Modelos ayuda decisión sector eléctrico

Modelos de ayuda a la decisión en el sector
eléctrico
Dr. Álvaro Martínez Valle

Repsol Electricidad y Gas
Máster Universitario en Energías Renovables Distribuidas

Universidad de Córdoba
Índice
1 Introducción a los sistemas de energía eléctrica (SEE)
2 Modelado y simulación de los SEE
3 Programación lineal: despacho económico de centrales
4 Programación lineal entera mixta: oferta y autoprogramación
5 Ejercicios propuestos
2
1 Introducción a los SEE
TOPOLOGÍA DE LOS SEE: Esquema tradicional
Comercializadores
Productores (1) Transportistas (2) Distribuidores (2) Consumidores
(1)
3
TOPOLOGÍA DE LOS SEE: Un cambio de perspectiva
El funcionamiento tradicional
• Tecnologías maduras.
• Suministro en condiciones de
calidad y seguridad.
• Flujos unidireccionales.
Nuevas redes ‘más inteligentes’

• Nuevos activos y equipos.
• Flujos bidireccionales de energía e
información.
• Automatización de la operación
mediante equipamientos digitales.
• Integración TICs.
4
Fuente: EPRI (2011) 4
TOPOLOGÍA DE LOS SEE: Hacia dónde vamos…
PV Generación distribuida Plantas de generación virtuales

Clientes finales o plantas de Tecnología de agregación de recursos
pequeña potencia distribuidos
Modelo de relación con cliente
Comercialización 100% digital,
proporcionando una nueva experiencia a
los clientes
Automatización de la
P2P SMART HOME
construcción
Economía de la “compartición” Un hogar provisto de luz,
Sistemas de energía eficientes
también en energía calefacción y dispositivos
actuando directamente sobre el
que es controlable de
edificio y proporcionando
forma remota
flexibilidad a la red
Almacenamiento de energía
Vehículos eléctricos
Energía que es almacenada y
No sólo cómo un sistema alternativo de movilidad, si no
convertida en eléctrica cuando se
también de almacenamiento que puede interactuar con la red
necesita
5
TOPOLOGÍA DE LOS SEE: Evolución del sistema eléctrico
• Mayor relación con el cliente

Nuevos productos y servicios, mayor transparencia,
mejor control de la energía.
• Innovación técnica
Gestión de la demanda, automatización del hogar, E-
movilidad/vehicle-to-grid, generación distribuida.
• Política energética y regulación
Sostenibilidad medioambiental, competitividad y
seguridad de suministro.
• Evolución del mercado
Mercados europeos liberalizados, nuevos agentes,
volatilidad de precios.
6
EVOLUCIÓN DE LA ORGANIZACIÓN DEL S.E.: Entorno tradicional (…<1997)
- Electricidad = Servicio público (Intervención estatal)

Coordinador
- Concepto de empresa eléctrica verticalmente integrada
centralizado
- Explotación unificada y centralizada (costes estándar)
UP1 UP2 UPn-1 UPn
Red de Transporte
Distr. 1 Distr. 2 Distr. n-1 Distr. n
Cliente 1 Cliente 2 Cliente n-1 Cliente n
7
EVOLUCIÓN DE LA ORGANIZACIÓN DEL S.E.: Entorno competitivo (1998… actualidad)

- Liberalización del sector eléctrico (en España con Ley 54/1997 del S. E.)
- Separación de actividades:
- Generación y comercialización  Libre competencia.
- Actividades de red (T&D) Reguladas centralizadamente.
- Existencia de un mercado mayorista de electricidad. Descentralización de
la operación y
planificación
UP1 UP2 UPn-1 UPn
Red de Transporte
Distr. 1 Distr. 2 Distr. n-1 Distr. n
Cliente 1 Cliente 2 Cliente n-1 Cliente n
8
EVOLUCIÓN DE LA ORGANIZACIÓN DEL S.E.: Entorno competitivo (1998… actualidad)
- Mayor eficiencia en las decisiones de inversión.

- Eliminación de los incentivos perversos de los sistemas de precios regulados (sobre-
inversión).
- En el medio plazo, la eficiencia en la asignación de recursos se traduce en un menor coste
de suministro.
VENTAJAS
- La interacción de oferta y demanda produce una mayor presión para que los precios
reflejen niveles competitivos y para que los productores reduzcan sus costes.
- Incentivos a desarrollar nuevos servicios y formas contractuales (gestión más eficiente de
riesgos y preferencias de los consumidores).
- Atracción de inversión interior y exterior.
- Dificultad de desarrollar una normativa de coordinación eficiente en el corto plazo.

- Complejidad del entramado de regulación y legislación que conforma el marco
regulatorio ↔ reformas radicales en el diseño del mercado.
PERO…
- Nº de agentes participantes, concentración y poder mercado.
- Objetivos de política energética  potencial distorsión de los mecanismos de mercado.
- Desequilibrios regionales (UE - mercado único interior de la energía).
9
FUNCIONAMIENTO DEL MERCADO ELÉCTRICO
Oferta de Generación Oferta de Generación Oferta de Generación

A B C
Unidad Generadora Unidad Generadora Unidad Generadora

A B C
OPERADOR DEL
MERCADO
Ofertas
aceptadas
RED RED (T&D)
DE TRANSPORTE
REGULADOR
OPERADOR DEL
Datos SISTEMA
Liquidación
Flujo de energía Demanda Demanda Demanda
Flujo de información
A B C
Oferta de Adquisición Oferta de Adquisición Oferta de Adquisición

A B C
10
FUNCIONAMIENTO DEL MERCADO ELÉCTRICO: el caso español
Demanda • Ofertas de compra

sensibles al precio
(bombeo, consumidores
industriales, exportación
diaria, etc.)
• Generación de punta
con pocas horas de
Precio de casación funcionamiento (i.e.
hidráulica con bajo nivel
de embalse)
• Generación con coste de producción o

• Generación “fluyente” (nuclear, régimen de oportunidad (hidráulica de
especial, hidráulica fluyente), importación a embalse, carbón, ciclo combinado),
plazo y mínimos técnicos de grupos importación diaria
térmicos.
11
https://www.omie.es/es/market-results/daily/daily-market/aggragate-suply-curves?scope=daily&date=2020-11-10&hour=10

Secuencia de mercados
Fuente: Energía y Sociedad (contenido on-line) 12


Integrado en el Mercado Europeo de Electricidad
- Objetivo: creación de un mercado diario de electricidad integrado que abarque a toda la UE.
- Algoritmo “Euphemia”: proceso de subasta y casación + asignación simultánea de la capacidad de
13
intercambio.
PRECIO DEL MERCADO: un componente de la tarifa eléctrica
14
Índice
15
¿QUÉ ES UN MODELO?
Definición: “Esquema teórico, generalmente en forma matemática, de un sistema o de una realidad
compleja, como la evolución económica de un país, que se elabora para facilitar su comprensión y el
estudio de su comportamiento.” (diccionario de la R.A.E.)
• Representación precisa de una realidad.
• Herramienta de ayuda a la toma de decisiones.
• Puede involucrar un equipo multidisciplinar.
• Equilibrio entre representación detallada y capacidad de obtener la solución. Riesgos:
 Modelado exhaustivo, cuasi real: puede ocasionar la carencia de un algoritmo que solucione el
problema.
 Modelado simplista para utilizar un algoritmo disponible: pueden llegar a darse soluciones de un
problema que no existe.
• 2 roles fundamentales:
 Modelador: especifica y desarrolla el modelo.
 Experto: conoce el problema real.
16
¿QUÉ ES UN MODELO?
- Análisis y detección de las relaciones entre datos.
- Suposiciones y aproximaciones a los problemas.
CIENCIA - Algoritmos específicos de solución.
+
- Soluciones del modelo.
- Visión o interpretación de la realidad.

- Estilo en modelo y documentación.
ARTE
- Elegancia y simplicidad en desarrollo.
- Uso creativo de herramientas.
BENEFICIOS
- Organiza la información disponible.
- Estructura la comprensión del comportamiento del sistema.
- Permite compartir supuestos entre modelador y experto.
- Proporciona una herramienta para el análisis.
- Indica dirección de mejora en las decisiones.
‘All models are wrong, some models are useful’ (George Box) 17
ETAPAS EN EL DESARROLLO DE UN MODELO
1 Identificación del problema
2 Especificación matemática y formulación
3 Resolución
4 Verificación, validación y refinamiento
5 Interpretación y análisis de resultados
6 Implantación, documentación y mantenimiento
18

• Es imprescindible asegurarse de que el modelo
representa
2 adecuadamente
Especificación la realidady que
matemática pretende
formulación
reflejar.
• El mejor modelo no sirve de nada si los datos de
entrada no están adecuadamente refinados.
3 Resolución
19

• Definición de variables, ecuaciones, función objetivo,
parámetros.
3 Resolución
• Identificación del tipo de problema (LP; MIP; NLP…)
• Análisis de tamaño y estructura del problema.
• El tiempo
4 deVerificación,
menos dedicado al modelo
validación conceptual
y refinamiento
retrasa de forma exponencial la implantación del
modelo.
20
3 Resolución
• Algoritmo de obtención de solución óptima, cuasi-
óptima o, al menos, satisfactoria.
• Diferentes métodos de optimización:
 Métodos clásicos:
o Listas de prioridad.
5 oInterpretación
Programación linealy(LP).
análisis de resultados
o Programación lineal entera mixta (MILP).
o Programación no lineal.
o Optimización estocástica. documentación y mantenimiento
6 Implantación,
o Programación dinámica.
 Métodos metaheurísticos (Inteligencia Artificial):
o Algoritmos evolutivos (genéticos).
o Fuzzy Logic (teoría de conjuntos borrosos).
o…
21
3 Resolución

• Eliminación de errores en codificación.
• Comprobar validez de simplificaciones adoptadas.
• Comprobación de adaptación a la realidad.
• Ampliación en el modelado por nuevas necesidades.
22
3 Resolución

• Análisis de sensibilidad en parámetros de entrada.
• Robustez de la solución óptima.
23
3 Resolución

• Etapa fundamental para el éxito de un modelo.
• Documentación clara, precisa y completa.
• Manual de usuario con especificación técnica
funcional, matemática e informática.
24
Panorámica de modelos de programación empleados en el S.E.
• Expansión de la capacidad de
transporte y generación. • Gestión de la cuota de
• Gestión del riesgo. mercado. • Oferta estratégica:
Mercados
• Contratos de largo plazo. • Predicción de precios.  Mercado diario.
liberalizados
 Compra de • Estimación presupuestaria.  Mercados de servicios
combustibles. • Simuladores de oferta en complementarios.
 Derivados financieros mercados de derivados.
de los mercados energét.
• Expansión de la capacidad de
transporte y generación. • Gestión de los • Despacho económico.
• Ciclos de mantenimiento y aprovisionamientos de CB (gas, • Programación horaria de
Sistemas reforma de centrales. carbón, etc.) centrales térmicas.
regulados • Gestión de la energía: • Coordinación hidrotérmica de • Coordinación hidrotérmica de
 Ciclo del combustible medio plazo. corto plazo.
nuclear.  Valor de las reservas • Gestión de los ciclos de
 Gestión de embalses hídricas. bombeo.
hiperanuales.
Largo plazo Medio plazo Corto plazo Alcance

temporal
25
Índice
26
3 PL: Despacho Económico
DESPACHO ECONÓMICO DE CENTRALES: una aplicación de la P.L.

Supongamos que queremos maximizar los beneficios de operación de un sistema compuesto por
2 generadores de ciclo combinado (CCGT), cuyas características son:
• Beneficio de producir con el generador 1: c1 = 3 €/MWh
• Beneficio de producir con el generador 2: c2 = 5 €/MWh
• Potencia máxima de salida G1: b1 = 4 MW
• Potencia máxima de salida G2: b2 = 6 MW
• Potencia de salida efectiva G1: x1 = ?? MW (variable a calcular)
• Potencia de salida efectiva G2: x2 = ?? MW (variable a calcular)
• Las plantas comparten el sistema de refrigeración, de forma que su producción conjunta ha de
cumplir la relación: 3x1 + 2x2 ≤ 18
Forma canónica de un L.P.

Maximizar 3x1 + 5x2 Max/Min cT x
Sujeto a: x1 ≤ 4 Sujeto a: A x ≤ b
x2 ≤ 6 x≥0
3x1 + 2x2 ≤ 18 x Є Rn, c Є Rn, A Є Rmxn, b Є Rm
x1 ≥ 0
x2 ≥ 0 27
DESPACHO ECONÓMICO DE CENTRALES TÉRMICAS: una aplicación de la P.L.

Resolución:
 Método algebraico del SIMPLEX x2
 Método de los multiplicadores de Lagrange.
 Método gráfico (2 variables):
Solución óptima
Maximizar 3x1 + 5x2
Sujeto a: x1 ≤ 4
x2 ≤ 6 (0,6) (2,6)
3x1 + 2x2 ≤ 18
x1 ≥ 0
x2 ≥ 0
(4,3)
(0,0) (4,0)
x1
Teorema fundamental de la P.L.: “Si un problema de P.L. tiene una solución óptima,
ésta tiene que ser una solución básica factible.” 28
DESPACHO ECONÓMICO CON RESTRICCIONES DE RED
https://www.entsoe.eu/data/map/ 29
Modelado completo “AC” de una línea de transporte (modelo en ):
1 1
2 2
−
= cos − + sen − +
+ + +
1
=− sen − + cos − + −
+ + + 2
30
Modelo “DC” sin pérdidas. Se deriva del modelo AC a través de diversas simplificaciones:
• Tensiones nodales de módulo unidad.

≅1
• Fases de las tensiones nodales son próximas a cero.
≅ 0 ⇒ cos( ) ≅1
• Aproximar el seno de ángulos de valor próximo a cero por el argumento de la función
seno.
≅ 0 ⇒ sen( ) ≅
• Componentes resistivas y capacitivas de las impedancias de línea despreciables (vs.
reactivas):
≫ , ⇒ ≅ 0, ≅0
− 1 1
= =− + =0
31
DESPACHO ECONÓMICO CON RESTRICCIONES DE RED. FORMULACIÓN
Minimizar
, ∀ ∈
Sujeto a:
Mínimo técnico y máxima potencia
≤ ≤ ∀ ∈Ω
por unidad de generación
−
− ≤ ≤ ∀( , ) ∈ Ω í Flujo de potencia máximo por línea
de transporte
−
+ = ∀ ∈Ω Balance de potencia por nudo
∀ ∈ ∀( , )∈ í
=0 Nudo de referencia (origen de

fases)
32
DESPACHO ECONÓMICO CON RESTRICCIONES DE RED. FORMULACIÓN

Índices:
es el índice de las unidades de generación, pertenecientes al conjunto de instalaciones del
sistema (Ω ).
es el índice de los nudos del sistema (Ω ).
( , ) son los índices que denotan aquellos nudos del sistema conectados mediante líneas de
transporte (Ω í ).
Variables:
es la producción de la unidad .
es el ángulo de fase de la tensión en el nudo . Tomamos el nudo 1 como origen de fases, = 0.
Parámetros:
es el coste variable de producción de la unidad .
es el mínimo técnico de la unidad .
es la capacidad máxima de la unidad .
es el flujo máximo de potencia activa admisible a través de la línea ( , ).
es la reactancia de la línea ( , ).
33
es la demanda del nudo .
DESPACHO ECONÓMICO CON RESTRICCIONES DE RED. EJEMPLO

Sea el sistema de energía eléctrica compuesto por dos generadores y cuatro cargas, conectados
mediante las siete líneas de transporte que se muestran en la figura:
1 2
0.20puMW
3 4 5
0.45puMW 0.40puMW 0.60puMW
Líneas (Ω í ) 1-2 1-3 2-3 2-4 2-5 3-4 4-5 Coste variable Potencia máxima Potencia mínima
Admitancia [ = Generador
16,67 4,17 5,56 5,56 8,33 33,33 4,17 (€/puMWh) [ ] (puMW) [ ] (puMW)
1/ ] (puS) 1 5 1,1 0,4
Flujo máximo
2,0 0,8 0,6 0,6 1,2 0,4 1,4 2 6 1,2 0,5
[ ] (puMW)
¿Producción óptima de cada generador, coste de operación y flujo de potencia que

circula por cada línea?
34

1 2
Función objetivo a minimizar:

0.20puMW
= = 5p1+6p2
3 4 5
∀ ∈
0.45puMW 0.40puMW 0.60puMW
Sujeto a:
Límites de potencia de los generadores Balance de potencia en los nudos
≤ ≤ ∀ ∈Ω −
+ = ∀ ∈Ω
0,4 ≤ ≤ 1,1
0,5 ≤ ≤ 1,2 ∀ ∈ ∀( , )∈ í
4,17 − 0 + 16,67 −0 + =0 nudo 1

Flujo de potencia máximo por las líneas
− 16,67 0 − + 5,56 − + 5,56 − +⋯
− ≤ ≤ ∀( , ) ∈ Ω í … + 8,33 − + = 0,2 nudo 2
−2 ≤ 16,67 0 − ≤2 Línea 1-2 4,17 0 − + 5,56 − +⋯

−0,8 ≤ 4,17 0 − ≤ 0,8 Línea 1-3 … + 33,33 − = 0,45 nudo 3
−0,6 ≤ 5,56 − ≤ 0,6 Línea 2-3
−0,6 ≤ 5,56 − ≤ 0,6 Línea 2-4 33,33 − + 5,56 − +⋯
−1,2 ≤ 8,33 − ≤ 1,2 Línea 2-5 … + 4,17 − = 0,4 nudo 4
−0,4 ≤ 33,33 − ≤ 0,4 Línea 3-4 4,17 − + 8,33 − = 0,6 nudo 5
−1,4 ≤ 4,17 − ≤ 1,4 Línea 4-5 35
* http://www.mathworks.es/es/help/optim/ug/linprog.html
36
37
= = 5p1+6p2
∀ ∈
≤ ≤ ∀ ∈Ω
0,4 ≤ ≤ 1,1
0,5 ≤ ≤ 1,2
−
− ≤ ≤ ∀( , ) ∈ Ω í
−2 ≤ 16,67 0 − ≤2 Línea 1-2

−0,8 ≤ 4,17 0 − ≤ 0,8 Línea 1-3
−0,6 ≤ 5,56 − ≤ 0,6 Línea 2-3
−0,6 ≤ 5,56 − ≤ 0,6 Línea 2-4
−1,2 ≤ 8,33 − ≤ 1,2 Línea 2-5
−0,4 ≤ 33,33 − ≤ 0,4 Línea 3-4
−1,4 ≤ 4,17 − ≤ 1,4 Línea
38 4-5

−
− ≤ ≤ ∀( , ) ∈ Ω í
−2 ≤ 16,67 0 − ≤2 Línea 1-2

−0,8 ≤ 4,17 0 − ≤ 0,8 Línea 1-3
−0,6 ≤ 5,56 − ≤ 0,6 Línea 2-3
−0,6 ≤ 5,56 − ≤ 0,6 Línea 2-4
−1,2 ≤ 8,33 − ≤ 1,2 Línea 2-5
−0,4 ≤ 33,33 − ≤ 0,4 Línea 3-4
−1,4 ≤ 4,17 − ≤ 1,4 Línea
39 4-5
−
+ = ∀ ∈Ω
∀ ∈ ∀( , )∈ í
4,17 − 0 + 16,67 −0 + =0 nudo 1

16,67 0 − + 5,56 − + 5,56 − +⋯
… + 8,33 − + = 0,2 nudo 2
4,17 0 − + 5,56 − +⋯
… + 33,33 − = 0,45 nudo 3
33,33 − + 5,56 − +⋯
… + 4,17 − = 0,4 nudo 4
39
4,17 − + 8,33 − = 0,6 nudo 5

Principales resultados numéricos: producción óptima de cada generador y coste de operación
- Caso base: Límite caso base
X= Potencia 1 1,1 - 0,4 1,10
1.1000 1 2
Potencia 2 1,2 - 0,5 0,55
0.5500 Flujo 1-2 2,0 0,73
-0.0437 Flujo 1-3 0,8 0,37
0.20puMW Flujo 2-3 0,6 0,25
-0.0893
Flujo 2-4 0,6 0,28
-0.0945 Flujo 2-5 1,2 0,54
3 4 5
-0.1086 Flujo 3-4 0,4 0,17
FVAL = 0.45puMW 0.40puMW 0.60puMW
Flujo 4-5 1,4 0,06
8.8000 Coste 8,8
- Caso 1: modificación admitancia línea 1-2 - Caso 2: incremento potencia máxima generador 1
(16,67puS  1puS) (1,1puMW  1,2puMW)
X= X=
0.9591 1 2 1.1500 1 2
0.6909 0.5000
-0.1758 0.20puMW -0.0462
-0.1878 -0.0912 0.20puMW
-0.1998 -0.0966
-0.2318 3 4 5 -0.1110 3 4 5
FVAL = 0.45puMW 0.40puMW 0.60puMW
FVAL = 40
8.9409 8.7500 0.45puMW 0.40puMW 0.60puMW
Índice
41
4 MILP: Oferta y autoprogramación
INTRODUCCIÓN DE VARIABLES ENTERAS: programación mixta MILP

MILP: problema de programación lineal en el que alguna o todas sus variables deben tomar
valores enteros.
Formulación (forma canónica) Algoritmo de acotación y poda
(problema de minimización)
Max/Min cT x + dT y
1. Solución del problema relajado: óptimo es cota inferior
Sujeto a: A x + B y ≤ b del problema MILP.
x, y ≥ 0
2. Inicio del proceso de ramificación:
x Є Zn, y Є Rl, c Є Rn, d Є Rl
si xj no es entero (pero debiera)  se ramifica:
A Є Rmxn, B Є Rmxl, b Є Rm
xj = a,b
xj ≤ a xj ≥ a + 1
3. Criterios de poda:
Solución candidata (zj < z*)
- P.L. no factible.
- Solución entera. Poda (zj > z*)
- Solución no entera con zj > z*.
4. FIN: Solución de todos los subproblemas posibles.
42
INTRODUCCIÓN DE VARIABLES ENTERAS: programación mixta MILP
Minimizar 3x1 + 2x2 - 10 Óptimo del

P.L. relajado
Sujeto a: x1 - 2x2 + x3 = 5/2
2x1 + x2 + x4 = 3/2
x1, x2, x3, x4 ≥ 0
x2, x3 Є Z
Solución
candidata
43
MERCADO DIARIO DE ELECTRICIDAD
Fuente: Energía y Sociedad (contenido on-line) 44

MERCADO DIARIO DE ELECTRICIDAD
* Precio horario resultado

de la casación del mercado
diario:
https://www.omie.es/es/m
arket-results/daily/daily-
market/daily-hourly-price
* Demanda de energía
eléctrica en tiempo real
REE:
https://demanda.ree.es/vis
iona/peninsula/demanda/t
otal
45
MODELO DE ESTRATEGIA DE OFERTA A MERCADO

Problema de autoprogramación (‘Self-Scheduling’) de un productor, cuyo objetivo es maximizar
sus ingresos derivados de la venta de energía eléctrica en el mercado.
• Dado un perfil de precio estimado para las 24h del día siguiente, identificar el programa y
niveles de producción deseados para cada unidad de generación para alcanzar el máximo
beneficio.
• Una vez identificados, las cantidades de producción que se desean casar son ofertadas al
precio marginal.
• La capacidad restante, por encima del nivel óptimo de producción, es ofertada a un precio
superior, no resultando seleccionada.
Maximizar − + + +
, , , ∀ ∈ ,∀ ∈
Ingresos por venta de Costes totales de producción de energía:

energía - Coste fijo de acoplamiento.
- Coste variable (combustible, CO2, O&M).
- Coste de arranque.
- Coste de parada.
46
MODELO DE ESTRATEGIA DE OFERTA A MERCADO  FORMULACIÓN
Índices:
ℎ es el índice de los periodos temporales (horarios), pertenecientes al conjunto de horas
consideradas en el horizonte de programación (Ω ).
es el índice de las unidades de generación, pertenecientes al conjunto de instalaciones que
configuran el portfolio del productor (Ω ).
Variables:
es la producción de la unidad durante el periodo ℎ.
es la variable de estado binaria de la unidad durante el periodo ℎ. Si está acoplada toma el
valor 1, si está desacoplada 0.
es la variable binaria indicadora del arranque de la unidad durante el periodo ℎ, que
tomará el valor 1 solo si la unidad arranca al inicio de dicho periodo.
es la variable binaria indicadora de la parada de la unidad durante el periodo ℎ, que tomará
el valor 1 solo si la unidad desacopla al inicio de dicho periodo.
47

Parámetros:
Costes de producción: €/ℎ
• es el coste fijo por acoplamiento de la unidad .

• es el coste variable de la unidad .
Para modelar los costes de producción de cada grupo generador se
emplean curvas empíricas de consumo (potencia demandada) vs. precio
de los insumos.
Por razones funcionales suelen emplearse uno de estos tres tipos:
Curva de ajuste cuadrático Aproximación lineal a trozos Aproximación lineal

f
f  a  P2  b  P  c
f f   k i  Pi  c f f  bP  c
Pmin  P1  Pa
k3
0  P2  Pb  Pa
0  P3  Pmax  Pb b
3
P   Pi
k2
k1 1
c
c c
P1 P2 P3
P P
Pmin Pmax Pmin Pa Pb Pmax Pmin Pmax
48

Parámetros:
es el coste de arranque de la unidad .
Representa el coste necesario para llevar la caldera a régimen de temperatura y presión adecuados,
y dependerá del tiempo de parada, pudiendo variar desde un máximo coste de “arranque en frío”
hasta un valor mucho menor si la unidad estaba recién apagada y está todavía relativamente
cercana a la temperatura de operación. Posibilidades de modelado:
CA t
CA  C o  C f  (1  e 
)
CA
Si t < to interesa arranque caliente.

Modelo de Si t ≥ to interesa dejar enfriar.
co arranque en frío
t co
CA t CA
to
CA  C o  c  t
co+cf
Modelo de arranque
co co
en caliente
t 49
t
tcr
Parámetros:
es el coste de parada de la unidad .
Representa fundamentalmente coste de combustible desperdiciado (y emisiones asociadas) en el
proceso de desacople de una central. Son comparativamente mucho más pequeños que los costes
de arranque y bastante estables, por lo que pueden considerarse con bastante aproximación
constantes.
es el mínimo técnico de la unidad .
es la capacidad máxima de la unidad .
es la rampa de subida límite de la unidad .
es la rampa de bajada límite de la unidad .
es el precio estimado para el periodo horario ℎ.
50
Maximizar − + + +
, , , ∀ ∈ ,∀ ∈
Sujeto a:
≤ ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω Mínimo técnico y máxima potencia
− ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω Rampa de subida
− ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω Rampa de bajada
− = − ∀ ∈ Ω , ∀ℎ ∈ Ω Secuencia lógica de arranque/parada
, , ∈ 0,1 Declaración de variables binarias
Transición − →
Arranque en h 1 0 1 0
Parada en h 0 1 0 1
Funcionamiento continuo 0 0 1 1
Ligadura entre
Parada continua 0 0 0 0
variables binarias
Económicamente inviable 1 1 0 0
Económicamente inviable 1 1 1 1 51
MODELO DE ESTRATEGIA DE OFERTA A MERCADO  EJEMPLO
Determinar la estrategia de autoprogramación de un productor que dispone de 1 unidad de

generación durante un periodo de programación de 6 horas:
Características Unidad de Generación 1

Precio de mercado
Capacidad máxima 300 MW
Periodo horario estimado
Mínimo técnico 30 MW (€/MWh)
Rampa de subida 150 MW/h 1 30
Rampa de bajada 100 MW/h 2 50
Estado inicial ( ) 0 (desacoplada)
3 60
Potencia inicial 0 MW
4 60
Coste fijo 100 €/h
Coste variable 50 €/MWh 5 40
Coste de arranque 1.000 € 6 20
Coste parada 150 €
52
Función objetivo a maximizar:
= ∑∀ ∈ ,∀ ∈ − + + + =
30 − 50 + 100 + 1000 + 150
+50 − 50 + 100 + 1000 + 150
+60 − 50 + 100 + 1000 + 150
+60 − 50 + 100 + 1000 + 150
+40 − 50 + 100 + 1000 + 150
+20 − 50 + 100 + 1000 + 150
53

Sujeto a:
Límites de potencia Rampas de subida
≤ ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω − ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω
30 ≤ ≤ 300 0− ≤ 100
30 ≤ ≤ 300 − ≤ 100
30 ≤ ≤ 300 − ≤ 100
30 ≤ ≤ 300 − ≤ 100
30 ≤ ≤ 300 − ≤ 100
30 ≤ ≤ 300 − ≤ 100
Rampas de subida Secuencia lógica de arranque/parada

− ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω − = − ∀ ∈ Ω , ∀ℎ ∈ Ω
− 0 ≤ 150 − = −0
− ≤ 150 − = −
− ≤ 150 − = −
− ≤ 150 − = −
− ≤ 150 − = −
− ≤ 150 − = −
Declaración de variables binarias
, , , , , , ∈ 0,1
, , ∈ 0,1 , , , , , , ∈ 0,1
54
, , , , , , ∈ 0,1
55
Resultados
Variables
Periodo Arranque Beneficios
estado Parada (z) Potencia (p) Ingresos (€) Costes (€)
horario (y) (€)
(u)
1 0 0 0 0 0 0 0
2 1 1 0 150 7.500 -8.600 -1.100
3 1 0 0 300 18.000 -15.100 2.900
4 1 0 0 200 12.000 -10.100 1.900
5 1 0 0 100 4.000 -5.100 -1.100
6 0 0 1 0 0 -150 -150
TOTAL 41.500 -39.050 2.450
• El productor obtiene beneficios negativos (pérdidas) en las horas 2, 5 y 6  debido a las

restricciones de rampa del generador.
• A pesar de ello, esta es la solución que maximiza el beneficio total del productor a lo largo del
horizonte de planificación.
56

• ¿y si relajamos los límites de rampa?
Resultados
Periodo Variables Arranque Ingresos Beneficios
Parada (z) Potencia (p) Costes (€)
horario estado (u) (y) (€) (€)
1 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0
3 1 1 0 300 18.000 -16.100 1.900
4 1 0 0 300 18.000 -15.100 2.900
5 0 0 1 0 0 -150 -150
6 0 0 0 0 0 0 0
TOTAL 36.000 -31.350 4.650
• ¿y si los endurecemos, reduciéndolos a la mitad?
Resultados
Periodo Variables Arranque Ingresos Beneficios
Parada (z) Potencia (p) Costes (€)
horario estado (u) (y) (€) (€)
1 0 0 0 0 0 0 0
2 1 1 0 75 3.750 -4.850 -1.100
3 1 0 0 150 9.000 -7.600 1.400
4 1 0 0 100 6.000 -5.100 900
5 1 0 0 50 2.000 -2.600 -600
6 0 0 1 0 0 -150 -150
TOTAL 20.750 -20.300 450 57
 EL VALOR DE LA FLEXIBILIDAD
Índice
58
5 Ejercicio propuesto 1

D5 G1 D1 Unidad
Potencia Potencia Coste Demanda
Nudo máxima mínima producción (MWh –
generadora
(MW – p.u.) (MW – p.u.) (€/MWh – p.u.) p.u.)
G2 1 G1 8,00 1,75 16 2,50
1
5 2 G4 5,00 3,00 21
3 4,75
D7 4 G3 6,00 1,50 18
G4 5 G2 4,00 1,00 24 3,10
3 6 2,60
7 7 1,30
D3 2
Línea 1-2 1-3 1-5 1-7 2-3 2-6 4-6 4-7 5-6
4 Admitancia [Yij] (S -
4,2 4,5 6,0 7,5 7,0 4,0 5,5 4,8 6,9
p.u.)
6 Flujo máximo
2,1 2,2 3,1 2,8 4,6 2,6 1,8 1,6 3,7
G3 [Fijmax] (MW – p.u.)
D6
Se pide:
1. Formulación matemática del problema de optimización.
2. Producción de cada generador que minimiza los costes de explotación del sistema, coste de operación asociado y flujo de potencia que
circula por cada línea.
3. Modifíquese el flujo máximo de la línea 1-5, reduciéndolo a la mitad. ¿Se modifican el óptimo y los flujos de energía del sistema?
Analizar resultados.
59
Documentación a presentar: Informe en .doc o .pdf, incluyendo código del modelo elaborado.
PROGRAMACIÓN HORARIA DE CENTRALES TÉRMICAS
G1 G2 Central Térmica [g] 1 2

Producción máxima (MW) [ ] 350 400
Producción mínima (MW) [ ] 50 120
Límite rampa subida (MW/h) [ ] 200 125
Límite rampa bajada (MW/h) [ ] 300 100
D1
Coste fijo (k€/h) [ ] 5 10
Horizonte de planificación [h] Hora 1 Hora 2 Hora 3 Hora 4 Hora 5
Demanda (MWh) [Dh] 130 420 350 250 480 Coste variable (k€/MWh) [ ] 0,100 0,06
Reserva rodante (MW) [Rh] 26 84 70 50 96 Coste arranque (k€/arranque) [ ] 20 26

Coste parada (k€/parada) [ ] 0,5 0,8
Determinar para un horizonte de planificación multi-horario (5 horas) el arranque y parada óptimo de cada central, de tal forma que se
suministre la demanda en cada hora, el coste se minimice, y se satisfagan determinadas restricciones técnicas y de seguridad. A saber:
- Costes de arranque y parada de cada central térmica.
- Costes de funcionamiento: coste fijo y coste variable.
- Las centrales térmicas no pueden funcionar ni por debajo de una producción mínima, ni por encima de una producción máxima.
- Rampas máximas de subida de carga y rampas máximas de bajada de carga.
- Cualquier central que está funcionando puede pararse pero no arrancarse, y análogamente cualquier central parada puede arrancarse
pero no pararse.
- La demanda debe suministrarse en cada periodo. Por razones de seguridad, la potencia total disponible en centrales en funcionamiento
debe ser mayor que la demanda en una determinada cantidad de reserva.
- Se considera que todas las centrales están paradas en el periodo previo al primero del horizonte de planificación [pj0 = 0]. 60
PROGRAMACIÓN HORARIA DE CENTRALES TÉRMICAS

Minimizar + + +
∀ ∈ ∀ ∈
sujeto a:
≤ ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω
Variables:
− ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω - ugh: variable binaria que toma el valor 1, si la central g
está en funcionamiento durante la hora h y 0, en otro
− ≤ ∀ ∈ Ω , ∀ℎ ∈ Ω caso.
− = − ∀ ∈ Ω , ∀ℎ ∈ Ω - pgh: producción de la central g durante la hora h.
- ygh: variable binaria que toma el valor 1, si la central g
= se arranca al comienzo de la hora h y 0, en otro caso.
∀ℎ ∈ Ω
∀ ∈ - zgh: variable binaria que toma el valor 1, si la central g
se para al comienzo de la hora g, y 0, en otro caso.
≥ + ∀ℎ ∈ Ω
∀ ∈
siendo: Ω = 1,2 ; Ω = 1,2,3,4,5
Se pide:
1. Secuencia de arranque y parada, y producción horaria de cada generador asociada, que minimiza los costes de explotación del
sistema. Determinar coste total asociado al periodo de planificación.
2. Analizar el impacto de acometer un proyecto de mejora en la central 2 que aumenta en un 20% sus límites de rampa.
Documentación a presentar: Informe en .doc o .pdf, incluyendo código del modelo elaborado.
61
Software
Matlab: https://es.mathworks.com/products/matlab.html
Excel: https://www.microsoft.com/es-es/microsoft-365/excel
GAMS: https://www.gams.com/
Python: https://www.python.org/
Octave: https://www.gnu.org/software/octave/
62
EVALUACIÓN DE ESTA SESIÓN
Peso sobre el total de la asignatura: 2,5 puntos (sobre 10). De los cuales:
Ej. propuesto 1: DESPACHO ECONÓMICO CON RESTRICCIONES DE RED  50%
Ej. propuesto 2: PROGRAMACIÓN HORARIA DE CENTRALES TÉRMICAS  50%
Fecha límite de envío: 31/12/2021.

Dirección de envío: alvaro.martinezvalle@repsol.com.
63
BIBLIOGRAFÍA (I)
-[ALON99] Alonso, J., Trías, A., Gaitán, V., Alba, J.J., “Thermal plant bids and market clearing in an
electricity pool: minimization of costs vs. minimization of consumer payments”, IEEE Transactions on
Power Systems, Vol. 14, No. 4. Noviembre 1999.
-[BATL09] Batlle, C. “Deregulation of the generation activity: Wholesale markets in electricity”, Training
Course on Regulation of Energy Utilities, Florence School of Regulation. Diciembre 2009.
-[CARR06] Carrión, M., y Arroyo, J.M., “A Computationally Efficient Mixed-Integer Linear Formulation for
the Thermal Unit Commitment Problem”, IEEE Trans. Power Syst., vol. 21, no. 3, pp. 1371–1378. Agosto
2006.
-[CONE18] Conejo, A., y Baringo, L., “Power System Operations”, Springer. 2018.
-[DAMO04] Damousis, I.G., Bakirtzis, A.G., y Dokopoulos, P.S., “A solution to the unit commitment
problem using integer-coded genetic algorithm,” IEEE Trans. Power Syst., vol. 19, no. 2, pp. 1165–1172.
Mayo 2004.
-[FRAI01] Fraile Mora, J., Wilhelmi Ayza, J.R. “Evolución Histórica del Sector Eléctrico Español. Parte II:
Período 1940-20002.” 7as Jornadas Hispanolusas de Ingeniería Eléctrica. Madrid 2001.
-[GOME02] Gómez Expósito, A. (coordinador), “Análisis y operación de sistemas de energía eléctrica”.
McGraw Hill. Madrid 2002.
-[HAO_98] Hao, S., Angelidis, G.A., Singh, H., Papalexopoulos, A.D., “Consumer payment minimization in
power pool auctions”, IEEE Transactions on Power Systems, Vol. 13, No. 3. Agosto 1998.
64
BIBLIOGRAFÍA (II)
-[MATE05] Mateo González, A. “Caracterización de los precios en mercados eléctricos competitivos

mediante modelos ocultos de Markov de entrada salida (IOHMM). Aplicación a la generación de
escenarios”, Tesis Doctoral, Universidad Pontificia Comillas de Madrid. 2005.
-[NEMH99] Nemhauser, G.L., y Wolsey L.A., “Integer and Combinatorial Optimization”, Wiley-
Interscience. New York 1999.
-[ONEI05] O’Neill, R.P., Sotkiewicz, P.M., Hobbs, B.F., Rothkopf, M., Stewart, W.R., “Efficient market-
clearing prices in markets with nonconvexities”, European Journal of Operational Research, vol. 164, no.
1, pp. 269-285. Julio 2005.
-[PADH04] Padhy, N.P., “Unit commitment - A bibliographical survey”, IEEE Trans. Power Syst., vol. 19,
no. 2, pp. 1196–1205. Mayo 2004.
-[PERE97] Pérez-Arriaga, I.J., Meseguer, C., “Wholesale marginal prices in competitive generation
markets”, IEEE Transactions on Power Systems, Vol. 12, No. 2. Mayo 1997.
-[VAZQ03] Vázquez Martínez, C., “Modelos de casación de ofertas en mercados eléctricos”, Tesis
Doctoral, Universidad Pontificia Comillas de Madrid. 2003.
-[WOOD96] Wood, A.J., y Wollenberg, B.F. “Power Generation, Operation, and Control”, John Wiley and
Sons, Segunda Edición. Nueva York, 1996.
- Modelo abierto de planificación de la expansión y la operación de sistemas eléctricos: Open
Generation and Transmission Operation and Expansion Planning Model with RES and ESS (openTEPES)
(https://opentepes.readthedocs.io/en/latest/) 65

Modelos ayuda decisión sector eléctrico

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelos ayuda decisión sector eléctrico

Cargado por

Copyright:

Formatos disponibles

Modelos de ayuda a la decisión en el sector

Dr. Álvaro Martínez Valle

Máster Universitario en Energías Renovables Distribuidas

1 Introducción a los sistemas de energía eléctrica (SEE)

2 Modelado y simulación de los SEE

3 Programación lineal: despacho económico de centrales

4 Programación lineal entera mixta: oferta y autoprogramación

TOPOLOGÍA DE LOS SEE: Esquema tradicional

TOPOLOGÍA DE LOS SEE: Un cambio de perspectiva

Nuevas redes ‘más inteligentes’

TOPOLOGÍA DE LOS SEE: Hacia dónde vamos…

PV Generación distribuida Plantas de generación virtuales

TOPOLOGÍA DE LOS SEE: Evolución del sistema eléctrico

• Mayor relación con el cliente

EVOLUCIÓN DE LA ORGANIZACIÓN DEL S.E.: Entorno tradicional (…<1997)

- Electricidad = Servicio público (Intervención estatal)

UP1 UP2 UPn-1 UPn

Distr. 1 Distr. 2 Distr. n-1 Distr. n

Cliente 1 Cliente 2 Cliente n-1 Cliente n

EVOLUCIÓN DE LA ORGANIZACIÓN DEL S.E.: Entorno competitivo (1998… actualidad)

Distr. 1 Distr. 2 Distr. n-1 Distr. n

Cliente 1 Cliente 2 Cliente n-1 Cliente n

EVOLUCIÓN DE LA ORGANIZACIÓN DEL S.E.: Entorno competitivo (1998… actualidad)

- Mayor eficiencia en las decisiones de inversión.

- Dificultad de desarrollar una normativa de coordinación eficiente en el corto plazo.

FUNCIONAMIENTO DEL MERCADO ELÉCTRICO

Oferta de Generación Oferta de Generación Oferta de Generación

Unidad Generadora Unidad Generadora Unidad Generadora

Flujo de energía Demanda Demanda Demanda

Oferta de Adquisición Oferta de Adquisición Oferta de Adquisición

FUNCIONAMIENTO DEL MERCADO ELÉCTRICO: el caso español

Demanda • Ofertas de compra

• Generación con coste de producción o

FUNCIONAMIENTO DEL MERCADO ELÉCTRICO: el caso español

Fuente: Energía y Sociedad (contenido on-line) 12

FUNCIONAMIENTO DEL MERCADO ELÉCTRICO: el caso español

PRECIO DEL MERCADO: un componente de la tarifa eléctrica

1 Introducción a los sistemas de energía eléctrica (SEE)

2 Modelado y simulación de los SEE

3 Programación lineal: despacho económico de centrales

4 Programación lineal entera mixta: oferta y autoprogramación

- Visión o interpretación de la realidad.

ETAPAS EN EL DESARROLLO DE UN MODELO

1 Identificación del problema

2 Especificación matemática y formulación

4 Verificación, validación y refinamiento

5 Interpretación y análisis de resultados

6 Implantación, documentación y mantenimiento

ETAPAS EN EL DESARROLLO DE UN MODELO

1 Identificación del problema

4 Verificación, validación y refinamiento

5 Interpretación y análisis de resultados

6 Implantación, documentación y mantenimiento

ETAPAS EN EL DESARROLLO DE UN MODELO

1 Identificación del problema

2 Especificación matemática y formulación

6 Implantación, documentación y mantenimiento

ETAPAS EN EL DESARROLLO DE UN MODELO

1 Identificación del problema

2 Especificación matemática y formulación

ETAPAS EN EL DESARROLLO DE UN MODELO

1 Identificación del problema

2 Especificación matemática y formulación