Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Profesores guías:
Dr. Esteban Gil Sagas
Co-supervisor
Dr. Víctor Hinojosa Mateus
i
Agradecimientos
ii
Índice general
1. Introducción 3
1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
iii
Índice general
5. Conclusiones 59
References 62
A. Resumen Ejecutivo 64
D. Códigos utilizados 79
iv
Índice de figuras
3.1. Ajuste distribución Weibull para los datos de generación eólica de la hora
1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
v
Índice de figuras
vi
Índice de cuadros
vii
Lista de abreviaciones y
simbología
iF or Indisponibilidad forzada
viii
Índice de cuadros
PD Potencia demandada
PG Potencia generada
CM g Costo Marginal
ix
Resumen
En el mercado eléctrico chileno los generadores reciben un pago por capacidad, el cual
se denomina Potencia de Suficiencia. La metodología chilena para realizar el cálculo de
Potencia de Suficiencia de los generadores renovables se presenta en [1], [2] y corresponde
a la potencia que es capaz de entregar un generador al sistema de manera segura en horas
de demanda punta.
1
Abstract
In the Chilean electricity market the generators receive a payment for capacity, which
is called Sufficiency Power. The Chilean methodology to perform the calculation of
Sufficiency Power of renewable generators is presented in [1], [2] and corresponds to the
power that is able to deliver a generator to the system safely in hours of peack demand.
The present work provides an alternative to the current national methodology seeking
to authentically assess the contribution of renewable power plants to the system when
it needs it most, understanding as the moments of greatest need those with the greatest
probability of loss of load. The proposal consists in incorporating the probability of
variable renewable generation of each hour in the LOLP curves, obtaining a different risk
probability for each hour according to the historical availability of the NCRE. Then, the
hourly generation of each renewable power plant and storage system is pondered because
of the risk that exists at that specific time. The proposed methodology is compared
with the Chilean methodology and with the ELCC methodology [3], which is widely
recognized internationally.
The incorporation of renewable capacity decreases the LOLP during the hours of sun,
resulting in the hours of greatest risk those where there is higher demand and lack of
solar radiation. Because the risk is concentrated at night, the proposed methodology
grants low sufficiency payments to photovoltaic power plants, while wind generators
present a recognition for greater capacity but much more variable than the solar ones.
The storage systems considered (theoretical) in this study present capacity payments
that depend on the location, removal, injection and capacity of the plant, being the
storage capacity and the hours of autonomy the most relevant variables.
2
Capítulo 1
Introducción
3
Capítulo 1: Introducción
La nueva metodología aquí propuesta busca valorar los aportes de generación en las horas
de mayor riesgo del sistema, por lo que desarrolla un modelo bastante detallado y crítico
del riesgo que posee el sistema hora a hora, utilizando datos reales del Sistema Eléctrico
Nacional de Chile para el año 2017 y comparando los resultados con la experiencia
4
Capítulo 1: Introducción
1.1. Objetivos
5
Capítulo 2
6
Capítulo 2: Antecedentes de las metodologías existentes
promedio simple de los factores de planta para cada uno de los 52 mayores valores
horarios de la curva de carga anual de cada sistema o subsistema, para el año de
cálculo.
Una vez se posee la potencia inicial de cada generador, se procede a calcular la Potencia
Preliminar, Ppre ”, la cual se obtendrá mediante la aplicación de los siguientes artículos
resumidos del DS No 62 [2]:
7
Capítulo 2: Antecedentes de las metodologías existentes
Gi Gi P̂ D
Psuf = Ppre ·P Gj
(2.1.1)
n
j=1 Ppre
Donde:
Gi
Psuf es la potencia de suficiencia definitiva del generador i medida en [ %].
8
Capítulo 2: Antecedentes de las metodologías existentes
9
Capítulo 2: Antecedentes de las metodologías existentes
3. Se suman los datos de LOLP del sistema como lo indica la ecuación 2.2.2,
obteniendo el LOLE (Load of loss expectation). Ahora, se realiza nuevamente el
paso 2), pero esta vez restando a la demanda los aportes de la generación variable
de la central de interés, obteniendo así la demanda neta. Este paso dará como
resultado una tabla de demanda neta con sus respectivos LOLP’s.
T
X
LOLE = ph (2.2.2)
h
5. Se repiten los pasos 2), 3) y 4) para todos los parques generadores bajo estudio.
Según [3] el utilizar la demanda neta permite captar de manera más adecuada la
correlación entre demanda y carga, además, el objetivo LOLE y las horas utilizadas
en el análisis se pueden modificar como se estime conveniente según los criterios de cada
equipo de trabajo.
10
Capítulo 2: Antecedentes de las metodologías existentes
La única diferencia entre el ECP y el EFP es que en el caso del ECP, se debe considerar
la tasa de salida forzada de este generador para calcular el LOLE Eq .
11
Capítulo 2: Antecedentes de las metodologías existentes
Las interrupciones de los generadores, que pueden ocurrir debido a fallas mecánicas o
mantenimiento planificado, pueden dejar al sistema con una capacidad de generación
insuficiente para cumplir con la carga. Además, los generadores renovables tienen la
complicación adicional de la disponibilidad variable de recursos en tiempo real que afecta
su contribución a la carga de servicio. Frente a los evidentes problemas de confiabilidad
que poseen actualmente los generadores renovables variables, el almacenamiento juega
un rol clave para la suficiencia del sistema, sin embargo, pese al reconocimiento del papel
que puede desempeñar el almacenamiento, el pago por capacidad para sistemas con estas
tecnologías no posee muchos estudios ni aceptación, como en el caso de la suficiencia de
los ERNC, por lo que este tema es una discusión abierta con poco consenso.
12
Capítulo 2: Antecedentes de las metodologías existentes
13
Capítulo 2: Antecedentes de las metodologías existentes
14
Capítulo 2: Antecedentes de las metodologías existentes
En el caso del SING todas las horas del día presentan una probabilidad mayor
que cero de ocurrencia de demandas máximas, pero con mayor frecuencia
concentradas en 4 horas diarias
Según [5], el principal aspecto que requiere ser modificado dice relación con que la
metodología actual no tiene asociado un LOLP objetivo para el sistema eléctrico.
En efecto, el método que se aplica se asimila a un valor esperado o promedio
para las centrales termoeléctricas e hidroeléctricas, para una condición hidrológica
seca, y una situación particular para el caso de las centrales solares y eólicas.
Esto genera una falta de consistencia metodológica en la determinación de las
potencias de suficiencia. Por ello, se propone aplicar una metodología de cálculo
de la potencia de suficiencia basada en el concepto de ELCC, método adoptado
por varios mercados de USA y Canadá, buscando captar el aporte incremental
que efectúa una unidad generadora para suministrar la demanda de punta, para
un nivel dado de confiabilidad del sistema eléctrico y considerando la diversidad
de tecnologías existentes en la matriz energéticay las capacidad de transmisión de
las líneas eléctricas
15
Capítulo 2: Antecedentes de las metodologías existentes
Considera los aportes de suficiencia de las centrales en todas las horas del
año.
16
Capítulo 2: Antecedentes de las metodologías existentes
El año 2004, el Panel de Expertos realizó su dictamen No 1 [8], discrepancia que nace de
las opiniones sobre AES Gener S.A. y Guacolda S.A. sobre el cómputo de las horas de
mayor probabilidad de pérdida de carga que deben ser incorporadas y reconocidas en la
metodología chilena.
En el dictamen del panel [8], unánimemente se concluyó lo siguiente: “las horas de mayor
probabilidad de pérdida de carga en el Sistema Interconectado Central son ocho horas,
entre los meses de mayo a septiembre, desde las 10:00 a las 13:00 horas y desde las 18:00
a las 23:00 horas, exceptuando los sábados, domingos y festivos”.
Es importante recalcar la conclusión del Panel de Expertos porque, al igual que [6], apoya
la idea de que las horas de mayor probabilidad de pérdida de carga no necesariamente
coinciden con las horas de mayor demanda, lo cual se contrapone a la lógica de las 52
horas de mayor demanda, presenta en la metodología actual chilena.
Para el caso de las plantas fotovoltaicas indica que según el artículo 35 del DS62 [2], se
debe considerar el peor escenario de disponibilidad media anual del insumo principal,
concluyendo que el cálculo de capacidad se debe considerar el promedio mensual de los
últimos 5 años que tengan la peor disponibilidad media del recurso solar, considerando
solo horas de demanda punta donde haya radiación solar, evitando utilizar aquellas horas
donde el insumo principal no se encuentra disponible.
17
Capítulo 2: Antecedentes de las metodologías existentes
2.4.1. Perú
En Perú se reconoce la potencia firme como aquella que se puede generar con alta
seguridad, y se define como la máxima producción de energía esperada, para cierto
nivel de excedencia. Para el cálculo de las horas de suficiencia Para la potencia firme
garantizada se evalúan los 6 meses de menor caudal afluente para el año hidrológico
con probabilidad de excedencia de 95 %, se asume que la demanda máxima ocurre en
esos meses. En el caso de la potencia solar y eólica, la potencia firme es 0 para ambas
tecnologías, sin embargo, hay mecanismos de financiamiento complementarios.
2.4.2. Colombia
En este país se maneja el concepto de Energía Firme para el cargo por confiabilidad
(ENFICC) y se define como la máxima energía eléctrica que es capaz de entregar una
planta de generación continuamente, en condiciones de baja hidrología. En Colombia se
consideran todos los datos de generación horaria y se analizan con un horizonte temporal
de 10 años. Para determinar la ENFICC de generadores eólicos y solares, s aplican las
ecuaciones 2.4.1 y 2.4.2, respectivamente.
(P )
(a · v 3 + b · v 2 + c · v + d)
EM = min ; 24 · 1000 · CEN · (1 − IHF ) (2.4.1)
6 · dias
donde:
18
Capítulo 2: Antecedentes de las metodologías existentes
1
ENm,t = · Kc · Kinc · Vm,j (T Am,j ) · GF Im,t · (1 − IHF ) · P OTdc (2.4.2)
IST C
donde:
Para ambos casos, solar y eólico, se calculan los valores EM y ENm,t para toda la
serie histórica, se construye una curva de distribución de probabilidad ordenando los
resultados de menor a mayor. El menor valor es el de 100 % de probabilidad de ser
superado (PSS) y el mayor valor corresponde al 0 % de PSS. Finalmente, el ENFICC
para la planta corresponderá al PSS que este entre el 95 % y el 100 %.
2.4.3. Panamá
Aquí la potencia firme se define como aquella que es capaz de garantizar una unidad
generadora en condiciones de máximo requerimiento. La potencia firme de las centrales
eólicas y solares corresponde a la potencia que pueden suministrar con una probabilidad
de excedencia de 95 %, basado en las curvas de duración horaria de las potencias.
El tratamiento de la variabilidad interanual en el caso de una central eólica y solar,
la potencia firme de largo plazo se calcula utilizando un modelo de simulación que
19
Capítulo 2: Antecedentes de las metodologías existentes
2.4.4. PJM
Las entidades que sirven consumos a clientes finales están obligadas a contar con los
recursos para cubrir la demanda más un margen de reserva y, el Mercado de Capacidad
del sistema PJM está diseñado para asegurar la confiabilidad del sistema para los
próximos 3 años, considerando un estándar LOLE del sistema de 1 evento en 10 años.
El aporte a la suficiencia que realizan las centrales con generación renovable variable
(como la eólica y solar) se define como el promedio de los factores de planta en el
periodo de verano de los últimos 3 años multiplicado por la potencia instalada de la
renewable = F P (3year) · P̂ renewable .
central, vale decir, Psuf
2.4.5. Irlanda
20
Capítulo 2: Antecedentes de las metodologías existentes
2.4.6. Francia
2.4.7. CAISO
21
Capítulo 2: Antecedentes de las metodologías existentes
2.4.8. MISO
2.4.9. Canadá
La mayoría de las provincias de Canadá se rigen por las recomendaciones del IVGTF
(Integration of Variable Generation Task Force), equipo creado por la NERC (North
American Electric Reliability Corporation), donde, esta última corresponde a una
autoridad regulatoria de carácter internacional para la confiabilidad de los sistemas
eléctricos en América del Norte. El IVGTF recomienda la utilización de métodos
probabilísticos, como enfoques tipo ELCC (Effective Load Carrying Capability) para
calcular la contribución de la generación variable a la suficiencia de los SEP’s.
22
Capítulo 2: Antecedentes de las metodologías existentes
Figura 2.2: Esquema de metodologías más utilizadas para el cálculo de potencia de suficiencia.
23
Capítulo 3
Como se menciona en los estudios nacionales [5], [6], [7], [15] y los artículos [3],
[10], los indicadores LOLP y LOLE son ampliamente utilizados internacionalmente,
dando señales que una nueva metodología debería involucrar estas métricas, buscando
representar de manera efectiva los estándares de seguridad y suficiencia requeridos por el
sistema. En [3] se advierte que un ERNC debe recibir un trato que analice la variabilidad
de cada generador hora a hora y buscando capturar la correlación del aporte renovable
generado cuando la demanda lo requiera.
A continuación se detallará la nueva metodología propuesta que busca captar los efectos
antes descritos.
24
Capítulo 3: Sobre la nueva metodología
La consigna del cálculo será ponderar el aporte horario de cada generador por el LOLP
del sistema estudiado, dándole mayor relevancia a la potencia generada en horas de
mayor LOLP. Esta formulación se puede apreciar en la ecuación 3.1.1:
P8760 D Gi
Gi h=1 LOLPh (Ph ) · Ph
Pini = P8760 D
(3.1.1)
h=1 LOLPh (Ph )
Donde:
25
Capítulo 3: Sobre la nueva metodología
26
Capítulo 3: Sobre la nueva metodología
Lo primero que se debe hacer es obtener la generación horaria de cada generador eólico,
para este trabajo en particular se optó por utilizar la generación del año 2017, es decir,
se utilizó una estadística basada en los datos de un solo año, pero esta metodología es
extensible a cuantos años se deseen utilizar.
Teniendo los datos de generación horaria de todos los generadores eólicos activos, la
generación se ordena como se aprecia en la matriz 3.1.2, en esta se puede ver como se
distribuye la generación eólica hora a hora. Luego, se procede a sumar la generación que
hubo a cada hora, obteniendo la matriz 3.1.3, la cual vendría representando la generación
disponible de energía eólica que hubo a cada hora durante el período estudiado. Ahora, se
normaliza la potencia total horaria, dividiendo la potencia total horaria de la matriz 3.1.3
por la potencia máxima instalada de generación eólica, lo que entregaría los parámetros
normalizados como se muestra en la matriz 3.1.4.
hour[h] GenW 1 [M W ] GenW 2 [M W ] · · · GenW n [M W ]
1 Pwh=1
1
Pwh=1
2
··· Pwh=1
n
2 Pwh=2
1
Pwh=2
2
··· Pwh=2
n
(3.1.2)
Pwh=3 Pwh=3 ··· Pwh=3
3 1 2 n
.. .. .. .. ..
. . . . .
8760 Pwh=8760
1
Pwh=8760
2
··· Pwh=8760
n
hour[h] GenWtot [M W ]
Pn
1 Pwh=1
tot
= h=1
i=1 Pwi
Pn
2 Pwh=2
tot
= h=2
i=1 Pwi
Pn
(3.1.3)
Pwh=3 h=3
3 = i=1 Pwi
tot
.. ..
. .
Pn
8760 Pwh=8760
tot
= h=8760
i=1 Pwi
27
Capítulo 3: Sobre la nueva metodología
hour[h] GenWtot [pu]
/Pˆw
1 Pwh=1 = Pwh=1
tot
2 Pwh=2 = Pwh=2
tot
/Pˆw
(3.1.4)
Pwh=3 = Pwh=3 /Pˆw
3 tot
.. ..
. .
8760 Pwh=8760 = Pwh=8760
tot
/Pˆw
Una vez se posee el vector 3.1.2, se acoplan los datos de este, de cada hora con una
ventana de 62 días, vale decir, se tomarán 63 datos de generación de la misma hora,
pero de diferentes días. Si se utiliza un año de datos, se deberían obtener 8760 ventanas,
una por cada hora “h”, donde cada ventana poseerá los 31 datos de generación de
la misma hora “h”, pero de los 31 días anteriores y, también poseerá los 31 datos de
generación de la hora “h”, pero de los 31 días posteriores a los del dato de interés.
La matriz 3.1.5 ejemplifica como quedarían las ventanas horarias para unos cuantas
horas y que datos de generación se deberían considerar.
windowh=1 windowh=2 · · · windowh=5000 · · · windowh=8760
P h=8017 Pwh=8018 ··· Pwh=4256 ··· Pwh=8016
w
Pwh=8041 Pwh=8042 ··· Pwh=4280 ··· Pwh=8040
.. .. .. ..
.. ..
. . . . . .
(3.1.5)
Pwh=1 Pwh=2 ··· Pwh=5000 ··· Pwh=8760
.. .. .. ..
.. ..
. . . . . .
P h=721 Pwh=722 ··· Pwh=5720 ··· Pwh=720
w
Pwh=745 Pwh=746 ··· Pwh=5744 ··· Pwh=744
28
Capítulo 3: Sobre la nueva metodología
Como resultado de aplicar un fit tipo Weibull a cada ventana horaria, se obtiene
un parámetro de escala αh y, un parámetro de forma βh . Nótese que obtendrá una
distribución para cada hora, por lo que se obtendrán tantos parámetros de forma y de
escala como horas tenga el período de estudio, los cuales representan la distribución
de probabilidad de generación eólica hora a hora. En el cuadro 3.1 se puede ver como
quedarían los parámetros de cada hora, suponiendo un año de datos información para
el análisis.
1 α1 β1
.. .. ..
. . .
n αn βn
.. .. ..
. . .
8760 α8760 β8760
β · α−β · P β−1 · e−(P/α)β P ≥ 0
D(P |α, β) = (3.1.6)
0
P <0
29
Capítulo 3: Sobre la nueva metodología
2.5
2
Density
1.5
0.5
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
Data
Figura 3.1: Ajuste distribución Weibull para los datos de generación eólica de la hora 1.
30
Capítulo 3: Sobre la nueva metodología
Capw
h = [P1 P2 . . . Pn−1 Pn ] (3.1.7)
P robw
h = [A1 A2 . . . An−1 An ] (3.1.8)
2
Density probability
1.5
0.5
Nótese que para el vector de capacidad, este posee valores normalizados que pertenecen
a un dominio que esta entre 0 y 1, este vector se “desnormaliza” multiplicando sus
valores por la potencia máxima correspondiente a la suma de toda la generación eólica
considerada para el estudio, obteniendo así, valores medidos en megawatts.
31
Capítulo 3: Sobre la nueva metodología
32
Capítulo 3: Sobre la nueva metodología
Lo primero que se debe hacer, al igual que para el caso eólico, es obtener los datos de
generación solar que hayan estado presentes dentro del horizonte de estudio analizado,
así, se construye una base de datos con todos los generadores de interés y sus aportes
horarios como se puede ver en la matriz 3.1.9. Es importante que la resolución sea
horaria o menor, pues así se tiene mayor precisión que utilizando bloques de generación
más grandes y se puede analizar de manera más detallada el efecto de la correlación
entre demanda y generación.
hour[h] GenS1 [M W ] GenS2 [M W ] ··· GenSn [M W ]
1 PSh=1
1
PSh=1
2
··· PSh=1
n
2 PSh=2
1
PSh=2
2
··· PSh=2
n
(3.1.9)
PSh=3 PSh=3 ··· PSh=3
3 1 2 n
.. .. .. .. ..
. . . . .
8760 PSh=8760
1
PSh=8760
2
··· PSh=8760
n
Con la base de datos lista, se procede a sumar la generación solar de cada hora (igual
que en el caso eólico), es decir, se toman todos los datos de generación de la hora “h” de
los “n” generadores y se suman, obteniendo un solo dato de generación por cada hora.
Este paso quedaría como se aprecia en la matriz 3.1.10.
hour[h] GenST ot [M W ]
Pn
1 PTh=1
ot = h=1
i=1 PGi
Pn
2 PTh=2
ot =
h=2
i=1 PGi
Pn
(3.1.10)
PTh=3 h=3
3 ot = i=1 PGi
.. ..
. .
Pn
8760 PTh=8760
ot = h=8760
i=1 PGi
33
Capítulo 3: Sobre la nueva metodología
Tras sumar las potencias horarias, se normalizan dividiendo estas por la potencia solar
máxima instalada, correspondiente a la suma de todas las potencias máximas de cada
central considerada. Gráficamente, sería como lo muestra la matriz 3.1.11.
hour[h] GenST ot [−]
1 PTh=1
norm = PTh=1
ot /P̂S
2 h=2 h=2
PT norm = PT ot /P̂S
(3.1.11)
PTh=3 h=3 /P̂
3 norm = P T ot S
.. ..
. .
8760 PTh=8760 h=8760 /P̂
norm = PT ot S
A cada ventana horaria de generación solar, se le ajusta una distribución de tipo Normal
(véase la figura 3.4), obteniendo un promedio y una desviación estándar para cada hora
dentro del horizonte de estudio. Los resultados de este ajuste se verían como lo muestra
el cuadro 3.2, nótese que esta tabla muestra los datos de un año, pero la metodología
propuesta puede tomar cuantos años sean requeridos.
1 µ1 σ1
.. .. ..
. . .
n µn σn
.. .. ..
. . .
8760 µ8760 σ8760
Cuadro 3.2: Parámetros de una distribución normal para cada hora de un año.
34
Capítulo 3: Sobre la nueva metodología
Power sun
4.5
fit hour 18
3.5
3
Density
2.5
1.5
0.5
0
0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7
Data
Ahora, teniendo los datos del ajuste tipo normal para cada día dentro del horizonte de
estudio, se procede a discretizar los valores de cada normal para construir los vectores
de capacidad y probabilidad solar como se muestra en las ecuaciones 3.1.12 y 3.1.13. En
la figura 3.5 se puede ver que el área de la normal se divide en “n” bloques, siendo el
área Ai de cada uno de estos bloques la probabilidad de que se genere la potencia Pi .
3.5
3
Dencity probability
2.5
1.5
0.5
35
Capítulo 3: Sobre la nueva metodología
Capsun
d = [P1 P2 · · · Pn−1 Pn ] (3.1.12)
P robsun
d = [A1 A2 · · · An−1 An ] (3.1.13)
Tras todo este proceso, se obtendrán 8760 vectores de capacidad solar y, 8760 vectores
de probabilidad solar. Estos valores son los que se ingresarán a la convolución, en
conjunto de los vectores de capacidad y probabilidad eólica, para determinar el LOLPh
del sistema.
En la figura 3.6 se puede apreciar un diagrama de flujo que resume los pasos a seguir
para obtener los parámetros de capacidad y probabilidad solar.
36
Capítulo 3: Sobre la nueva metodología
0.9
0.8
Loss of Load Probability [-]
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 2000 4000 6000 8000 10000 12000
Demand [MW]
Ahora bien, para poder apreciar realmente el efecto de la disponibilidad solar y eólica,
se procede a considerar las capacidades de los generadores térmicos convencionales y
las capacidades de los vectores de capacidad renovables 3.1.12 y 3.1.7. Así mismo,
se consideran las tasas de salida forzada de los generadores convencionales y las
probabilidades de generación de las generadoras renovables contenidas en los vectores
3.1.13 y 3.1.8.
37
Capítulo 3: Sobre la nueva metodología
Si bien los datos de capacidad e iFor de las centrales térmica son únicos para cada
generadora, los vectores de capacidad y probabilidad del sistema van a ser tantos como
horas tenga el horizonte temporal analizado. Es por ello que se obtendrán tantas curvas
de LOLP, como horas consideradas, obteniendo una curva especifica para cada hora de
análisis. Es decir, si se considera un año de estudio (8760 horas), se obtendrán 8760
curvas de LOLP, donde la primera curva representa el riesgo del sistema para la hora 1,
la segunda curva represente el riesgo para la hora 2 y así sucesivamente.
Si bien este proceso parece engorroso, los computadores actuales de gama media-alta
pueden realizar estas simulaciones en tiempos razonables (algunas horas). No obstante,
los tiempos serán relativos a la cantidad de años utilizados para armar las estadísticas y,
el número de bloques discretizados para obtener los vectores de capacidad y probabilidad
renovables.
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5000 10000 15000
Demand [MW]
38
Capítulo 3: Sobre la nueva metodología
39
Capítulo 3: Sobre la nueva metodología
Función Objetivo:
M ax{income − costs} (3.1.14)
Sujeto a:
SoCS,b+1 = SoCS,b + (ηS · chS,b − (1/ηS ) · dischiS,b ) (3.1.15)
8760
X
income = dischh · CM gh (3.1.16)
h=1
8760
X
costs = chh · CM gh (3.1.17)
h=1
0 ≤ ch ≤ Pmax (3.1.20)
Donde:
40
Capítulo 3: Sobre la nueva metodología
La idea de las plantas de almacenamiento sería cargar las baterías de las plantas en las
horas de menor demanda y utilizar esta energía para dar abasto a las cargas en las horas
de mayor demanda, y así aplanar la curva de demanda del sistema.
Es importante mencionar que para realizar una optimización en función de las ventas de
energía a costo marginal, se deben seleccionar algunas barras de referencia para utilizar
los precios históricos de estas. Para la simulación de sistemas de almacenamiento se
seleccionaron tres barras del sistema eléctrico nacional ubicadas en distintos puntos de
Chile, las cuales son:
Los costos marginales de estas barras corresponden a los del año 2017
y pueden ser verificados en la pagina del Coordinador Eléctrico Nacional
https://www.coordinador.cl/mercados/graficos/costos-marginales/costo-marginal-real/.
41
Capítulo 4
Cálculos, resultados y
comparaciones
Para este trabajo se utilizaron los datos de generación del 2017, por lo que el horizonte
de estudio es de un año. Las plantas solares y eólicas consideradas fueron todas aquellas
que se encontraban instaladas y operativas a partir del 2017, cuyos datos de generación
horaria fueron descargados de la pagina https://www.coordinador.cl. Así mismo, todas
las centrales térmicas consideradas fueron aquellas centrales chilenas activas a inicios
del 2017, cuyas respectivas potencias e iFor’s fueron descargados de la pagina del
Coordinador y se pueden apreciar en el apéndice B.
42
Capítulo 4: Cálculos, resultados y comparaciones
En las figuras 4.2 y 4.3 se puede apreciar un boxplot del promedio de generación solar y,
un boxplot de la desviación de la misma, respectivamente. En estos boxplots se corrobora
lo expuesto en el párrafo anterior, la media y la desviación de la generación solar son
más altas en las horas de mayor irradiancia. Este hecho es bastante relevante pues,
como es de esperar, en las horas que hay sol, la disponibilidad de generación tiende a
mayor, lo que sugiere que la probabilidad de pérdida de carga de estas horas en particular
disminuya. De este hecho se vuelve intuitivo que, si las condiciones técnicas de generación
y transmisión lo permiten, una alta penetración de generación solar disminuiría de
manera importante el riesgo del sistema durante el día, pero se mantendría el riesgo
de este durante la noche.
Solar distributions
25
Normal distribution hour 8
Normal distribution hour 9
Normal distribution hour 10
20 Normal distribution hour 11
Normal distribution hour 12
Dencity probability [-]
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Solar Power [pu]
43
Capítulo 4: Cálculos, resultados y comparaciones
En los boxplots 4.2 y 4.3 se puede apreciar que la generación solar maneja valores
que pueden alcanzar los 0.7± 0.15[pu] de potencia generada. La razón por la cual la
generación solar no llega hasta 0.9 o más es que la transmisión presente al año 2017
impone una restricción al flujo que impide materializar el despacho óptimo para esta
tecnología.
0.7
0.6
Mean parameter [-]
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hour [h]
Figura 4.2: Boxplot de los promedios de la generación solar chilena del 2017.
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hour [h]
Figura 4.3: Boxplot de las desviaciones de la generación solar chilena del 2017.
44
Capítulo 4: Cálculos, resultados y comparaciones
Wind distributions
7
Weibull distribution hour 2
Weibull distribution hour 4
6
Weibull distribution hour 6
Weibull distribution hour 8
Weibull distribution hour 10
5
Dencity probability [-]
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Wind Power [pu]
45
Capítulo 4: Cálculos, resultados y comparaciones
0.5
Alpha parameter [-]
0.4
0.3
0.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hour [h]
Figura 4.5: Boxplot de los parámetros de escala de la generación eólica chilena del 2017.
5
Beta parameter [-]
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hour [h]
Figura 4.6: Boxplot de los parámetros de forma de la generación eólica chilena del 2017.
46
Capítulo 4: Cálculos, resultados y comparaciones
En la figura 4.7 se aprecia un boxplot de la demanda del año 2017 con la cual se realizan
los cálculos de LOLP. En esta se puede ver que la demanda mantiene un comportamiento
regular, teniendo sus peaks durante la tarde entre las 11:00 y 17:00 y, durante la noche
alrededor de las 22:00 horas, presentando varios peaks de demanda que escapan a la
media en las horas 23:00 y 24:00. Tomando en cuenta que el LOLP es dependiente de
la demanda (a mayor demanda, mayor riesgo en el sistema), se espera que los peak de
LOLP tiendan a encontrarse alrededor de los peaks de demanda, sin embargo, como
ya se comentó en capítulos anteriores, según [8] y [14], las horas de mayor riesgo no
necesariamente coinciden con las de mayor demanda, aunque es de esperar que haya
una tendencia marcada a que así sea.
Demand boxplot
10000
9500
Demanda [MW]
9000
8500
8000
7500
7000
6500
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hour [h]
En la figura 4.8 se incorpora un boxplot del LOLP horario obtenido con los datos del año
2017. Aquí, se observa que, en general, los cuartiles tienden a tener valores parecidos,
sin embargo, la gran mayoría de valores atípicos que exceden los niveles normales de
demanda se concentran en la noche entre las 20:00 y las 23:00, siendo las horas 22:00 y
47
Capítulo 4: Cálculos, resultados y comparaciones
23:00 las que poseen los niveles típicos y atípicos de LOLP más altos. Considerando lo
anterior, es de esperar que los generadores que aporten con potencia entre las 22:00 y
las 23:00, serán aquellos que obtengan mayor reconocimiento por suficiencia.
4
LOLP [-]
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hour [h]
Figura 4.8: Boxplot del LOLP del SEN para el año 2017.
La figura 4.8 indica que los mayores niveles de LOLP se presentan en aquellas horas
donde hay mayores niveles de demanda y niveles nulos de generación solar, mientras
que, en las horas de la tarde, si bien hay altos niveles de demanda, la alta disponibilidad
solar disminuye notablemente el riesgo del sistema. Además, en las horas donde se tiene
un LOLP más alto, es donde habían más valores atípicos de demanda y menor nivel de
homogeneidad de generación eólica, lo que contribuye a los altos niveles de LOLP de
esas horas.
48
Capítulo 4: Cálculos, resultados y comparaciones
En las figuras 4.9 y 4.10 se busca resumir el resultado de la potencia inicial total que se le
reconoce a las tecnologías de interés (eólica y solar) según cual metodología sea aplicada
para el cálculo. Cabe mencionar que según [3], el estándar LOLE se puede manipular
para restringir los niveles de suficiencia obtenidos en función de un objetivo de horas de
pérdida al año.
De las figuras 4.9 y 4.10 se rescata que el reconocimiento por suficiencia utilizando
el estándar ELCC entrega un valor total mayor para ambas tecnologías, mientras
que, utilizando la metodología propuesta, el reconocimiento por suficiencia para los
generadores solares disminuye y, para la generación eólica, aumenta bastante. Este
hecho se justifica en las curvas de probabilidad de pérdida de carga, pues, el LOLP
es claramente más bajo en las horas donde hay sol, mientras que la generación eólica
tiende a aportar potencia en las horas de mayor riesgo. Si bien la generación solar es la
misma que ayuda a disminuir el riesgo del sistema, sus aportes se concentran en un único
periodo, impidiendo su explotación el resto de las horas. La sobre instalación de paneles
fotovoltaicos posee una consigna positiva para el medio ambiente, pero se requiere
mejorar la disponibilidad del recurso solar mediante sistemas de almacenamiento para
poder distribuirlo al resto del día.
49
Capítulo 4: Cálculos, resultados y comparaciones
50
Capítulo 4: Cálculos, resultados y comparaciones
51
Capítulo 4: Cálculos, resultados y comparaciones
Cuadro 4.1: Variación entre la metodología propuesta y ELCC contra la metodología chilena.
Nótese que, mediante la metodología chilena, las regiones del sistema interconectado
del norte grande (Arica y Parinacota, Tarapacá y Antofagasta) obtiene resultados de
Potencia inicial para los generadores solares bastante más pequeñas que los resultados
obtenidos en las centrales fotovoltaicas del SIC. Esto es producto de que todos los
generadores solares del SING tienen un factor de planta promedio bajo en las 52 horas
de mayor demanda de la curva de carga, lo que es de esperar pues. Esta notable diferencia
de potencia entre las generadoras renovables del SIC y del SING no se presenta cuando
se utiliza la metodología ELCC y la metodología propuesta, las que mantienen un
comportamiento más estable entre regiones.
52
Capítulo 4: Cálculos, resultados y comparaciones
53
Capítulo 4: Cálculos, resultados y comparaciones
54
Capítulo 4: Cálculos, resultados y comparaciones
Además del despacho por criterios económicos, también se simulo un caso donde la
optimización valoro la disminución del riesgo del sistema. En el cuadro 4.5 se presentan
los resultados de la optimización mediante criterios de confiabilidad. A razón de que la
optimización se construyo pensando en disminuir el riesgo del sistema, los resultados
entregan perfiles de inyección de potencia en aquellas horas donde hay mayor LOLP,
debido a esto, el reconocimiento por suficiencia para estas plantas mediante la aplicación
de la metodología propuesta entrega valores bastante altos, lo que es de esperar pues la
metodología propuesta valora los aportes en los momentos de mayor riesgo.
Al simular bajo criterios de confiabilidad se obtienen resultados más elevados que cuando
se simula contra costo marginal. Estos reconocimientos elevados de Potencia Inicial son
coherentes con el hecho de que las baterías están disponibles cuando se les necesita, por
ello ,al igual que cualquier planta de respaldo, se espera que el aporte por suficiencia
que entregan al sistema sea bien valorado, siendo la principal limitante de las baterías
la cantidad de energía almacenada a la hora de despachar.
55
Capítulo 4: Cálculos, resultados y comparaciones
56
Las grandes diferencias de Potencia Inicial entre las diferentes tecnologías radican en
la naturaleza de la capacidad de almacenamiento. Las plantas con mayor capacidad
de energía, son aquellas que poseen un mayor reconocimiento por suficiencia. Para
justificar esto, se construyó el gráfico de la figura 4.12, donde se busca sensibilizar los
reconocimientos de suficiencia para cada metodología en función de la capacidad de
almacenamiento de una planta de almacenamiento.
Eficiencia constante de 90 %.
57
Capítulo 4: Cálculos, resultados y comparaciones
En la figura 4.13 se presenta el mismo análisis anterior, pero está vez variando la eficiencia
de la planta. Las simulaciones necesarias para obtener esta curva consideran una planta
de baterías con las siguientes condiciones:
58
Capítulo 5
Conclusiones
59
Capítulo 5: Conclusiones
60
Capítulo 5: Conclusiones
61
Bibliografía
[4] Gobierno de Chile. “Política energética; energía 2050”. Ministerio de Energía, 2016.
62
Bibliografía
[14] F. D. Munoz and A. D. Mills. “Endogenous assessment of the capacity value of solar
pv in generation investment planning studies”. IEEE Transaction on Sustainable
Energy, Vol. 6(Issue 4), October 2015.
[18] Coordinador del sistema eléctrico nacional. “Informe cálculo definitivo de potencia
de suficiencia de las centrales generadoras del sistema eléctrico nacional año 2017”.
Versión 4, marzo de 2019.
63
Apéndice A
Resumen Ejecutivo
Para obtener la Potencia Inicial de una generadora solar o eólica, el DS No 62 [2] indica
que se debe multiplicar la potencia instalada de la central por el menor de los dos
siguientes factores de la planta en cuestión:
64
Apéndice A: Resumen Ejecutivo
Dado este procedimiento de cálculo que considera aquellos factores de planta originados
en los horarios de mayor demanda, surgen una serie de estudios nacionales y
discrepancias [5],[6], [7], [8] donde se cuestionan los cálculos utilizados y se sugieren
cambios metodológicos a la normativa. Las metodologías de cálculo más sugeridas por
la literatura nacional e internacional consisten principalmente en valorar la suficiencia de
las centrales renovables mediante estándares de suficiencia altamente reconocidos como
lo son el ELCC (Effective load carrying capability), ECP (Equivalent convention Plant) y
el EFP (Equivalent firm Plant), además, sugieren mejoras a la normativa eléctrica chilena
vigente, a las horas consideradas para el análisis, a la cantidad de años considerados
para los cálculos, a la definición de subsistema, etc. De la experiencia internacional se
desprende que la mayoría de los países operan bajo estándares de suficiencia diferentes,
siendo el ELCC uno de los más utilizados en otros sistemas y más reconocido en la
literatura [3], [10], [11].
65
Apéndice A: Resumen Ejecutivo
horas de mayor demanda no necesariamente coinciden con las de mayor riesgo según [8],
[14], nace la propuesta de esta memoria que busca construir una metodología que valore
los aportes de potencia en los horarios de mayor LOLP (Load of Loss Probability) en el
sistema, por ello se presenta y estudia una nueva metodología de cálculo de suficiencia
diferente a las ya existentes, que busca satisfacer las necesidades de la generación
renovable variable. Esta metodología consiste en una ponderación entre generación y
riesgo, entregando un resultado de suficiencia que es proporcional a la potencia y al
LOLP horario del sistema, vale decir, aquellos datos de potencia que se generan en una
hora con menor probabilidad de pérdida de carga, poseen menos impacto en el resultado
que aquellos datos de generación que se da en las horas de mayor LOLP. La formula
propuesta que permite calcular la Potencia Inicial de generadores solares, eólicos y de
plantas de almacenamiento se presenta en la ecuación 3.1.1 del Capítulo 3 y se adjunta
a continuación: P8760 D Gi
Gi h=1 LOLPh (Ph ) · Ph
Pini = P8760 D
h=1 LOLPh (Ph )
Para la correcta definición de riesgo del sistema se debe construir el COPT (Capacity
Outage Probability Table) realizando la convolución de las tazas de salida forzada como
lo indica [3], pero ahora, se propone agregar la capacidad fotovoltaica y eólica disponible,
ajustando distribuciones probabilísticas a la disponibilidad renovable en base a los datos
históricos de generación de cada central considerada. Este ajuste propuesto entrega una
curva de LOLP(demanda) diferente a la que se tendría si solo se considera la generación
térmica, trayendo consigo el efecto de la disponibilidad renovable que hay hora a hora.
Nótece que valora el riesgo del sistema involucrando directamente la capacidad y la
probabilidad de la generación renovable en el COPT del sistema mediante un proceso
iterativo requiere mayores recursos informáticos y más horas de cálculo, sin embargo,
la tecnología actual no presenta dificultades para realizar estos cálculos en tiempos
razonables.
La metodología propuesta se aplica a todos los generadores solares y eólicos que estaban
activos al 2017 en el Sistema Eléctrico Nacional Chileno, para luego ser comparada
con la metodología tradicional chilena [18] y con el cálculo ELCC. De los resultados de
Potencia Inicial se desprende que la metodología propuesta permite reconocer de manera
adecuada la suficiencia de centrales renovables aportando con valores de Pi ni mayores
para aquellos generadores con perfiles de generación que tienden a inyectar energía en
66
Apéndice A: Resumen Ejecutivo
los momentos más críticos del sistema. Es importante mencionar que dado el riesgo
del sistema, el involucrar intrínsecamente la generación renovable variable, el LOLP
se ve disminuido en las horas donde hay mayor potencial fotovoltaico y, se mantiene
alto en aquellas horas nocturnas donde la demanda es alta pero no hay radiación solar,
resultando en valores de potencia inicial del orden del 5 % para generadores solares y de
5 % a 50 % para generadores eólicos. Esto entrega señales de que es necesario distribuir
el potencial solar a aquellas horas donde el sistema tiene mayores probabilidades de
pérdida de carga, así, una combinación correcta entre generación solar y plantas de
almacenamiento (baterías, concentración solar, bombeo) pueden ser una alternativa para
percibir mayores ingresos por suficiencia, disminuir las horas de riesgo en la noche y
aplanar la curva de demanda en un país con altísimo potencial renovable que proyecta
una alta penetración renovable a futuro [4].
67
Apéndice A: Resumen Ejecutivo
la misma. El objetivo de este trabajo es entregar una metodología robusta que valore
sin subestimar ni sobreestimar la capacidad de los generadores renovables.
La metodología propuesta, al igual que el ELCC permite considerar las horas del día que
se estimen convenientes, sin la necesidad de verse forzada a utilizar todas o a aproximar
mediante factores de planta. Además, permite considerar un horizonte de estudio de
cuantos años se estimen convenientes. Ahora bien, una desventaja de la metodología
propuesta es que pierde la capacidad del ELCC de fijar un LOLE objetivo y exige
mayores recursos informáticos para el cálculo del LOLP horario.
La nueva formulación aquí propuesta demuestra ser robusta y se presenta como una
buena alternativa a la actual metodología chilena y como una solución representativa
para asignar pagos por potencia a sistemas de almacenamiento.
68
Apéndice B
69
Apéndice B: Centrales térmicas consideradas
70
Apéndice B: Centrales térmicas consideradas
71
Apéndice B: Centrales térmicas consideradas
72
Apéndice B: Centrales térmicas consideradas
73
Apéndice B: Centrales térmicas consideradas
74
Apéndice C
75
Apéndice C: Detalle de resultados por generador
76
Apéndice C: Detalle de resultados por generador
77
Apéndice C: Detalle de resultados por generador
78
Apéndice D
Códigos utilizados
Cabe destacar que la optimización en Julia tardaba unos segundos pues la función
objetivo, restricciones y tecnologías consideradas no ofrecen mayor dificultad, sin
embargo, los programación en Matlab exige una cantidad de horas mayor debido a que
calcula la convolución de todo el parque generador para cada hora en específico, siendo
determinante el número de bloques en que se divide la capacidad solar y eólica. Todas
las simulaciones se realizaron con un computador de gama media-alta y no deberían
ser mayor problema para computadoras orientadas al manejo de grandes volúmenes de
información y procesamiento rápido.
79
Apéndice D: Códigos utilizados
80
Apéndice D: Códigos utilizados
81
Apéndice D: Códigos utilizados
82
Apéndice D: Códigos utilizados
83
Apéndice D: Códigos utilizados
84