Modelo de estimación espacial de consumos eléctricos para la planificación de sistemas de transmisión

José Manuel InfanteTesis de magíster Ciencias de la Ingeniería Eléctrica

Memoria de Título Ingeniería Civil Eléctrica

ComisiónRodrigo Palma - Profesor guía

Walter Brokering – Profesor coguía - primer integranteJorge Cerda – Profesor invitado - segundo integrante

Juan Carlos Araneda – Experto invitado

Indice

1. Motivación2. Introducción3. Propuesta del modelo de estimación4. Anexos al modelo5. Conclusiones

Motivación

Análisis de la industria eléctrica

Antecedentes: Sector con niveles de inversión bastante altos Recuperación de inversiones en el mediano-largo plazo Crecimiento sostenido de consumos, tanto en energía como en

demanda máxima Largos períodos de estudio y construcción de obras

Consecuencias

Necesidad de hacer inversiones constantemente Necesidad de tomar decisiones en forma anticipada Niveles de incertidumbre bastante altos Decisiones mal tomadas se traducen en costos elevados

Motivación

Etapas dentro de la planificación de SEP

1. Estudio de la demanda2. Análisis de alternativas de inversión3. Evaluación económica4. Análisis de factibilidad5. Toma de decisiones

Estimación de demandacondiciona fuertementeel proceso de planificación

Motivación

Propuesta de un modelo

Propuesta modelo de estimación de consumos

Análisis estadístico

Inteligencia artificial

Optimización

Señales para laexpansión del

sistema

Entrada de datospara modelosde simulación

Estimaciónfactores

ambientales

Mediciones,historia

Conocimiento de expertos

Introducción

Horizontetemporal

Estimacionescorto plazo

< 1 año

Estimacionesmediano plazo

~ 5 años

Estimacioneslargo plazo> 10 años

- Operación del sistema- Compra de materia prima- Coordinación planes de

mantenimiento de unidades

- Planificación de la expansióndel sistema

Estado del arteCriterios de clasificación

Componente temporal

Introducción

Resoluciónespacial

Estimacionesglobales

Estimacionesespaciales

- Planificación de expansiónen generación

- Planificación de expansiónen Transmisión y distribución

Estado del arteCriterios de clasificación

Componente espacial

Introducción

Estimaciones espaciales¿Por qué no han sido ampliamente

desarrolladas en la industria? Simplificación excesiva en la abstracción del mundo

real. Uso de modelos distorsionados Dificultad en la adquisición de datos espaciales

(problema tecnológico)

Chile: año 2000 comienzan a aparecer mediciones horarias

Objetivo tesis: proponer una metodología que permita obtenerresultados confiables en base a la información disponible

Propuesta modelo de estimación

¿Cómo sobrellevar las restriccionesy desarrollar un modelo confiable?

Enfoquesde estimación

Análisis deseries de tiempo

Modelos deregresión

Estimaciones se basan enla causalidad del proceso

Consumo eléctrico es un proceso fuertemente causal

Estimaciones se basanen comportamientohistórico de la serie

Propuesta modelo de estimación

Factores macroeconómicos

Estacionalidades semanales y anuales

Factores culturales (feriados)

Uso del suelo de cada zona

Causalidad del consumo eléctrico

Fuerte dependencia en otras variables

Propuesta de un modelo de estimación debeconsiderar integral estos factores

Propuesta modelo de estimación

Características generales modelo propuesto

Estimaciones se realizan a nivel de zonasCaso del SIC: 14 zonas

Estimaciones son prorrateadas entre barras principales del sistemaCaso del SIC

- 49 barras actualmente

Distinción entre consumos vegetativos y determinísticos

- Diferenciación de zonas11 zonas vegetativas3 zonas determinísticas

- Identificación de consumos principales (tratados como determinísticos)

Manejo de incertidumbres: uso de escenarios

Principio de modelamiento: causalidad del consumo eléctricoVariable consideradas: PIB y uso de suelos

Propuesta modelo de estimación

Uso de suelos

Nivel poblacional

Nivel industrial

Nivel comercial

Muy difícil de obtener

Se miden indirectamentea través de empleo,

datos del Censo

Uso suelos Consumo eléctrico

Caracterización de cada zona

Propuesta modelo de estimación

Desarrollo de estimaciones

Estimación de consumo

a nivel de zonas

Prorrateo deestimacionesentre barrasprincipales

Estimaciones devariables de

entrada

Definición deescenarios

Propuesta modelo de estimación

Estimación de consumo a nivel de zonas

Resultadosrequeridos

Estimacióncrecimiento

consumo energético

Estimacióncambio de forma deperfiles de consumo Pueden ser

tratados demanera

independiente

Propuesta modelo de estimación

Estimaciones cambios de perfiles

Análisisde forma de

perfiles de consumo

Normalización de datos

División por la energíadiaria consumida

Identificaciónde

estacionalidades

Etapa de clustering

Relacióncon

uso de suelos

Análisis de componentesindependientes

Propuesta modelo de estimación

Estimaciones cambios de perfilesIdentificación de estacionalidades – algoritmo de clustering

365 días del año

2-May 27-Sept 1-Abr 16-Oct

365 días del año

Zona Cardones Chilectra y V Región

Propuesta modelo de estimación

Estimaciones cambios de perfiles

Relación con uso de suelos – ICA

Perfilzona 1

Curva base 1

ICA

Perfilzona 2

Perfilzona n

.

.

.

Uso de suelos

Curva base n

.

.

.

Curva base 2

Industria Comercio Residentes

ZONA

Propuesta modelo de estimación

Estimaciones cambios de perfiles

Resultados

Desarrollo minero en zona de Chilectra – V region Desarrollo poblacional en zona de Cardones

Propuesta modelo de estimación

Variables de entradaUso de suelos

Escenario económico - PIB

Modelo fuzzy logic

Conocimientode expertos

Estimaciones crecimiento consumo energía

Propuesta modelo de estimación

Estimaciones crecimiento consumo energía

Consumos estimados zona Chilectra – V Region

Crecimiento PIB estimado en un 3 % Crecimiento PIB estimado en un 6 %

Demandas diarias máximas [MW] Demandas diarias máximas [MW]

Propuesta modelo de estimación

Consumosprincipales

actualizados

Datos históricosconsumo por barra

Pérdidasestimadas al

interior de la zona

Asignaciónbarra 1

Asignaciónbarra 2

Asignaciónbarra 3

Perfil estimado a futuro

Aspectos finales

Filtrado de errores en datos

Aspectos finales

Representación por bloques

Chena 110

Estimaciones Entrada modelo de coordinación hidrotérmico

21,8

21,9

22

22,1

22,2

22,3

22,4

1

Carrera Pinto 220

0100200300400500600

1

Aspectos finales

Plataforma utilizada: Matlab Utilización OOP

Incorporación de cambios topológicos Actualización de datos

Implementación

Conclusiones

Objetivos cumplidos en forma satisfactoria

Aspectos pendientes Análisis de propagación de errores (faltan

años de información) Incorporar un modelo de localización de

actividades Incorporar efecto de GD sobre estimaciones