UNIVERSIDAD NACIONAL DEL CALLAO

Facultad de Ingeniería Eléctrica y Electrónica

Unidad de Posgrado

MODELACIÓN DE SISTEMAS DE
ENERGÍA ELÉCTRICA
(IE111)
Mathematical Programming

Expositor:
Prof. Johnny Nahui Ortiz, Ph.D.
1 de 23

INTRODUCCIÓN
La ciencia de la gestión (management) se caracteriza por un enfoque
científico hacia la toma de decisiones. Intenta aplicar métodos matemáticos y
capacidades computacionales a problemas difíciles y no estructurados que
los gestores modernos enfrentan. Es una disciplina reciente y novedosa.
Aunque sus raíces se pueden rastrear hacia los problemas que tuvieron las
civilizaciones anteriores, no fue hasta la 2da Guerra Mundial que llegó a ser
identificada como un “cuerpo de conocimiento” (BOK) respetable y bien
definido. Desde entonces, ha crecido a un ritmo impresionante, sin
precedentes para la mayoría de logros científicos; está cambiando nuestra
actitud hacia la toma de decisiones, e infiltrándose en cada área concebible
de aplicación, abarcando una amplia variedad de problemas en el ámbito de
negocios, industrias, actividades militares y el sector público.

Esta presentación toma como referencia el material utilizado en el curso “Optimization Methods in
Business Analytics” desarrollado en el Massachusetts Institute of Technology (MIT).
2 de 23

1
 INTRODUCCIÓN
La ciencia de la gestión ha sido conocida con otros términos. En USA,
“investigación de operaciones” ha servido como sinónimo y es utilizado
ampliamente hoy en día, en tanto que en el Reino Unido “investigación
operacional” parece ser el término más aceptado. Algunos tienden a
identificar el enfoque científico para la solución de problemas relacionados
a la gestión bajo otras denominaciones, tales como “análisis de sistemas”,
“análisis costo-beneficio”, “análisis costo-efectividad”.

La programación matemática, y especialmente la programación lineal, es

una de las ramas más desarrolladas y utilizadas de la ciencia de la gestión.
Se refiere a la asignación óptima de recursos limitados entre actividades
que compiten entre si, bajo ciertas restricciones impuestas por la
naturaleza del problema en estudio.

3 de 23

INTRODUCCIÓN
Estas restricciones podrían reflejar consideraciones financieras,
tecnológicas, mercadeo, organizacionales y muchas otras. En términos
amplios, la programación matemática puede ser definida como una
representación matemática orientada al planeamiento de la mejor
asignación posible de recursos escasos. Cuando la representación
matemática utiliza exclusivamente funciones lineales, se trata de un modelo
de programación lineal.

George B. Dantzig desarrolló el método Simplex para solucionar el

problema general de programación lineal. La extraordinaria eficiencia y
robustez computacional del método Simplex, conjuntamente con la
disponibilidad de computadoras digitales de alta velocidad, han hecho de la
programación lineal el método de optimización mas poderoso, nunca antes
diseñado, y el más ampliamente aplicado en el mundo de los negocios.
4 de 23

2
 INTRODUCCIÓN
Desde entonces, varias técnicas adicionales se han desarrollado, las
cuales aligeran los supuestos del modelo de programación lineal y amplían
las aplicaciones del enfoque de programación matemática.

5 de 23

CLASIFICACIÓN DE MODELOS
La bibliografía de la ciencia de la gestión incluye varios enfoques para la
clasificación de modelos. Se puede empezar con una categorización
amplia que identifica tipos de modelos de acuerdo al grado de realismo
que estos consiguen al representar un determinado problema. Las
categorías de modelos se ilustran en la Fig. 1.1

Fig. 1.1 Tipos de modelo de representación 6 de 23

3
 EJERCICIO OPERACIONAL
Ejercicio Operacional

El primer tipo de modelo es el Ejercicio Operacional. Este enfoque de

modelo opera directamente con el entorno real, en el cual la decisión bajo
estudio va a tener lugar. El esfuerzo de modelamiento involucra
meramente diseñar un conjunto de experimentos a ser conducidos en ese
entorno, y medir e interpretar los resultados de aquellos experimentos.

Supongamos, por ejemplo, que deseamos determinar que combinación de

fuentes energéticas debería ser utilizada en un determinado sistema
híbrido para satisfacer, de la manera más efectiva, los requerimientos del
mercado en cuanto a generación eléctrica off-grid.

7 de 23

EJERCICIO OPERACIONAL
Si fuésemos a realizar un ejercicio operacional para sustentar tal decisión,
intentaríamos con diferentes cantidades de varias combinaciones de fuentes
energéticas directamente en el mismo proceso de generación, y
observaríamos el costo-beneficio de cada alternativa de mezcla. Luego de
efectuar una gran cantidad de intentos, empezaríamos a desarrollar un
entendimiento de la relación entre la combinación de fuentes energéticas y
el costo de generación eléctrica, lo cual nos guiaría en la identificación de
una mezcla apropiada.

Para que este enfoque opere exitosamente, es mandatorio diseñar

experimentos a ser realizados cuidadosamente, para evaluar los resultados
experimentales a la luz de los errores que puedan ser introducidos por
mediciones imprecisas, y para hacer inferencias acerca de las decisiones
alcanzadas, con base en el limitado número de observaciones efectuadas.
8 de 23

4
 EJERCICIO OPERACIONAL
Los ejercicios operacionales contienen el más alto grado de realismo de
cualquier forma de enfoque de modelo, puesto que difícilmente se introduce
alguna abstracción externa o simplificación, aparte de aquellas asociadas con
la interpretación de los resultados observados y las generalizaciones a ser
obtenidas a partir de ellos. Sin embargo, el método es excesivamente,
usualmente prohibitivamente, costoso de implementar.

Además, en la mayoría de los casos es imposible analizar exhaustivamente

las alternativas disponibles para quién toma la decisión. Esto puede conducir
a suboptimizaciones severas en las conclusiones finales. Por estas razones,
los ejercicios operacionales rara vez son utilizados en la práctica como una
forma pura de modelamiento. Es importante reconocer, sin embargo, que la
observación directa del entorno real es la base de la mayoría de
conceptualizaciones del modelo y también constituye una de las más
importantes fuentes de datos. 9 de 23

EJERCICIO OPERACIONAL
Por lo tanto, aunque no puedan ser utilizados directamente, los ejercicios
operacionales producen contribuciones significativas a la mejora de la
toma de decisiones de gestión.

10 de 23

5
 GAMING
Teoría de Juegos

El segundo tipo de modelo en esta clasificación es la teoría de juegos

(gaming). En este caso, se construye un modelo que es una
representación abstracta y simplificada del entorno real. Este modelo
proporciona un mecanismo de respuesta para evaluar la efectividad de las
alternativas propuestas, las cuales deben ser proporcionadas por quién
toma la decisión, en una forma organizada y secuencial. El modelo es
simplemente un instrumento que permite, a quien toma la decisión,
ensayar el desempeño de varias alternativas que aparentemente valen la
pena probar. En adición, en una situación de juego, todas las relaciones
humanas que afectan el entorno de decisión están permitidas de participar
activamente, suministrando las entradas que usualmente son de su
responsabilidad en el desarrollo real de sus actividades.
11 de 23

GAMING
Si un enfoque de juego se utiliza en el ejemplo anterior, el proceso de
generación eléctrica sería representado por un modelo matemático, el cual
podría asumir cualquier forma de estructura.

El modelo debería reflejar, con un nivel aceptable de precisión, las

relaciones entre las entradas y las salidas del proceso de generación
eléctrica. Posteriormente, todo el personal que participa en la
estructuración del proceso de decisión en la gestión de la energía estaría
permitida de interactuar con el modelo. El gerente de generación eléctrica
establecería los planes de producción de energía, el gerente de mercadeo
aseguraría los contratos y desarrollaría las estrategias de venta, el gerente
de compras identificaría los precios y las fuentes de energía, y
desarrollaría programas de adquisición, y así sucesivamente.

12 de 23

6
 GAMING
Como en el caso anterior, se probaría con varias combinaciones de fuentes y
tecnologías energéticas, y se obtendrían los ingresos y costos resultantes
derivados del modelo, para guiarnos en la formulación de la estrategia óptima.
Ciertamente, se ha perdido cierto grado de realismo en el enfoque del modelo
con relación al ejercicio operacional, puesto que estamos operando con un
entorno abstracto, pero se han retenido algo de las interacciones humanas del
proceso real. Sin embargo, el costo de procesamiento de cada alternativa se
ha reducido, y la velocidad de medición del desempeño de cada alternativa se
ha incrementado.

El juego es utilizado principalmente como un instrumento de aprendizaje para

desarrollar cierta apreciación acerca de aquellas complejidades inherentes a
un proceso de toma de decisiones. Varios juegos de gestión se han diseñado
para ilustrar como las decisiones de mercadeo, producción y finanzas
interactúan en una economía competitiva. 13 de 23

SIMULACIÓN
Simulación

Los modelos de simulación son similares a los modelos de juego excepto

que todas las personas que toman decisiones se han eliminado del
proceso de modelamiento. El modelo proporciona los medios para evaluar
el desempeño de un número de alternativas, proporcionadas externamente
al modelo por quién toma las decisiones, sin permitir interacciones
humanas a niveles intermedios del cálculo del modelo.

Así como los ejercicios operacionales y la teoría de juegos, los modelos de

simulación no generan alternativas ni producen soluciones óptimas para la
decisión bajo estudio. Estos tipos de modelos son inductivos y empíricos
en naturaleza; son útiles solo para evaluar el desempeño de alternativas
identificadas previamente por quién toma las decisiones.
14 de 23

7
 SIMULACIÓN
Si fuésemos a realizar un modelo de simulación del ejemplo de la
generación eléctrica, se programaría con anticipación una gran cantidad de
combinaciones de cantidades y tipos de fuentes energéticas a utilizar, y se
obtendrían los ingresos netos asociados con cada alternativa sin ninguna
entrada externa de quiénes toman las decisiones. Una vez que se
produjesen los resultados del modelo, nuevas ejecuciones se podrían
realizar hasta que percibamos que hemos alcanzado un entendimiento
apropiado del problema que se tiene.
Muchos modelos de simulación toman la forma de programas
computacionales, en donde las operaciones aritméticas lógicas son
ejecutadas en una secuencia predeterminada. Por lo tanto, no es necesario
definir el problema exclusivamente en términos analíticos. Esto proporciona
una flexibilidad adicional en la formulación del modelo y permite que se logre
un alto grado de realismo, lo cual es particularmente útil cuando las
incertidumbres son un aspecto importante de la decisión. 15 de 23

MODELO ANALÍTICO
Modelo Analítico

Finalmente, la cuarta categoría de modelo propuesta en este marco de

referencia es el modelo analítico. En este tipo de modelo, el problema se
representa completamente en términos matemáticos, normalmente por
medio de un criterio u objetivo, el cual buscamos maximizar o minimizar,
sujeto a restricciones matemáticas que retratan las condiciones bajo las
cuales se tienen que tomar las decisiones. El modelo calcula una solución
óptima, esto es, una que satisfaga todas las restricciones y brinda el mejor
valor posible de la función objetivo.

16 de 23

8
 MODELO ANALÍTICO
En el ejemplo de la generación eléctrica, el uso de un modelo analítico
implica establecer como objetivo la maximización de los ingresos netos
obtenidos de la operación de la generación como una función de los tipos y
las cantidades de fuentes de energía utilizadas. En adición, la tecnología
del proceso de generación, los requerimientos de producto final, y las
disponibilidades de fuentes energéticas deben estar representados en
términos matemáticos para definir las restricciones del problema. La
solución al modelo será la cantidad exacta de cada tipo de fuente
energética disponible a ser utilizada que maximizará los ingresos netos
dentro del conjunto de restricciones propuesto. La programación lineal ha
sido, en las últimas décadas, el modelo analítico indiscutido a utilizar en
este tipo de problema.

17 de 23

MODELO ANALÍTICO
Los modelos analíticos son normalmente los menos costosos y los más
fáciles de desarrollar. Sin embargo, introducen el más alto grado de
simplificación en la representación del modelo. Como regla práctica, es
mejor estar tanto a la derecha como sea posible en el espectro de
modelos, siempre y cuando el grado resultante de realismo sea apropiado
para caracterizar la decisión bajo estudio.

La mayor parte del trabajo emprendido por los científicos de la gestión ha

estado orientado hacia el desarrollo y la implementación de modelos
analíticos. Como resultado de este esfuerzo, se han propuesto muchas
técnicas y metodologías diferentes para abordar tipos específicos de
problemas. La Tabla 1.1 presenta una clasificación de los tipos más
importantes de modelos analíticos y de simulación que se han
desarrollado.
18 de 23

9
 TIPOS DE MODELOS

Tabla 1.1 Clasificación de Modelos Analíticos y de Simulación

19 de 23

TIPOS DE MODELOS
La clasificación presentada en la Tabla 1.1 no es rígida, puesto que los
modelos de evaluación de estrategia son utilizados para mejorar
decisiones, mediante el ensayo de diferentes alternativas, hasta que se
determina una que parece ser la “mejor”. La distinción importante de la
clasificación propuesta es que, para modelos de evaluación estratégica, el
usuario debe primero elegir y construir la alternativa, y luego evaluarla con
la ayuda del modelo. Para modelos de generación de estrategia, la
alternativa no es completamente determinada por el usuario; mas bien, la
clase de alternativas se determina estableciendo restricciones en las
decisiones, y luego se usa un procedimiento algorítmico para generar
automáticamente la “mejor” alternativa dentro de esa clase.

20 de 23

10
 TIPOS DE MODELOS
La clasificación horizontal debería estar clara, y es introducida debido a
que la inclusión (o no) de incertidumbre, generalmente, hace una
diferencia sustancial en el tipo y complejidad de las técnicas que son
empleadas. Los problemas que involucran incertidumbre son
inherentemente más difíciles de formular adecuadamente y de solucionar
eficientemente.

Por lo general, programación matemática incluye todos los tópicos bajo la

denominación de generación de estrategia excepto por la teoría de
decisión y la teoría de control. Estos dos tópicos son en si disciplinas
completas, dependiendo esencialmente de diferentes teorías y técnicas
subyacentes. Aunque, recientemente, las similitudes entre programación
matemática y teoría de control están llegando a ser mejor entendidas, y
estás disciplinas están empezando a combinarse.
21 de 23

TIPOS DE MODELOS
En programación matemática el principal contenido del material que se ha
desarrollado, y más específicamente aplicado, es bajo el supuesto de
certidumbre.

El énfasis crítico está en el desarrollo de aquellos principios y técnicas que

conduzcan a buenas formulaciones de problemas reales de toma de
decisiones y procedimientos de solución que sean eficientes para
solucionar estas formulaciones.

22 de 23

11
Gracias por su atención!

23 de 23

12