optimización en simsee de agendas gnl...los mismos se conectarán a dos redes de combustible...
TRANSCRIPT
––
––
1 Introducción
El propósito de este trabajo es presentar la herramienta “OptimA” en desarrollo en el marco del proyecto ANII_FSE_1_2013_1_10957 del Fondo Sectorial de Energía de la ANII.
La plataforma SimSEE (Simulaciónde Sistemas de Energía Eléctrica) [SimSEE]permite realizar simulaciones de laoperación óptima de sistemas de generacióneléctrica en que participan centrales degeneración de fuentes múltiples einterconexiones eléctricas.
En la terminología usada en SimSEE,las centrales de generación, las
interconexiones, las demandas, los Nodos (obarras), los Arcos (o líneas de transporte deenergía) son llamados Actores. Se denominaSala (o Sala de juego), al “tablero” en el quelos Actores realizarán su juego durante lasimulación del sistema. Por extensión sellama “Sala” (o archivo de Sala) al archivo(documento) en el que se guarda toda laespecificación de un sistema a simular.
SimSEE permite simular la operaciónóptima de un sistema de energía modeladocomo un sistema dinámico con restricciones.Para la operación óptima SimSEE utilizaProgramación Dinámica Estocástica (PDE)al estilo de la popularizada por Bellman [2].Como es conocido y puede verse en lamisma referencia, este algoritmo adolece de
1
Optimización en SimSEE de Agendas GNL
Autor/es: Ruben Chaer, Sebastián Beledo, Lorena Dichiara, Fernando Fontana, Pablo Soubes y Enzo Coppes..Empresas: Instituto de Ingeniería Eléctrica – FING – UDELAR y UTECargos: Prof. Agregado e investigadores.
1.1.1.1 DATOS DE LA EMPRESADirección: PARAGUAY 2431Código Postal: 11800Teléfono: (598) 22090051Fax: (598) 22002927E-Mail: [email protected]
PALABRAS-CLAVE: MODELADO REGASIFICADORA, RED DE COMBUSTIBLE, GNL, Optimización GNL, Despacho Hidrotérmico Simulación.
IIE- FING – UDELAR (Instituto de Ingeniería Eléctrica – Facultadde Ingeniería – Universidad de la República Oriental del Uruguay.) - URUGUAYUTE ( Administración Nacional de Usinas y Trasmisiones Eléctricas.) - URUGUAYMontevideo – Uruguay -28 de mayo de 2014
Código de subtema, OM1-1
la “Maldición de la Dimensionalidad deBellman”. Esta Maldición, implica que elalgoritmo explota en cuanto a la dimensióndel problema y por consiguiente en sutiempo de ejecución en la medida en que lasdimensiones necesarias para representar elestado del sistema crecen.
Uruguay está construyendo su primer plantaregasificadora de GNL, la cual tendrá unacapacidad de almacenamiento deaproximadamente 250.000 m3 y capacidadde regasificación de 10:000.000 m3/día deGas Natural (GN). Estará operativa amediados del año 2015.
La energía almacenada en laRegasificadora es aproximadamente el 70%de la energía embalsable en el mayor lago deUruguay (Bonete), lo cual muestra que éstaserá el segundo almacén de energía del país.
El sistema hidroeléctrico deUruguay, imprime una variabilidad en laenergía anual de entre 100% y 40% de lademanda eléctrica del 2010. Esto muestra lavariabilidad a la que estará sujeta lageneración con GN dado que será la únicageneración con despacho 100% gestionable.
OptimA, es un optimizador deagendas de compras de cargos de GasNatural Licuado (GNL) programado sobre laplataforma de Simulación de Sistemas deEnergía Eléctrica (SimSEE).
La compra de Cargos de GNL serealizará en barcos con una capacidad delorden de los 145.000 m3. Hay dos tipos decargos, “los de Agenda” y “los Spot”. Loscargos de Agenda se deben programar desdeun cierto mes determinado (por ejemplo enOctubre) para todo el año siguiente. LosSpot deben ser solicitados con unaantelación de entre 6 y 12 semanas (a mayorantelación mayor probabilidad de lograr unbuen precio). El precio esperado de loscargos de Agenda es inferior al de los cargosSpot.
OptimA tiene en cuenta todas estasrestricciones y resuelve un problema de
optimización que tiene por objetivominimizar el valor esperado del costo futurode abastecimiento de la suma de lasdemanda del sector eléctrico y del sectorgasífero del país. El resultado es “LaAgenda Anual” y “Política de ComprasSpot” óptimas.
La Agenda Anual, es el listado de lasfechas de arribos de los cargos de Agenda.
La Política de Compras es una tablade decisión que según el Estado del Sistema(por ejemplo volumen de agua almacenadoen Rincón de Bonete y el volumen de GNLen la Regasificadora) indica si corresponde ono hacer una solicitud de un embarque Spot,el desvió de un cargo anteriormenteagendado o no tomar ninguna acción.
En este trabajo se presentan losresultados obtenidos en la simulación de unprobable parque de generación del sistemaeléctrico uruguayo en el 2016, considerandouna Agenda de GNL predeterminada yconsiderando una Agenda de GNLoptimizada.
2 Modelado de la red de combustible
Se define para el proyecto una red decombustible, modelada con una estructurasimilar a la de la red eléctrica, para cada tipode combustible. Esta red de combustible secompone de actores que suministran yconsumen combustible, y actores llamadosarcos que conectan los nodos (puntos deconexión de suministros y consumos).
Los actores que abastecen decombustible a la red pueden ser: laRegasificadora, o suministros externos (ejgasoducto). Los actores que consumencombustible pueden ser: demandas decombustible o generadores térmicos bi-combustible. En el caso de que seangeneradores térmicos bi-combustiblefuncionando con dos tipos de combustibles,
2
los mismos se conectarán a dos redes decombustible diferentes.
En la Figura 1 se muestra un ejemplode dos redes de combustible.
La Red de Combustible A está compuestapor un suministro_combustible que inyectacombustible a un nodo de suministro, apartir del cual se transporta por un arco hastaun nodo de consumo que alimenta lademanda 1 de combustible y a un generadorbi-combustible.
La Red de Combustible B está compuestapor una regasificadora que inyectacombustible a un nodo de suministro, apartir del cual se transporta por el arco hastaun nodo de consumo que alimenta lademanda 2 de combustible y al mismotiempo alimenta también al generador bi-combustible. Red de Combustible A Red de Combustible B
Figura 1 - Ejemplo de Redes de Combustible
Descripción de los actores de la red decombustible
El Nodo Combustible es un punto deconexión donde los diferentes actorespueden suministrar o consumir combustible.En cada Nodo de Combustible se debecumplir instantáneamente que el balance deentrada y salida de combustible sea cero. Se
muestra en la Figura 2 un esquema de unNodo Combustible.
Figura 2 - Esquema de Nodo de Combustible
Balance en el Nodo Combustible:
Donde
Si: Suministro i de Combustible al NodoCombustible
Dj: Consumo j de Combustible del NodoCombustible
El Arco Combustible conecta dos NodosCombustible del sistema, y de esa formapermitir el flujo de combustible entre losmismos. La red de transporte decombustibles se modela a partir de nodos yarcos de combustible, definiendo en losarcos las restricciones de capacidad,disponibilidad y pérdidas de transporte.
Para indicar el sentido del flujo decombustible, se debe cargar la informacióndel nodo de combustible de entrada y el desalida. En el caso en que se quiera modelarun flujo de combustible bidireccional, esnecesario crear dos arcos de combustibleindependientes, permutando los nodos decombustible de entrada y salida.
Los arcos de combustible solo puedenconectar dos Nodos Combustible del mismotipo. Eso significa que si un nodo decombustible tiene asociado un combustibleA, únicamente puede conectarse a través deun arco de combustible con otro nodo de
3
combustible que tenga asociado el mismotipo de combustible A.
La Demanda de Combustible modela lademanda no eléctrica del sistema. Todademanda de combustible se debe asignar aun nodo de combustible del sistema.
En forma análoga al sistema eléctrico,cuando no es posible satisfacer la demandade combustible se dice que se produce una“Falla” en el suministro de combustible.Para ello, se definen los Escalones de Fallacon sus costos asociados. Cuando sepresenta la situación de déficit decombustible los “máquinas virtuales de fallade combustible” entran en servicio parasatisfacer la demanda de combustible delnodo. El despacho de estas máquinas defalla es un indicador del déficit del sistema yla cantidad de combustible que involucra. Sedebe cumplir que la suma de lasprofundidades de los escalones de falla debeser siempre igual a 1 para poder asegurarque en todo momento se cubra la demanda.
El Generador Bi-Combustible se conecta ados nodos de combustible (combustibles“A” y “B”), permitiéndole generar conambos combustibles.
Las centrales bi-combustibles actuales yproyectadas son turbinas de gas y cicloscombinados modernos, donde las posiblesrestricciones de tiempos de arranques sondespreciables en simulaciones de paso diarioo superior. Asimismo, la cantidad deunidades de generación dentro de lascentrales hace que los mínimos técnicospuedan ser considerados de segundo ordenen el problema de optimización de lasagendas de GNL. Por esta razón se decidióimplementar un modelo de generador bi-combustible sin mínimos técnicos nirestricciones de arranque.
Las variables de control del generador sonlos caudales y de consumo delcombustible “A” o “B” respectivamente enel poste “i” y la variable indica la porcióndel tiempo del paso del poste “i” que lacentral utiliza el combustible “A”.
La potencia del generador en el poste “i” se muestra en la Ec.1
Ec. 1 - Potencia del generador bi-combustible en el poste i
Las variables y tienen valorescomprendidos entre 0 y el valor máximo quecorresponde a la potencia nominal delgenerador. Se asume que la potenciamáxima del generador es la misma con losdos combustibles.
La variable varia en el intervalo [0, 1]donde en los dos extremos la central utilizaun solo combustible en el poste. Concualquier valor intermedio, la central utiliza
del tiempo del poste del combustible “A”y del tiempo del poste el combustible“B”.
A los efectos de poder representar por unmodelo lineal, la Ec.1 la misma puede sersustituida por la ecuación y restricciones quese muestran en la Ec.2.
Ec. 2 - Potencia del generador bi-combustible en el poste i, modelo lineal.
El Suministro de Combustible abastececombustible del tipo que se especifique(líquido o gas) tanto a demandas comogeneradores. En el caso de los últimos, dadoque pueden ser bi-combustibles, podrántener más de un suministro.
El punto de conexión de cada suministroserá en el nodo de combustiblecorrespondiente, cuyo funcionamiento se haexplicado anteriormente.
La Regasificadora es un suministrador decombustible con un tanque asociado dondese almacena el GNL. Adicionalmente tieneuna Agenda de embarques de GNL con loscargos asociados y un vector de decisiones
4
para las próximas semanas. Las decisionespueden ser de desviar un cargo, comprar uncargo al Spot, o seguir con lo que indique laAgenda.
Los parámetros físicos de la Regasificadoraincluyen el volumen del tanque dealmacenamiento de combustible, donde sedebe especificar el número dediscretizaciones, el volumen inicial decombustible (estado inicial), el precio delvertimiento, las pérdidas por boíl off, elcaudal máximo de GNL, el rendimiento ylos consumos propios.
Los precios de los cargos del volumen deGNL que intervienen a la hora de laoptimización son el precio del cargo deagenda, el precio Spot del GNL y el preciode desvío de un cargo de agenda.
La Agenda está implementada como unvector booleano de paso de tiempo semanalcon su fecha de inicio, donde el 0 significaque no hay cargo de GNL agendado para esasemana y el 1 que hay un cargo agendado.
El vector de representación del estado de lasdecisiones, también es de tipo booleano y depaso de tiempo semanal, el largo del vectorpor defecto es 6 (aunque puede sermodificado por el usuario).
En la Figura 2 se muestra un esquema de laplanta regasificadora.
Figura 2 - Esquema de la regasificadora
Donde:
Ventrada es el volumen de GNL que ingresaa la regasificadora, que es una función quedepende directamente de la Agenda deembarques, del vector de decisiones y de loscostos de los combustibles.
Q_cons_final es lo consumido por poste enla Regasificadora por los actores deconsumo conectados (a través de un arco odirectamente) al nodo de suministro.
Vvertimiento es el volumen que se vierte encada paso de simulación por falta decapacidad en el tanque.
Q_BOG es el caudal evaporado en cadapaso de simulación que se calcula deacuerdo a la siguiente expresión.
Durposi es la duración del i-esimo poste.
El número 610 representa el factor deconversión de GNL a Gas Natural.
GNL VMáx[m3] y GNL VMín[m3] son el volumen máximo y mínimo de GNL en el tanque.
V_GNL es el volumen de GNL en el tanque (Variable de Estado del sistema).
3 Estrategia de Optimización de la Agenda y las Decisiones de compra Spot y Desvíos.
En la necesaria lucha contra laMaldición de la Dimensionalidad deBellman se debe buscar formas de reducir ladimensión del espacio de estado del sistemay en este sentido, el arte está en analizar elproblema concreto y simplificar en aquellosaspectos del modelado que no tenganimpactos relevantes sobre los resultados.
5
Un barco demora entre 20 y 30 días enllegar desde los diferentes terminales decarga de GNL hasta Uruguay. Cuando llegael barco demora del orden de 72 horas endescargar. Todos estos tiempos sonestimados y pueden verse afectados por lascondiciones de viento, oleaje, etc.
En base a estos tiempos, se considerópara simplificar que los barcos puedenarribar con una precisión de semanas y quesolo puede haber un arribo por semana.
En la práctica podría haber más de unarribo por semana, pero conociendo que: lacapacidad de los buques que realizarán lasdescargas es del orden de los 140.000 m3, yque la capacidad de regasificación de lainstalación será de 10:Mm3/Día (diezmillones de metros cúbicos de Gas Naturalpor día, que corresponden a 16.393 m3 deGNL por día), se concluye que un buque de140.000 m3 de GNL sería utilizado en 8.54días con la regasificadora funcionando aplena carga todo el tiempo.
Esto muestra que no hay necesidad desuponer más de un arribo por semana. Salvoque se pensara en buques de menor tamaño.
Una vez decidida la Agenda para el añosiguiente, la misma es un dato que puedecodificarse con un vector de ceros y unoscon un casillero para cada semana con un“uno” si hay un cargo de Agenda en esasemana y un “cero” en caso contrario. Sibien esa información es parte del Estado delSistema, al poderse codificar completamentedependiendo del tiempo no incrementa lasdimensiones del espacio de estado sino quequeda incorporada con el resto de lascaracterísticas del sistema que dependen deltiempo. Ahora bien, lo que no quedacodificado temporalmente son las accionesque es posible tomar sobre cada semana.Dada una semana del futuro, si en la Agendahay un “uno” entonces se espera un cargopara esa semana y la decisión está entre nohacer nada (o sea esperar el arribo) oprogramar un desvío del buque. En caso deser desviado el buque se supone que sucarga es vendida a un precio “PrecioDesvío”. El perjuicio de tomar la decisión dedesvió es por tanto Precio Desvío – Precio
Agenda. Si Precio Desvío < Precio Agendaserá un perjuicio, sino será un beneficio. Sipor el contrario, en la semana del futuroseleccionada en lugar de un “uno” en laAgenda hay un “cero”, quiere decir que enesa semana no se espera ningún cargo deAgenda y por tanto la acción posible esprogramar un cargo comprado en el mercadoSpot. Este cargo será comprado al “PrecioSpot”.
Tanto para la programación de unDesvío o de una Compra Spot, se suponeque se debe tener una antelación de Nsemanas. Típicamente N tendrá que tomarvalores entre 6 y 12. Cuanto mayorantelación en una decisión más riesgo encuanto a la oportunidad para el sistema deldesvió o de la compra spot segúncorresponda, pero mayor oportunidad deconseguir mejor precio por el cargodesviado o por el cargo comprado (al alza oa la baja respectivamente). En este trabajo sesupone una antelación de las decisiones dedesvió o compra Spot de 6 semanas.
Es así, que las decisiones se puedencodificar en un único vector de 6 variablesbooleanas. Supondremos este vectorindexado de xd[0], xd[1] .... xd[5].Representando xd[0] la decisión tomada 6semanas atrás y que tiene consecuenciassobre la semana actual. Si en xd[0] = 0(cero) significa que no se toma ningunaacción adicional a la Agenda, o sea, serespeta la Agenda. Por el contrario, sixd[0] = 1 (uno) significa invertir elcontenido de la Agenda, es decir, si hay uncargo agendado para la semana en curso elmismo no arriba pues hace 6 semanas seprogramó su desvió y si no hay ningún cargoagendado igualmente arribará un cargocomprado al Spot programado hace 6semanas.
Como parte de la operación de cadasemana hay que decidir si se programaalguna acción para dentro de 6 semanas.Esto implica calcular cuál será el vector dedecisiones para la próxima semana. Alavanzar una semana en el tiempo, el vectorde decisiones experimenta un corrimiento encada uno de sus casilleros, donde lasdecisiones en cada casillero se actualizan
6
con las decisiones de los casilleros de lasiguiente semana. El pseudo código Pascalque representa esto es :
For k:= 0 to 4 do xd[k]:= xd[k+1];
Adicionalmente se debe completar laposición que corresponde a la programaciónde la acción que tendrá lugar dentro de 6semanas. Para tomar esta acción, aplicandoel algoritmo de PDE, el modelo observa laafectación del futuro por tomar la decisión yen base a la misma, programa la acción o no.Técnicamente se observa la variación de lafunción del Bellman (costo esperado de laoperación futura por tomar o no la acción).
4 OptimA
En la sección anterior, se mostró cuál es laestrategia de modelado de la Agenda y delas decisiones de modificación posibles entiempo de operación. Una vez fijada unaagenda, es posible calcular el valoresperado del costo futuro de operación conla plataforma SimSEE, optimizando lasdecisiones de Desvió y compras Spot. Estopermite armar un problema de optimizaciónen que para cada Agenda se calcula dichovalor esperado de la operación futura. Estaevaluación es costosa en tiempo de cómputoy la característica de que la evaluación sebasa en una simulación de Monte Carlosobre un número de sorteos finitos que haceque el problema sea del tipo “Función deAlto Costo de Evaluación” lo que lo hacecandidato para utilizar la herramientaOddFace (Optimizador distribuido deFunciones de alto costo de Evaluación; vercap.VI de [ANII-FSE2009-18]).El programa OptmiA es una aplicación deOddFace para obtener la Agenda óptima.Para la programación de OptimA se suponeque la Agenda a Optimizar es la del próximoaño (52 semanas) y que luego detranscurridas las 52 semanas de la Agenda elsistema continúa con compras Spot.
5 Descripción de la Sala
Se realiza la simulación de la operación del sistema utilizando un horizonte de tiempo deun año y medio, desde el 1/7/2015 hasta el 1/1/2017. Se utiliza un paso de tiempo semanal, con cuatro postes horarios.
Las características del parque generador se detallan en la tabla XX:
Generador Potenciaacumulada
(MW)
Fecha
Eólico 640 1/7/2015Eólico 1200 1/11/2015
Motores 80 1/7/2015CTR 200 1/7/2015PTI 300 1/7/2015
Biomasa 168 1/7/2015Biomasa 216 1/5/2016
Hidráulica 1515 1/7/2015Ciclo Comb. 180 1/6/2015Ciclo Comb. 180 1/7/2015Ciclo Comb. 180 1/9/2016Fotovoltaico 200 1/7/2015 Se considera que se dispone de GNL a partirdel 1/7/2015.
A los efectos del despacho energético, seconsidera que los generadores eólicos,fotovoltaicos y de fuente de biomasa tienencosto variable cero. Se habilita laexportación de hasta 300 MW de excedentesde energía eléctrica a un precio de 15USD/MWh.
Las centrales térmicas tienen los siguientescostos variables:
Generador Costo variable orendimiento.
CTR - GO 279 [USD/MWh]Motores - FO 160 [USD/MWh]
PTI -GO 39%Turbina de Ciclo Comb.
35%
Ciclo Comb. 52%
Las Turbinas de ciclo combinado y PTI semodelaron como generadores bi-
7
combustibles, donde su CV depende delprecio del combustible utilizado y elrendimiento de la máquina. El combustible autilizar en los mismos puede ser GN oGasoil.
Los parámetros físicos de interés de laregasificadora considerados en la simulaciónson: el volumen inicial de GNL (145000m3), el volumen máximo (265000 m3) ymínimo del tanque de GNL (15000 m3), lacantidad de discretizaciones a los efectos dela consideración del estado del almacén seconsiderada fue 10 (diez) puntos dediscretización correspondiendo los extremosa los volúmenes máximo y mínimo. ElBoiloff se supuso como 2.89 m3/s de GasNatural en forma independiente del volumenalmacenado. Los consumos propios de laplanta regasificadora se modelaron comoCP = 0.67 + 1.76 Q_GN siendo Q_GN elcaudal de “sendout” expresado en m3/s deGas Natural.
El volumen del cargo es 145000 m3 y losprecios considerados para el GNL son: elprecio de agenda (13 USD/MBTU), elprecio de desvío (7 USD/MBTU) y el preciode Spot (18 USD/MBTU). El precio devertimiento (3 USD/MBTU). (Valoresestimados a partir de la informaciónpública en Internet al solo efecto de probarel modelo).
Las Agendas consideradas comienzan apartir del 1/1/2016. Se muestran acontinuación los vectores de Agendasutilizadas para los dos casos comparados:
Agenda optimizada0001000100000000001000000000000000000000000100000000 Agenda sin optimizar1000000100000010000010000001000001000000100000100000
El vector de toma de decisiones inicial para las 6 semanas es todo cero.
6 Resultados
Los resultados se obtuvieron para 2 casos deestudio. El primero con una Agenda sinoptimizar, que cuenta con 8 cargosdistribuidos uniformemente en un año, y elsegundo que cuenta con una Agendaoptimizada con el módulo OptimA.
6.1 Comparación de agendas
En la Figura 3 y 4 se presentan los cargos deGNL obtenidos en la simulación para laAgenda sin optimizar y para la Agendaoptimizada.
Figura 3 – Cargos de GNL con Agenda sin Optimizar
Se observa que, el primer cargo se compraal Spot debido a que la Agenda comienza apartir del 1/1/2016. A partir del comienzo dela Agenda se realizan en promedio 4 cargosde GNL. Para las probabilidades deexcedencia analizadas, se destaca quesiempre se desvían entre 3 y 5 cargos.
Figura 4 – Cargos de GNL con Agenda Optimizada
Al igual que en el caso anterior se observaque, el primer cargo se compra al Spot y quea partir del comienzo de la Agenda se
8
realizan en promedio 4 cargos. Conprobabilidad de excedencia de 10% secompra un cargo al Spot, y con probabilidad90 % se desvía un cargo.
6.2 Despacho de gas natural(consumido, desviado y vertido)
En las Figuras 5 y 6 se presenta los cargosde GNL que son descargados, desviados yvertidos, para las Agendas sin optimizar yoptimizada.
Para la Agenda sin optimizar, se observa queal principio se tiene un cargo Spotdescargado, y luego hacia el final de lasimulación, en el promedio de las crónicassimuladas, se desvían más cargos que alcomienzo.
Figura 5 – Movimientos de GNL con Agenda sin Optimizar(GNL Descargado, Desviado y Vertido)
Para la Agenda optimizada, se observa que,para el promedio de las crónicas simuladas,se desvía medio cargo.
Figura 6 – Movimientos de GNL con Agenda OptimizadaOptimizar (GNL Descargado, Desviado y Vertido)
6.3 Consumo de Gas Natural y Gas Oilde los Generadores Bi-Combustibles.
De los resultados obtenidos en lassimulaciones se observa que en ambos casoslos generadores bi-combustible operan todoel tiempo con gas natural (no operan con gasoil)
En las Figuras 7 y 8 se muestran losconsumos de gas natural de los generadoresbi-combustibles.
Figura 7 – Consumo Promedio de Gas Natural, Agenda sinOptimizar.
Figura 8 – Consumo Promedio de Gas Natural, AgendaOptimizada.
En ambos casos el consumo es menor a2Mm3/día.
6.4 Volumen de gas en la regasificadora.
En las Figuras 9 y 10 se observa elcomportamiento del volumen de GNL en eltanque para el caso con Agenda sinoptimizar y el caso con Agenda optimizadarespectivamente.
9
Figura 9 – Volumen de GNL almacenado en el tanque,Agenda sin Optimizar.
Figura 10 – Volumen de GNL almacenado en el tanque,Agenda Optimizada.
Se observa que los saltos “verticales” de lasdel volumen del tanque de las Figuras 9 y 10corresponden a arribos de cargos de GNL.Considerando que la descarga de un cargocompleto de GNL es 145.000 m3, los saltosmenores se pueden considerar como cargascon desvíos (Ver Figuras 5 y 6).
En ambos casos antes del 1/1/2016 hay 1salto (compra en el mercado Spot) y a partirdel 1/1/2016 la Agenda Optimizada tienemenos saltos cuya amplitud se asemeja mása los 145.000 m3 que los de la Agenda sinOptimizar.
En el caso con la Agenda Optimizada lospicos de la curva de probabilidad 10%corresponden con las crónicas en las cualesse recibe menos de 4 cargos, contando elcargo Spot. Similar observación se puedehacer para la curva del 90% y para el casode agenda sin optimizar.
6.4 Despacho promedio por fuente
En las Figuras 11 y 12 se observa eldespacho promedio por fuente durante todoel periodo de simulación.
Figura 11 – Despacho Promedio, Agenda sin Optimizar.
Figura 12 – Despacho Promedio, Agenda Optimizada.
El Despacho Promedio presentan una fuertecomponente hidráulica, eólica y de Biomasa(estas últimas no sujetas a despachocentralizado) que cubren prácticamente todala demanda del sistema.
En ambos casos la energía entregada a partirde GN es similar lo que concuerda con elhecho de que se reciben la misma cantidadde cargos en ambos casos (ver Figuras 3 y4).
La generación con Gas Natural representa enpromedio el 5% de la demanda de energíaeléctrica.
6.5 Costo marginal del sistema
En las Figuras 13 y 15 se presenta el costomarginal del sistema y en las Figuras 14 y16 el costo marginal del gas natural.
10
Figura 13 – Costo marginal del sistema eléctrico, Agendasin Optimizar.
Figura 14 – Costo marginal del GN, Agenda sin Optimizar.
Figura 15 – Costo marginal del sistema eléctrico, AgendaOptimizada.
Figura 16 – Costo marginal del GN, Agenda sin Optimizar.
El comportamiento del costo marginal delsistema en ambos casos es muy similar.
Se observa que hay una correlación entre lasfluctuaciones en el costo marginal del gasnatural y las del costo marginal del sistemaeléctrico.
6.6 Comparación Valor Presente delcosto directo por crónica.
En la Figura 17 se observa el Valor Presentedel costo directo por crónica en el períodoentre el 1/7/2015 y el 31/12/2016.
Figura 17 – Comparación del Valor Presente del costodirecto por crónica con Agenda Optimizada y sinOptimizar.
En la Figura 18 se observa el histogramacorrespondiente a la Figura 17.
Figura 18 – Histograma comparativo del Valor Presente delcosto directo por crónica con Agenda Optimizada y sinOptimizar.
Se puede apreciar que para crónicas decondiciones no extremas (las crónicasextremas son las primeras y las ultimas) elValor Presente del Costo Directo es menorsiempre para el caso de la AgendaOptimizada.
11
7 Conclusiones
De los resultados obtenidos en lassimulaciones se concluye que:
Los cargos de GNL con la Agenda sinoptimizar son muy similares a los de laAgenda sin optimizar. La AgendaOptimizada presenta menor cantidad dedesvíos que la Agenda sin Optimizar.
Los generadores bicombustible en amboscasos operan con gas natural todo el tiempo(no operan con gas oil) y el DespachoPromedio de las centrales los mismosrepresentan el 5% de la demanda de energíaeléctrica.
Existe una correlación directa entre el costomarginal del gas natural y el costo marginaldel sistema eléctrico.
Por último el Valor Presente del costodirecto del sistema (salvo en condicionesextremas) es menor con la AgendaOptimizada, lo que implica ahorros alsistema.
8 Referencias
[SimSEE] Gonzalo Casaravilla, RubenChaer, Pablo Alfaro, SimSEE : Simulador de Sistemas de Energía,
Eléctrica. Proyecto PDT 47/12. Technical
Report 7, Universidad de la República
(Uruguay). Facultad de Ingeniería. Instituto de
Ingeniería Eléctrica, Number 7 - Dec. 2008.
http://iie.fing.edu.uy/publicaciones/2008/CCA08a/CCA08a.pdf
[Bellman] Bellman, R.E. 1957. DynamicProgramming. Princeton University Press,Princeton, NJ. Republished 2003: Dover, ISBN0-486-42809-5
[ANII-FSE2009-18] Enzo Coppes, FedericoBarreto, Carlos Tutté, Fernanda Maciel, MarceloForets, Eliana Cornalino, Milena Gurín Añasco,María Cristina Álvarez, Felipe Palacios, DanielCohn.y Ruben Chaer. Memoria Del ProyectoANII-FSE2009-18. Nov. 2012 – Montevideo –Uruguay.http://iie.fing.edu.uy/simsee/biblioteca/anii_fse_2009_18/memoria_fse_2009_18_MejorasSimSEE.pdf
12