EVALUACION DE FACTIBILIDAD PROBABILISTICA PARA

PROYECTOS HIDROELECTRICOS CON @RISK

En este curso intensivo práctico de 4 días se introduce el uso de herramientas sofisticadas de
simulación Monte Carlo con @RISK y de optimización con RISKOptimizer, para el desarrollo y
ejecución integral de una evaluación de factibilidad en un proyecto de generación hidroeléctrica.
Al finalizar este curso, el participante será capaz de modelar todas las piezas clave requeridas para
evaluar un proyecto de generación hidroeléctrica incorporando sus componentes clave de
hidrología, generación, uso de embalses, estructuras tarifarias y estructuras de financiamiento. El
primer día se introduce el uso del @RISK para Excel como herramienta para el montaje de
modelos estocásticos; los días dos y tres, se detalla el modelo hidroeléctrico y su estructura de
financiamiento. El último día se optimiza el modelo con RISKOptimizer
NUM TOPICO DETALLE
DIA 1: INTRODUCCION AL @RISK Y A LA SIMULACION MONTE CARLO
Modelos determinísticos y probabilísticos, simulación Monte Carlo-¿Qué es?
Introducción a la
¿Porqué es importante?, ¿Porqué llevar a cabo evaluaciones de riesgo?,
1 evaluación de
software de evaluación de riesgo de Palisade Corporation, guía de utilización
riesgo
de herramientas de Palisade
Puntos clave en la cuantificación de la incertidumbre, fundamentos de
Probabilidades y probabilidad, características de las distribuciones de probabilidad,
2 evaluación de incertidumbre en un punto en el tiempo versus incertidumbre a lo largo del
riesgo tiempo, modelos a ser utilizados para demostrar cómo realizar una evaluación
de riesgo
Preliminares, celdas de variabilidad, celdas de salida, revisión de estructura
del modelo @RISK, correlación de variables, ajuste de la simulación, selección
Introducción al
3 de reportes de Excel, inicio de simulación, revisión de resultados, verificación
@RISK
de convergencia de los resultados de distribución, distribuciones útiles para el
analista de riesgos principiante
Examen visual de distribuciones, examen de la funcionalidad de sobreposición
Inserción de
en RISKview, distribuciones Truncadas, el Artista de Distribuciones en @RISK.
4 distribuciones de
Exploración de distribuciones de probabilidad seleccionadas disponibles en
probabilidad
@RISK
Introducción, interdependencia entre variables inciertas, ¿Qué es
correlación?, clarificación de la confusión entre la correlación y qué tan
Variables
pronunciada es una pendiente, efecto de correlación entre dos variables de
aleatorias
5 entrada @Risk en una simulación, correlación jerarquizada, la importancia de
correlacionadas
la correlación a la distribución resultante, estimación del Producto-Momento
en @RISK
Pearson y las Correlaciones jerarquizadas de los datos, creación de una nueva
tabla de correlación.
Introducción, reducción de las alternativas, estándar de la industria,
Introducción a la
distribución Normal, distribución Lognormal, distribuciones normal truncada y
selección de
6 lognormal truncada, distribución Pert, distribución Beta General,
funciones de
distribuciones Discretas, distribución binomial, otras Distribuciones,
distribución
estimación de distribuciones usando datos, estimación de distribuciones
 basada en la información de expertos, decidiendo entre distribuciones
alternativas.

Se construye un modelo de flujo de caja empresarial utilizando los conceptos

Construcción de
fundamentales de operación de @RISK. El propósito de este módulo es
un modelo de
integrar los conocimientos, prácticas y herramientas aprendidas a lo largo
7 flujo de caja
dela capacitación introductoria al @RISK utilizando para ella el módelo clásico
ejemplo con
de valuación de flujos financieros para la obtención de un valor actual neto y
@RISK
una tasa interna de retorno.
DIAS 2 Y 3: CONSTRUCCION DEL MODELO HIDROELECTRICO
En este módulo se enseña cómo incorporar la información de aforos, tomas
muestrales de series históricas, curvas acumuladas de percentil y demás
información de caudales, para construir curvas de probabilidad en Excel /
@RISK. El @RISK realiza esta tarea ajustando la data presentada a su
biblioteca de distribuciones de probabilidad y escogiendo la que se ajuste de
mejor manera a los caudales históricos o extrapolados. La información de
caudales constituye la data primitiva para la construcción de modelos de
9 Hidrología
generación hidroeléctrica. Esta es la representación estadística de aforos
puntuales muestrales o de modelos hidrológicos especializados que
extrapolan caudales para una cuenca en particular. El @RISK usa esta
información de curvas probabilísticas utilizando más de 60 tipos de
distribuciones de probabilidad. También con el @RISK se pueden simular
eventos de teoría de valor extremo para simular las frecuencias y severidades
de años “secos” y “húmedos”, años ENSO, etc.
El modelo de simulación debe transformar la información de caudales en
poder de generación hidroeléctrica. Ya sea con embalses o a filo de agua, los
Generación
10 caudales estocásticos generarán potencial de capacidad eléctrica tomando en
hidroeléctrica
cuenta, entre otras, las siguientes variables: caudales, caída, eficiencias (de
turbina y generador), variación de capacidad según franjas horarias tarifarias.
De acuerdo a estacionalidades y franjas horarias diarias, las tarifas de un
modelo hidroeléctrico variarán. Un modelo así puede optimizarse para
obtener el mejor uso de la capacidad instalada y aprovechar las estructuras
11 Tarifas
tarifarias. Las variables cronológicas también tienen un impacto sobre la
estructura tarifaria y de generación: número de días por mes, (días de fin de
semana y entre semana),
El uso de embalses permite optimizar estrategias de generación de acuerdo a
estacionalidades, estructuras tarifarias, caudales, capacidad de generación y
otras variables. El tamaño del embalse puede optimizarse tomando en cuenta
12 Embalses
el costo de su inversión, y su capacidad de maximizar los ingresos de un
proyecto hidroeléctrico. Esto se realiza al incorporar la gestión dinámica de
un embalse a lo largo de las franjas horarias diarias en el modelo.
El montaje de un modelo típico de flujos financieros descontados para la vida
económica del proyecto para la obtención de un VAN y una TIR es la etapa
Modelo de flujos integradora final. En este etapa se incorporan de forma estocástica aquellas
13
financieros variables que impactan financieramente la estructura del proyecto, tales
como gastos pre-operativos y operativos, periodos del proyecto, valor
residual, tasa de descuento, tasa fiscal, estructura de financiamiento del
 proyecto para evaluar el TIR y VAN del proyecto como tal y del proyecto
apalancado.

DIA4: ANALISIS INTEGRAL Y OPTIMIZACION

El @RISK se utiliza para obtener estadísticas descriptivas en situaciones en
donde tomamos decisiones bajo incertidumbre. Con el RISKOptimizer,
Introducción al
8 podemos realmente encontrar la MEJOR decisión a realizar bajo
RiskOptimizer
incertidumbre. El siguiente ejemplo sencillo nos introducirá al poder del
RISKOptimizer.
Con el @RISK incorporado en el modelo, será posible simular miles de
escenarios posibles al considerar todos los valores probabilísticos generados
durante la simulación Monte Carlo. Una vez generada la simulación, es posible
obtener la dispersión probable de los resultados sobre las variables de salida
Ejecución de
(TIR, VAN, flujos periódicos, etc.), el impacto relativo que tienen las distintas
14 simulaciones y
variables de entrada sobre el modelo (caudales, capacidad instalada, costos
escenarios
de inversión, gastos operativos, etc.) También es posible generar sofisticados
análisis del tipo Que Pasa Si, es decir, análisis de escenarios, en donde se
permutan los valores de aquellas variables críticas y se valora el impacto que
las mismas tienen por sobre los resultados de salida del modelo.
Al menos dos variables son clave a la hora de tomar decisiones estratégicas en
cuanto a un proyecto de generación hidroeléctrica: la capacidad instalada de
Optimización de la turbina/generador y el tamaño del embalse. La definición en cuanto a las
15
variables clave mismas puede ser optimizada utilizando el RISKOptimizer, el cual es una
herramienta que permite optimizar de forma estocástica en modelos que
contengan variables de simulación @RISK.