquirido mayor experiencia sobre el comportamiento del fenómeno y se tengan las herramientas de predicción y apoyo a la toma de decisiones en tiempo real.

En adición a las consideraciones anteriores, los parámetros técnicos de las unidades son de gran importancia para los montos máximos de energía eólica admisibles en el sistema. La mayoría de las centrales generadoras del SING –especialmente las unidades vapor-carbón– presentan altos tiempos mínimos de operación y tiempos mínimos fuera de servicio, siendo aquellas unidades con tiempos menores –especialmente las unidades de ciclo combinado– las que son programadas fuera de servicio en aquellas horas donde existe una alta penetración de la generación eólica, tal como fue ilustrado en el capítulo anterior.


104

La flexibilidad de las unidades con tiempos mínimos menores a la duración de un frente de viento permite incorporar mayores niveles de generación eólica en el sistema. En la figura siguiente, se muestra el resultado del Predespacho para las unidades del SING considerando una capacidad instalada de 950 [MW] de energía eólica.

Figura 6.1: Predespacho de unidades del SING para el método de reserva variable y 950

[MW] de capacidad instalada de generación eólica.

De los gráficos anteriores se observa que sólo las unidades de ciclo combinado –

que presentan tiempos mínimos menores de acuerdo al Anexo I– son programadas fuera de servicio entre las horas 14 y 20. Adicionalmente, se requiere que las unidades vapor-carbón reduzcan su generación en estas horas, necesitando que entre hora y hora más de una unidad baje de potencia máxima a mínimo técnico. Por ejemplo entre las horas 12 y 13, debido a un aumento de casi 400 MW en la generación eólica, 6 unidades se encuentran a mínimo técnico.

0

100

200

300

400

500

600

700

800

900

0

200

400

600

800

1000

1200

1400

1600

1800

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

NTO1 NTO2 CT_ANDINA CT_HORNITOS CTTAR

ANGAMOS_1 ANGAMOS_2 U14 CTM2 U15

CTM1 U13 U12 Wind hr Profile

Gen

erac

ión

Un

idad

es V

apor

-Car

bón

[MW

]

Gen

erac

ión

Eól

ica

[MW

]


105

Considerando la operación actual del SING y su estructura de información de parámetros técnicos, es posible que en la práctica las unidades no puedan ser puestas fuera de servicio en las horas de alta penetración eólica. Bajo la condición anterior, se tiene que los ciclos combinados siguen en operación a mínimo técnico durante las horas 14 y 20, siendo necesario un mayor desplazamiento de generación de las unidades vapor-carbón para absorber el incremento en la generación eólica. Esto puede llegar incluso hasta el punto en que el sistema no pueda reducir su generación, y consecuentemente no se pueda incorporar más energía eólica en el sistema. El movimiento de las unidades de vapor-carbón para el caso anterior se ilustra en la Figura 6.2, donde en las horas 15 y 18 se evidencia la necesidad de recortar la generación eólica.

Figura 6.2: Predespacho de unidades Vapor-Carbón del SING sin puesta fuera de servicio

de ciclos combinados y 950 [MW] de capacidad instalada de generación eólica.

Del ejemplo anterior, es posible apreciar que la rigidez de los parámetros técnicos

de las unidades del sistema impacta los montos máximos de energía eólica que se pueden incorporar al sistema sin necesidad de limitar la generación eólica. Asimismo, este monto máximo dependerá de la cantidad de unidades presentes en el despacho que pueden reducir su generación, es decir, de la capacidad de bajada de potencia, dada por la diferencia entre la potencia de despacho máxima y mínimo técnico.

En términos del programa de generación de unidades, esta rigidez es equivalente

al caso en el cual no se considera la energía eólica al realizar el Predespacho Económico, ya

0

100

200

300

400

500

600

700

800

900

0

200

400

600

800

1000

1200

1400

1600

1800

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

NTO1 NTO2 CT_ANDINA CT_HORNITOS CTTAR

ANGAMOS_1 ANGAMOS_2 U14 CTM2 U15

CTM1 U13 U12 Wind hr Profile Wind Gen.

Recortes de gen. Eólica

Gen

erac

ión

Un

idad

es V

apor

-Car

bón

[MW

]

Gen

erac

ión

Eól

ica

[MW

]


106

que para el SING, la variabilidad de la demanda no es suficiente para necesitar entrada y salida de unidades. La rigidez de las unidades tiene también un impacto económico en la operación, ya que se desplaza generación de las unidades más económicas –en las unidades vapor-carbón– por mantener en operación a mínimo técnico los ciclos combinados, que tienen un costo variable mayor. Por lo tanto, los elevados tiempos mínimos de operación y fuera de servicio no tan solo influyen en los montos máximos de penetración de generación eólica que el sistema puede incorporar, sino que también en la eficiencia económica de la operación. Finalmente, es preciso señalar que desde el Predespacho Económico se intenta dar suficiencia de reservas a un costo esperado de operación mínimo, compatible para manejar la incertidumbre, sin embargo la energía eólica también presenta desafíos en la operación de tiempo real. Aun cuando –en un caso hipotético– la generación eólica a futuro se pudiese predecir de manera perfecta, la variabilidad inherente al recurso eólico, con grandes aumentos y disminuciones en periodos cortos de tiempo, puede afectar la calidad de servicio del sistema. Actualmente, la demanda del sistema tiene un gran impacto en las desviaciones de frecuencia del sistema, principalmente debido al tamaño del sistema y el esquema manual de control de frecuencia. En la eventualidad de que se desarrollen proyectos de parques eólicos en el corto plazo, es necesario estudiar su impacto en el manejo del balance generación-carga.

En el ejemplo anterior se muestra el resultado del movimiento de las unidades para incorporar una gran cantidad de energía eólica en el sistema, siendo necesario un movimiento conjunto de un número importante de unidades. Como consecuencia de esto, el seguimiento de carga se hace más sofisticado y sensible a los retrasos en la acción correctiva de las unidades, tales como la disminución/aumento de carga de las unidades presentes en el despacho, y el despacho de unidades de partida rápida. Este hecho puede representar una restricción a los montos máximos de generación eólica que se permiten en el sistema, a fin de preservar la calidad y seguridad de servicio.

Capítulo 7

Conclusiones y trabajo futuro

Tras el desarrollo de la metodología propuesta, se abordan los distintos objetivos de este trabajo de manera consistente. Los resultados obtenidos y el correspondiente análisis permiten concluir que se consigue el objetivo principal de este trabajo, contribuyendo al desarrollo de una metodología de Predespacho Económico que integra las principales características de la energía eólica, constituyendo un punto de partida para estudios similares a futuro.

En primer lugar, le extensa revisión bibliográfica permite establecer el contexto del

estudio realizado en este trabajo, obteniendo una primera visión sobre la importancia de la generación eólica en los Sistemas Eléctricos, así como de sus principales características e impactos. De igual manera, se da cuenta de las distintas metodologías que son utilizadas para hacer frente a la incertidumbre, analizando los principales estudios de integración de la energía eólica a nivel mundial, así como las prácticas actuales en los sistemas que ya experimentan los más altos niveles de integración de esta tecnología, como España, Dinamarca y el estado de Texas.

Desde esta revisión se manifiesta la necesidad de desarrollar una metodología

adecuada para que el Sistema Eléctrico pueda incorporar el creciente desarrollo de la energía eólica y lograr sortear la incertidumbre asociada, de manera tal que se mantengan los estándares de calidad y seguridad de servicio, mientras que al mismo tiempo se alcanza una eficiencia económica compatible, aprovechando este recurso renovable.

En base a lo discutido en los primeros capítulos de este trabajo, el objetivo principal

es proponer una solución al problema de determinación de reservas, el cual es abordado mediante el desarrollo de una metodología de Optimización Estocástica de dos etapas, adecuada para representar el proceso de toma de decisiones en el Sistema Eléctrico. Esta metodología se abstrae de la problemática de definir los requerimientos de reserva, como en los métodos determinísticos, ya que estos se obtienen indirectamente a través de los


108

balances generación-carga en escenarios representativos. Es por esto que esta metodología es conveniente para alcanzar el balance entre la factibilidad técnica y eficiencia económica, ya que la incorporación explicita de la incertidumbre en la optimización captura el impacto de la reserva en los costos de operación del sistema.

Los resultados obtenidos en el ejemplo ilustrativo evidencian y dan fuerza al

concepto de la incertidumbre asociada a la generación eólica, ya que para distintas proyecciones sobre la generación para el día siguiente, se obtienen distintos programas de operación de las unidades. La consideración de escenarios conservadores disminuye el riesgo, pero aumentan el costo de operación. La combinación de escenarios en una Optimización Estocástica obtiene un programa que es distinto al obtenido en cada escenario individualmente, manteniendo la seguridad en ambos a un costo razonable.

A pesar de esta ventaja, es posible apreciar una rigidez en la optimización

estocástica que impide una mayor eficiencia económica de la operación. El programa de operación obtenido queda condicionado por los escenarios menos favorables, teniendo un exceso de acciones preventivas en escenarios que si son favorables. En este sentido, las variantes introducidas en el modelo CORE, incorporando como acciones correctivas las decisiones de apagado de los ciclos combinados, logran una mejor ponderación de las probabilidades de los escenarios, aprovechando las flexibilidades del sistema para obtener mejoras adicionales en la eficiencia económica de la operación.

Al mismo tiempo que se obtienen ventajas económicas, este esquema de

Predespacho permite obtener información de utilidad para la operación en tiempo real, ya que se hacen explicitas las acciones correctivas a llevar a cabo para distintas realizaciones de la incertidumbre. Esto constituye una guía de apoyo a las decisiones intradiarias del operador del sistema. Si bien, actualmente las acciones correctivas que se proponen en el método CORE son llevadas a cabo en la práctica cuando son necesarias, al constituir parte de la optimización del Predespacho, se determinan aquellas que son compatibles técnicamente con las necesidades actuales, y que además minimizan el costo esperado de operación. Dada la importancia que adquiere esta información, se vislumbra que bajo esta modalidad de Predespacho es necesaria una discusión adicional sobre como es provista esta información a los distintos agentes del sistema, así como de las políticas de operación y toma de decisiones.

La metodología diseñada para evaluar el comportamiento técnico-económico de los

métodos de Predespacho es adecuada, ya que esta otorga las señales técnicas correctas sobre la capacidad que tienen las distintas metodologías de Predespacho de asignar los recursos suficientes en esta etapa, de manera que el despliegue de estos recursos en la operación real permita enfrentar la incertidumbre eólica, mientras se mantienen los estándares de seguridad y calidad de servicio. La simulación de la operación real es


109

necesaria además para las correctas señales económicas, ya que la comparación de los costos de operación en la etapa de Predespacho puede llevar a señales erróneas sobre los requerimientos de reserva adecuados en el sistema, así como a una cuantificación equivocada de los costos de operación que se tendrán efectivamente en el sistema, producto de las diferencias entre las realizaciones de la incertidumbre respecto de lo considerado en la etapa de Predespacho.

En vista de los resultados obtenidos y al análisis comparativo realizado para los

distintos métodos de Predespacho, es posible concluir que para mantener la eficiencia técnico-económica de la operación, las reservas son necesarias en los montos adecuados y localizadas temporalmente donde efectivamente existe la incertidumbre. Es por esto que el método de reserva variable alcanza una reducción de costos esperados similar al método estocástico tradicional, confirmando además que el método estocástico programa reservas de manera indirecta. Adicionalmente, el adecuado movimiento de acciones preventivas hacia acciones correctivas permite reducir los requerimientos de reservas en giro, trayendo consigo los beneficios económicos adicionales.

Finalmente, respecto de las políticas de operación que deberán considerarse en la

práctica para enfrentar la incertidumbre de la generación eólica, el presente trabajo constituye un primer antecedente para futuros estudios de integración, destacando la metodología para abordar el problema, por sobre de los resultados específicos obtenidos en cada caso. Si bien la optimización estocástica presenta altos tiempos de simulación que condicionan su aplicación práctica, es posible utilizar estos métodos para complementar las definiciones de requerimientos de reserva para el Predespacho Económico. Es preciso reconocer que para alcanzar las ventajas económicas asociadas a las reservas variables y la introducción de acciones correctivas, se presenta como una necesidad un importante cambio en el paradigma actual para la programación de la operación y el manejo de incertidumbres.

Trabajo futuro

Como trabajos futuros que continúan con esta línea de investigación y desarrollo, se proponen abordar los siguientes desafíos de investigación:

• Desarrollo de una metodología para proveer la información del modelo CORE a los distintos agentes del sistema. La información sobre las acciones correctivas es


110

relevante, por lo que se sugiere estudiar las maneras adecuadas de resumir esta información para que sea de utilidad en la operación real.

• Desarrollo de un modelo de simulación de la operación real. En este trabajo se utiliza una optimización One-Shot para el Despacho Económico, por lo que se determinan las acciones correctivas considerando un acoplamiento entre los distintos periodos. Se sugiere explorar métodos distintos que emulen de mejor manera la toma de decisiones en la operación de tiempo real, conectando con la información provista por el método CORE.

• Incorporación de las desviaciones de la demanda. Las desviaciones de la demanda también constituyen una incertidumbre para la operación del sistema, por lo que es de interés estudiar las reservas necesarias para hacer frente a estas, incorporándolas en conjunto con la generación eólica en un esquema de optimización estocástica.

• Desarrollo de modelo dinámico del sistema para estudio del impacto de la generación eólica en la calidad de servicio. Si bien en este estudio se utilizan modelos estáticos, a fin de determinar la suficiencia de las reservas, es de interés de apreciar cómo se comporta el control de frecuencia en este escenario con mayor variabilidad. Principalmente es importante determinar que límites existen para que la regulación manual de frecuencia mantenga los estándares de calidad de servicio.

Referencias

[1] International Energy Agency. Renewable Energy. [Online]. Available: http://www.iea.org/

[2] European Wind Energy Association.About Wind Power [Online]. Available:

http://www.ewea.org/

[3] Rudnick, H., Energía eólica -La generación eólica, Capítulo 4, libro "Energías Renovables No Convencionales: Energía Sustentable para Chile", Colegio de Ingenieros de Chile A.G., Mayo 2010

[4] Corbus, D.; Lew, D.; Jordan, G.; Winters, W.; Van Hull, F.; Manobianco, J.; Zavadil,

B.,"Up with wind," Power and Energy Magazine, IEEE , vol.7, no.6, pp.36-46, November-December 2009.

[5] Andrea Rudnick y HughRudnick“Controlar el cambio climático” Nº 103 Revista

Universitaria [Online]. Available: http://www.uc.cl/ru/

[6] Commision of the European communities “An European Strategic Energy Technology Plan” http://ec.europa.eu/energy/res/setplan/doc/com_2007/com_2007_0723_en.pdf

[7] European Wind Energy Association “Wind in Power 2010 European Statistics”Documents/statistics [Online]. Available: http://www.ewea.org/

[8] American Wind Energy Association (AWEA) “AWEA U.S. Wind Industry Year-End 2010 Market Report" documents/reports[Online]. Available: http://www.awea.org

[9] World Wind Energy Association. Information/Statistics[Online]. Available: http://www.wwea.org/

[10] Servicio de Evaluación Ambiental. E-SEIA/Busqueda de proyectos[Online]. Available: http://www.sea.gob.cl/

Referencias

112

[11] Smith, J.C.; Beuning, S.; Durrwachter, H.; Ela, E.; Hawkins, D.; Kirby, B.; Lasher, W.; Lowell, J.; Porter, K.; Schuyler, K.; Sotkiewicz, P.; , "The Wind at Our Backs," Power and Energy Magazine, IEEE , vol.8, no.5, pp.63-71, Sept.-Oct. 2010

[12] Red Eléctrica de España. Sala de Prensa/Notas de prensa Nov 2008 [Online]. Available:http://www.ree.es/

[13] A. J. Wood and B. F. Wollenberg, Power Generation, Operation and Control, 2nd ed. New York: Wiley, 1996.

[14] Carlos Alberto Benavides Farías, “Herramienta Computacional para el modelo de

predespacho económico de carga” Tesis de Magíster en Ciencias de la Ingeniería, Mención Elécrica.

[15] Comisión Nacional de Energía: Norma Técnica de Seguridad y Calidad de Servicio

2010. [Online]. Available: http://www.cne.cl

[16] Grant, W.; Edelson, D.; Dumas, J.; Zack, J.; Ahlstrom, M.; Kehler, J.; Storck, P.; Lerner, J.; Parks, K.; Finley, C.; , "Change in the air," Power and Energy Magazine, IEEE , vol.7, no.6, pp.47-58, November-December 2009.

[17] North American Electric Reliability Corporation, “Reliability Standardsfor the Bulk Electric Systems of North America,” November 2009.[Online]. Available:http://www.nerc.com.

[18] ENTSO-E Operation handbook, Appendix 1, Load-Frequency Control and Performance. 2009. [Online]. Available:http://www.entsoe.eu/index.php?id=57

[19] UWIG Utility wind integration group, wind integration library [Online]. Available:http://www.uwig.org.

[20] E. Ela, M. Milligan, B. Parsons, D. Lew, and D. Corbus, “The evolution of wind power integration studies: past, present, and future,” Proceedings of IEEE PES General Meeting, Calgary, CA, Julio 2009.

[21] Ela, E.; Kirby, B.; Lannoye, E.; Milligan, M.; Flynn, D.; Zavadil, B.; O'Malley, M.; , "Evolution of operating reserve determination in wind power integration studies," Power and Energy Society General Meeting, 2010 IEEE , vol., no., pp.1-8, 25-29 Julio 2010.

Referencias

113

[22] Ela, E.; Kirby, B.; Milligan, M.; Donohoo, P.; Lew, D.; Holttinen, H.; Lannoye, E.; Flynn, D.; O'Malley, M.; Miller, N.; Børre, P.; Gøttig, A.; Rawn, B.; Gibescu, M.; Gómez, E.; Robitaille, A.; Kamwa, I.; , “Operating Reserves And Wind Power Integration: An international Comparison” National Renewable Energy Laboratory Octubre 2010.

[23] Richard Piwko, XinggangBai, Kara Clark, Gary Jordan, Nicholas Miller, and Joy

Zimberlin. “The Effects of Integrating Wind Power on Transmission System Planning, Reliability, and Operations: Report on Phase 2,” Prepared for The New York State Energy Research and Development Authority, Mar. 2005. [Online]. Available:http://www.nyiso.com/public/webdocs/services/planning/special_studies/wind_integration_report.pdf.

[24] Enernex Corporation, “2006 Minnesota Wind Integration Study Volume I,” Nov.

2006. [Online]. Available:http://www.uwig.org/windrpt_vol%201.pdf. [25] P. Meibom, R. Barth, H. Brand, D. Swider, H. Ravn, and C. Weber, All Island

Renewable Grid Study Workstream 2b—Wind Variability Management Studies, 2007. [Online]. Available: http://www.dcmnr.gov.ie.

[26] Enernex Corporation, “Eastern Wind Integration and Transmission Study,”

Prepared for the National Renewable Energy Laboratory, January 2010.[Online]. Available:http://www.nrel.gov/wind/systemsintegration/pdfs/2010/ewits_final_report.pdf.

[27] D. Lew. (2009). “Western Wind and Solar Integration Study” [Online]. Available:

http://westconnect.com/init_wwis.php. [28] “ERCOT Methodologies for Determining Ancillary Service Requirements”2010

[Online]. Available:http://www.ercot.com

[29] “Analysis of Wind Generation Impact on ERCOT Ancillary Services Requirements” GE Energy, Marzo 2008[Online]. Available:http://www.uwig.org

[30] Ackermann, T.; Ancell, G.; Borup, L.D.; Eriksen, P.B.; Ernst, B.; Groome, F.; Lange, M.; Mohrlen, C.; Orths, A.G.; O'Sullivan, J.; de la Torre, M.; , "Where the wind blows," Power and Energy Magazine, IEEE , vol.7, no.6, pp.65-75, November-December 2009.

[31] C. J. Artaiz, M. I. Docavo, N. Martins, M. Rosa, M. N. Tavares, R. Ferreira, P. Cabral, M. Matos, A. Leite da Silva. “Evaluación de los niveles adecuados de reserva de

Referencias

114

operación en los sistemas eléctricos ibéricos a medio y largo plazo” XIII Encuentro Regional Iberoamericano de Cigré, Argentina, 24-28 May 2009.

[32] Operador del sistema Danés, Energinet.dk, Electricity. [Online]. Available:

http://www.energinet.dk.

[33] T.K. Kristoffersen, P. Meibom, A. Gøttig, "Estimating Tertiary Reserves in the Danish Electricity System". Proceedings of the 8th international Workshop on Large Scale Integration of Wind Power into Power Systems as well as on Transmission Networks for Offshore Wind Farms; 14.-15. October 2009, Bremen, Germany.

[34] Soder, L.; , "Reserve margin planning in a wind-hydro-thermal power system," Power Systems, IEEE Transactions on , vol.8, no.2, pp.564-571, May 1993

[35] S. Persaud, B. Fox, and D. Flynn, “Effects of large scale wind power on total system

variability and operation: Case study of Northern Ireland,” Wind Eng., vol. 27, pp. 3–20, 2003.

[36] Doherty, R.; O'Malley, M. "A new approach to quantify reserve demand in systems

with significant installed wind capacity," Power Systems, IEEE Transactions on , vol.20, no.2, pp. 587- 595, May 2005.

[37] Mary Black; GoranStrbac; , "Value of Bulk Energy Storage for Managing Wind

Power Fluctuations," Energy Conversion, IEEE Transactions on , vol.22, no.1, pp.197-205, March 2007.

[38] Ortega-Vazquez, Miguel A.; Kirschen, Daniel S.; , "Estimating the spinning reserve requirements in systems with significant wind power generation penetration," Power & Energy Society General Meeting, 2009. PES '09. IEEE , vol., no., pp.1-1, 26-30 July 2009.

[39] Jianhui Wang; Shahidehpour, M.; Zuyi Li; , "Security-Constrained Unit Commitment With Volatile Wind Power Generation," Power Systems, IEEE

Transactions on , vol.23, no.3, pp.1319-1327, Aug. 2008

[40] J. R. Birge and F. Louveaux, Introduction to Stochastic Programming. New York: Springer-Verlag, 1997.

[41] A. J. Conejo, M. Carrion, and J. M. Morales. Decision Making Under Uncertainty in

Electricity Markets. Springer, 2010.

Referencias

115

[42] P. Carpentier, G. Cohen, J.-C. Culioli, and A. Renaud, “Stochastic optimization of

unit commitment: A new decomposition framework,” IEEE Trans. Power Syst., vol. 11, no. 2, pp. 1067–1073, May 1996.

[43] Takriti, S.; Birge, J.R.; Long, E.; , "A stochastic model for the unit commitment problem," Power Systems, IEEE Transactions on , vol.11, no.3, pp.1497-1508, Aug 1996.

[44] F. Bouffard, F. D. Galiana, and A. J. Conejo, “Market-clearing with stochastic

security—Part I: Formulation,” IEEE Trans. Power Syst., vol. 20, no. 4, pp. 1818–1826, Nov. 2005.

[45] F. Bouffard and F. Galiana, “Stochastic security for operations planning with significant wind power generation,” IEEE Trans. Power Syst.,vol. 23, no. 2, pp. 306–316, May 2008.

[46] Barth, R. Brand, H. Meibom, P. Weber, C.; “A Stochastic Unit-commitment Model

for the Evaluation of the Impacts of Integration of Large Amounts of Intermittent Wind Power” International Conference on Probabilistic Methods Applied to Power Systems, 2006. PMAPS 2006.

[47] Wind Power Integration in Liberalised Electricity Markets (Wilmar) Project.

Available at: http://www.wilmar.risoe.dk.

[48] Barth, R. Brand, H. Meibom, P. Weber, C “Wind power integration studies using a multi-stage stochastic electricity system model” Power Engineering Society General Meeting, 2007. IEEE.

[49] A. Tuohy, E. Denny, and M. O'Malley, “Rolling Unit Commitment for Systems with Significant Installed Wind Capacity” 2007 IEEE Lausanne Power Tech, pp. 1380–1385, July 1–5, 2007.

[50] A. Tuohy, P. Meibom, and M. O. Malley, “Benefits of stochastic scheduling for power systems with significant installed wind power” in Proc. 10th Int. Conf. Probabilistic Methods Applied to Power Systems (PMAPS), Mayagu�ez, Puerto Rico, 2008.

[51] A. Tuohy, P. Meibom, E. Denny, and M. O'Malley, “Unit Commitment for Systems

With Significant Wind Penetration” IEEE Transactions on Power Systems, vol. 24, no. 2, pp. 592–601, 2009.

Referencias

116

[52] P. Meibom, R. Barth,B. Hasche, H. Brand, C. Weber, M. O'Malley, “Stochastic

Optimization Model to Study the Operational Impacts of High Wind Penetrations in Ireland”IEEE Transactions on Power Systems, vol. 25 Early Access 30 Septiembre 2010.

[53] P.A. Ruiz, C.R. Philbrick, E. Zak, K.W. Cheung, P.W. Sauer, “Applying Stochastic Programming to the Unit Commitment Problem”. Proceedings of the 10th International Conference on Probabilistic Methods Applied to Power Systems, 2008. PMAPS '08.

[54] P.A. Ruiz, C.R. Philbrick, E. Zak, K.W. Cheung, P.W. Sauer, “Uncertainty

Management in the Unit Commitment Problem”. IEEE Transactions on Power Systems, Volume: 24 , Issue: 2. Publication Year: 2009.

[55] P.A. Ruiz, C.R. Philbrick, and P.W. Sauer, “Wind Power Day-Ahead Uncertainty

Management through Stochastic Unit Commitment Policies”. Proceedings Power Systems Conference and Exhibition, Seattle, Wash., March 2009.

[56] P.A. Ruiz, C.R. Philbrick, P.W. Sauer, “Modeling Approaches for Computational

Cost Reduction in Stochastic Unit Commitment Formulations”. IEEE Transactions on Power Systems Volume: 25 , Issue: 1. Publication Year: 2010.

[57] Jose Miguel Vera. “Incorporación del recurso eólico en esquemas de Despacho

Económico con restricciones de seguridad” Memoria de Ingeniero Civil Electricista, 2010.

[58] P. Norgard and H. Holtinnen, “A multi-turbine power curve approach,” in Proc.

Nordic Wind Power Conf., Gothenburg, Sweden, 2004. [59] Li, Qun; Huang, Xinyuan; , "Researchon Text Clustering Algorithms," Database

Technology and Applications (DBTA), 2010 2nd International Workshop on , vol., no., pp.1-3, 27-28 Nov. 201.

[60] Janos Abonyi; BalazsFeil: Clustering Toolboox for MATLAB. Department of

Process Engineering University of Veszprem [Online]. Available: http://www.fmt.vein.hu/softcomp/

[61] GLPK – GNU Linear Programming Kit [Online]. Available:

http://www.gnu.org/software/glpk/

Referencias

117

[62] PLEXOS for Power Systems – Power Market Simulation and Analysis Software [Online]. Available: http://www.energyexemplar.com/

[63] Le Xie; Carvalho, P.M.S.; Ferreira, L.A.F.M.; Juhua Liu; Krogh, B.H.; Popli, N.; Ilic, M.D.; , "Wind Integration in Power Systems: Operational Challenges and Possible Solutions," Proceedings of the IEEE , vol.99, no.1, pp.214-232, Jan. 2011.

Anexos

Anexo I. Parámetros técnicos unidades del SING

A continuación se presentan los parámetros técnicos de las unidades generadoras del SING, utilizados en el caso de estudio.

Tipo de

Unidad

Potencia

máxima

Potencia

mínima

Costo

Variable

Reserva

Primaria

Limite

Reserva

en giro

Tiempo

min.

Operación

Tiempo

mín. fuera

de servicio

Costo de

Partida

Costo de

Parada

Consumo

s Propios

MW MW USD/ MWh MW MW Hr Hr USD USD MW

H 1.6 0.01 0.0 0 0 0 0 0.0 0.0 0.0

H 3 0.01 0.0 0 0 0 0 0.0 0.0 0.0

H 1 0.01 0.0 5 - 0 0 0.0 0.0 0.0

H 1 0.01 0.0 5 - 0 0 0.0 0.0 0.0

CC 0 0 0.0 0 - 24 2 0.0 0.0 0.0

VC 135 65 41.3 5 - 48 48 6717.8 6717.8 9.0

VC 135 65 42.7 5 - 48 48 6938.8 6938.8 9.0

VC 154 74 44.5 11 - 48 48 4005.0 4005.0 16.0

VC 154 74 44.5 11 - 48 48 4005.0 4005.0 16.0

VC 140 100 45.0 7 - 48 48 675.2 675.2 9.0

VC 241 130 46.7 18 - 48 48 4203.0 4203.0 28.0

VC 241 130 46.7 18 - 48 48 4203.0 4203.0 28.0

VC 122 75 49.4 10 - 48 24 3705.0 3705.0 8.0

VC 154 90 49.5 12 - 120 48 4455.0 4455.0 11.0

VC 116 75 49.5 10 - 48 24 3712.5 3712.5 8.0

VC 149 90 50.5 5 - 120 48 4545.0 4545.0 11.0

VC 80 50 57.1 6 - 48 24 2855.0 2855.0 6.0

VC 77 50 59.8 8 - 48 24 2990.0 2990.0 6.0

TG2A+TG2B+TV (GNL) CC 332 310 121.0 22 - 0 0 0.0 0.0 0.0

TG2A+TV (GNL) CC 166 155 125.0 11 - 0 0 0 0 0

TG2B+TV CC 166 155 126.0 11 - 0 0 0 0 0

FCC1 (G2A) CC 0.1 0.05 0.1 0 - 5 5 18755 18755 8

FCC1 (G2B) CC 0.1 0.05 0.1 0 - 5 5 18755 18755 8

CC 226 160 137.5 11 - 4 4 20625.9 20625.9 7.5

CC 340 202 140.4 14 - 4 4 21062.9 21062.9 7.0

PR 6.8 0.85 121.2 0 0.85 12 1 0.0 0.0 0.0

PR 6 5 132.2 5 1 5 1 0.0 0.0 0.0

PR 103 5 138.8 8 2 5 1 0.0 0.0 0.0

PR 28.6 6 138.9 5 0.8 5 1 0.0 0.0 0.0

PR 6 4.5 152.4 5 0 5 1 0.0 0.0 0.0

G1A+G1B+TVd CC 332 310 175.0 22 - 0 0 0.0 0.0 0.0

G1A+TVd CC 166 155 183.0 11 - 0 0 0 0 0

G1B+TVd CC 166 155 184.0 11 - 0 0 0 0 0

FCC1 (G1A) CC 0.1 0.1 0.1 0 - 24 24 27125 27125 8

FCC1 (G1B) CC 0.1 0.1 0.1 0 - 24 24 27125 27125 8

CC 226 160 185.0 11 - 24 8 24050.0 24050.0 7.5

VC 33 15 190.9 5 - 24 8 2864.1 2864.1 1.5

VC 33 15 201.3 5 - 24 8 3019.4 3019.4 1.5

PR 4.8 0.8 198.3 0 0 0 0 0.0 0.0 0.0

PR 3 1 204.9 5 0 0 3 0.0 0.0 0.0

PR 8 1 212.2 0 0 0 0 0.0 0.0 0.0

PR 3 1 216.3 0 0 0 3 0.0 0.0 0.0

PR 3 1 216.9 0 0 0 3 0.0 0.0 0.0

PR 4 1 220.8 4.5 0 0 0 0.0 0.0 0.0

PR 5 1.03 227.4 0 0 0 0 0.0 0.0 0.0

PR 1 0.36 230.2 0 0 0 0 0.0 0.0 0.0

PR 28 10 234.0 10 18 5 0 0.0 0.0 0.3

CC 340 202 234.7 14 - 24 24 23465.9 23465.9 7.0

PR 19 10 248.6 5 9 5 0 0.0 0.0 0.0

PR 19 8 266.3 5 11 0 0 0.0 0.0 0.0

PR 1 0.722 267.4 0 0 0 0 0 0 0

PR 2 0.653 293.8 0 0 0 0 0 0 0

PR 17 10 300.9 8 7 5 0 0 0 0

PR 17 10 300.9 8 7 5 0 0 0 0

H Hidro

CC Ciclo Combinado

VP Vapor-Carbon

PR Diesel/Partida Rápida

TG1

DEUTZ

TG3

U16 Diesel

TGIQ

TGTAR

CUMMINS

M2AR

M1AR

SUIQ

ZOFRI_2-5

ZOFRI_1-6

U10

U11

ZOFRI_7-12

MIIQ

GMAR

ANGAMOS_2

U14

CTM2

U15

CTM1

U13

U12

CC1

NTO1

NTO2

CT_ANDINA

CT_HORNITOS

CTTAR

CAVA

CHAP

MHA1

MHA2

SALTA ( TV )

MIMB

MAIQ

ANGAMOS_1

CC2

CTM3 Diesel

TG2

CTM3 GNL

U16 GNL

INACAL

MSIQ

SUTA

Anexos

119

Anexo II. Disponibilidad de unidades

En el presente anexo se resumen las consideraciones sobre la disponibilidad de las

unidades del SING para el caso de estudio.

• Unidad SALTA indisponible para el SING.

• Unidades de vapor-carbón U15 y CTM1 indisponibles.

• Unidad de Ciclo Combinado U16 con GNL disponible para 250 [MW] y con diesel

disponible para 340 [MW].

• Unidad de Ciclo Combinado CC1 con GNL disponible para una turbina de

combustión (TGA) y con diesel disponible para ambas TG.

• Unidad de Ciclo Combinado CC2 sin GNL disponible y con diesel disponible para

ambas TG.

• Unidad de Ciclo Combinado CTM3 sin GNL disponible y con diesel disponible

para 226 [MW]

• Unidad de partida rápida Diesel Tamaya (SUTA ) con un 50% de disponibilidad.

• Unidades de partida rápida MIMB, M1AR, ZOFRI 2- 5, TG2 indisponibles.