Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TESIS
MAESTRO EN CIENCIAS
EN INGENIERÍA ELÉCTRICA
PRESENTA:
ASESOR:
Los actuales modelos de optimización proponen soluciones que buscan maximizar los benefi-
cios económicos a través de la gestión adecuada de los recursos de una central hidroeléctrica
de almacenamiento por bombeo, para ofertar o adquirir la energía en un mercado eléctrico
mayorista. Sin embargo, algunos de los modelos de optimización se acotan a las característi-
cas de una central en particular.
El objetivo de esta tesis es desarrollar un modelo de optimización lineal para una central
hidroeléctrica de almacenamiento por bombeo puro, con la finalidad de determinar una es-
trategia óptima de operación en función de los precios marginales locales de un nodo en
específico. Esto a través de la implementación de un código en el software AMPL, el cual es
capaz de proporcionar soluciones de optimización para problemas con grandes cantidades de
variables y restricciones.
La solución implementada en este trabajo cumple con el objetivo de obtener el máximo be-
neficio para una central hidroeléctrica de almacenamiento por bombeo a través de un modelo
de optimización de programación lineal mixta, considerando veinte escenarios de precios mar-
ginales locales, lo que permite formular una estrategia adecuada para gestionar los recursos
y competir en un mercado eléctrico mayorista de corto plazo obteniendo el mayor beneficio
económico esperado para la Central Hidroeléctrica de Bombeo (CHB).
i
Abstract
The objective of this thesis is to develop a linear optimization model for a pure pump storage
hidropower plant, in order to determine an optimal solution based on the local marginal
prices of a specific node. This is achieved through the implementation of a code in AMPL
software, which is able to provide optimization solutions for problems with large amounts of
variables and constraints.
Current models of optimization propose solutions that seek to maximize economic benefits
through the proper management of the resources of a pumped storage hydropower plant, to
offer or acquire the energy in a wholesale electricity market. However, some of the optimiza-
tion models are limited to the characteristics of a particular plant.
The solution implemented in this work fulfills the objective of obtaining the maximum be-
nefit for a pumped storage hydropower plant through an optimization model with mixed
integer linear programming features, considering twenty scenarios of marginal local prices
with different price characteristics, which allows to formulate an adequate strategy resource
management to compete in a short-term wholesale electricity market.
In addition, the solution of the proposed optimization problem can be extrapolated to any
pumped storage hydropower plant with different parameters, as long as they satisfy the li-
nearity characteristics of the model.
iii
Dedicatoria
v
Adradecimientos
vii
Abreviaturas
MW Megawatt
ix
TCA Tasa de Crecimiento Anual
LP Linear Programming
IP Integer Programming
x
Índice General
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Dedicatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Agradecimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
Abreviaturas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
1. Introducción 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2. Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5. Aportaciones de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6. Estructura de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2. Marco Conceptual 9
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2. Aspectos generales de la industria eléctrica en México . . . . . . . . . . . . . 10
2.3. Sistema eléctrico mexicano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.1. Generación eléctrica en México . . . . . . . . . . . . . . . . . . . . . 13
2.4. Introducción a los mercados mayoristas de energía . . . . . . . . . . . . . . . 17
2.5. Complejidad de la comercialización de la energía eléctrica . . . . . . . . . . . 19
2.6. Concepto de Mercado Eléctrico Mayorista . . . . . . . . . . . . . . . . . . . 21
2.7. Mercado eléctrico mayorista en México . . . . . . . . . . . . . . . . . . . . . 22
2.7.1. Operación del MEM . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
i
2.7.1.1. Mercado de energía de corto plazo (spot) . . . . . . . . . . . 27
2.7.1.2. Mercado de día en adelanto . . . . . . . . . . . . . . . . . . 27
2.7.1.3. Mercado en tiempo real . . . . . . . . . . . . . . . . . . . . 28
2.7.1.4. Precio Marginal Local . . . . . . . . . . . . . . . . . . . . . 29
2.8. Almacenamiento de energía eléctrica . . . . . . . . . . . . . . . . . . . . . . 32
2.8.1. Aplicaciones del almacenamiento de energía eléctrica . . . . . . . . . 34
2.8.2. Necesidad de suministro de energía continua y flexible . . . . . . . . . 36
2.8.3. Ventajas del almacenamiento de energía eléctrica . . . . . . . . . . . 37
2.9. Clasificación de los sistemas de almacenamiento . . . . . . . . . . . . . . . . 39
2.9.1. Almacenamiento electromagnético . . . . . . . . . . . . . . . . . . . . 43
2.9.1.1. Supercapacitores . . . . . . . . . . . . . . . . . . . . . . . . 43
2.9.1.2. Superconductor magnético . . . . . . . . . . . . . . . . . . . 44
2.9.2. Almacenamiento mecánico . . . . . . . . . . . . . . . . . . . . . . . . 45
2.9.2.1. Volantes de inercia . . . . . . . . . . . . . . . . . . . . . . . 45
2.9.2.2. Bombeo hidroeléctrico . . . . . . . . . . . . . . . . . . . . . 45
2.9.2.3. Aire comprimido . . . . . . . . . . . . . . . . . . . . . . . . 47
2.9.3. Almacenamiento térmico . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.9.3.1. Calor sensible . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.9.3.2. Calor latente . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.9.3.3. Termoquímico . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.9.4. Almacenamiento electroquímico . . . . . . . . . . . . . . . . . . . . . 51
2.9.4.1. Hidrógeno . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.9.4.2. Baterías electroquímicas . . . . . . . . . . . . . . . . . . . . 52
ii
4. Modelo de optimización de una central hidroeléctrica de bombeo 69
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2. Modelo y metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2.1. Programación Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2.2. Programación Lineal entera mixta . . . . . . . . . . . . . . . . . . . . 70
4.2.3. Algoritmo de ramificación y acotamiento . . . . . . . . . . . . . . . . 71
4.3. Formulación de un problema de optimización . . . . . . . . . . . . . . . . . . 72
4.3.1. Índices y conjuntos del modelo . . . . . . . . . . . . . . . . . . . . . . 73
4.3.2. Parámetros del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.3.3. Variables del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.3.4. Restricciones del modelo . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.3.5. Regiones factibles y no factibles . . . . . . . . . . . . . . . . . . . . . 74
4.3.6. Función objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.4. Modelo de optimización de la CHB . . . . . . . . . . . . . . . . . . . . . . . 74
5. Análisis de resultados 79
5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.2. Resultados obtenidos del modelo de optimización . . . . . . . . . . . . . . . 80
6. Conclusiones 121
Referencias 121
Apéndices 131
iii
C. Código del modelo de optimización 145
C.1. Archivo del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
C.2. Archivo de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
C.3. Archivo de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
iv
Índice de Figuras
v
ÍNDICE DE FIGURAS
vi
ÍNDICE DE FIGURAS
vii
ÍNDICE DE FIGURAS
B.1. Ejecución del proceso del software AMPL para la obtención de resultados . . 140
viii
Índice de Tablas
ix
Introducción
1
1.1. Introducción
Bajo las consideraciones actuales de los mercados eléctricos, cuya tendencia se ha visto fuer-
temente influenciada hacia la desregulación, aunado a la situación actual a nivel mundial en
cuanto a la mitigación del impacto medioambiental, muchos países han optado por imple-
mentar esquemas de generación menos contaminantes como la obtenida a partir de fuentes
renovables como la eólica y solar principalmente.
Sin embargo, la generación de energía eléctrica obtenida con tecnologías de generación que
aprovechan este tipo de recursos tiene sus limitantes en lo que respecta al tipo de recurso
renovable que emplean. Este tipo de energías renovables son bien aceptadas debido al bajo
impacto medioambiental; sin embargo, la gestión de estos recursos se ha vuelto objeto de
mucho análisis e investigación, debido a que este tipo de recursos son intermitentes y no se
puede realizar un despacho de energía como se realiza con la generación de energía eléctrica
a partir de energías convencionales.
La generación con fuentes renovables no permite disponer del recurso en el momento que
la demanda de energía en los sistemas de potencia lo requieran; por tal motivo las nuevas
tecnologías de almacenamiento de energía como el bombeo hidroeléctrico han tomado gran
importancia en lo que respecta a la gestión de le generación de energía proveniente de fuentes
intermitentes y brindan una posibilidad de almacenar a gran escala los excedentes eólicos o
solares principalmente.
Cuando los requerimientos de la demanda de energía son bajos y por lo tanto el costo de la
1
CAPÍTULO 1. INTRODUCCIÓN
energía eléctrica usualmente también lo es, entonces durante estos periodos la CHB realiza el
bombeo hidroeléctrico al embalse superior para ser almacenada y permanecer latente para su
uso en el momento que la demanda de energía aumente y por ende los precios de la energía
también lo hagan; entonces la CHB operará como una central generadora durante los periodos
de demanda punta, utilizando la energía almacenada en el embalse superior para abastecer
la demanda.
1.2. Objetivos
1.2.1. Objetivo general
El objetivo de esta tesis es formular un “modelo de optimización para una central hidroeléctri-
ca de bombeo” utilizando el software AMPL (A Mathematical Programming Language). Este
modelo se construye con la finalidad de obtener el máximo beneficio esperado por la CHB
a través de realizar ofertas de compra y venta de energía en un mercado eléctrico mayorista
de corto plazo (MDA) y obtener la programación óptima de la central para cada una de las
horas del periodo programado y los distintos escenarios planteados.
Generar una función objetivo específica y las ecuaciones de restricción a partir del
modelo y los datos de la CHB.
1.3. Justificación
La incursión de las tecnologías de generación de energía eléctrica mediante fuentes de ge-
neración renovables como la eólica y solar, en conjunto con la implementación de nuevos
esquemas desregulados de los mercados eléctricos en el mundo, ha generado la necesidad
de brindar flexibilidad y gestionar de manera adecuada los recursos provenientes de fuentes
intermitentes para su mejor aprovechamiento.
2
CAPÍTULO 1. INTRODUCCIÓN
Los mercados eléctricos han ido evolucionando al paso de los años y han pasado a ser sistemas
centralizados a esquemas de mercado de libre competencia, con lo cual muchos países en el
mundo han permitido la desregulación de sus mercados de energía, promoviendo esquemas
de libre competencia, en los cuales participan entidades independientes de generación para
ofertar libremente su energía al MEM.
Una vez recibidas las ofertas de compra y venta de energía, el ISO lleva a cabo el despacho
el despacho económico de las centrales de generación para cada tipo de mercado (MDA Y
MTR); una vez obtenidos los resultados de dicho despacho, se obtienen los PML de energía en
cada nodo del sistema eléctrico de potencia y el ISO debe informar y publicar los resultados
obtenidos del despacho.
Con el resultado del despacho los productores independientes de energía en este caso enfo-
cado a los generadores hidroeléctricos de bombeo, pueden realizar modelos de optimización
adecuados. La finalidad de implementar modelos detallados de optimización por parte de los
productores independientes de energía que realizan ofertas en un MEM, tiene como principal
objetivo obtener información que permita la mejora en la toma de decisiones referentes a las
CHB.
Uno de los principales objetivos de la optimización en lo que respecta a las CHB que participan
en los MEM, es obtener mayores beneficios económicos que pueden ser determinados con
ayuda de programas de optimización adecuados, los cuales proporcionan las regiones factibles
u óptimas de operación de las CHB para maximizar sus ganancias. Los beneficios económicos
obtenidos de las CHB están determinados principalmente por los costos marginales horarios
presentes en el mercado eléctrico mayoristas, por lo que la programación operativa puede
ser empleada como una herramienta de apoyo para la toma de decisiones óptima, que les
garantice maximizar sus beneficios económicos al momento de ofertar en el MEM, en función
de las necesidades y requerimientos particulares.
3
CAPÍTULO 1. INTRODUCCIÓN
En el ambiente de competencia en el que participan las CHB, los dueños de las centrales re-
quieren administrar adecuadamente el volumen de agua contenida en sus embalses, con esto
pueden tener un mejor conocimiento de la cantidad de energía que tienen disponible para
ofertar al MEM en las horas de demanda punta, ya que es en este periodo donde comúnmente
ofertan la generación que tienen disponible para satisfacer la demanda requerida. De manera
análoga al proceso de oferta de venta de generación por parte de las CHB, se desarrolla el
proceso de ofertas de compra al MEM, el cual consiste en adquirir la energía necesaria para
realizar el bombeo de agua, con la finalidad de para mantener los niveles adecuados en los
embalses que garanticen una óptima programación de la operación de las CHB y la gestión
adecuada de sus recursos; con el análisis de optimización adecuada las CHB pueden maximi-
zar los beneficios obtenidos de las ofertas de compra y venta realizados en el MEM.
La literatura consultada y los estudios más significativos en esta área fueron tomados en
cuenta para poder implementar el modelo de optimización de este trabajo, en base a las ex-
periencias y estudios previos en este tema. A continuación se describen brevemente algunos
artículos que emplean modelos de optimización para la resolución de problemas que involu-
cran a los sistemas hidroeléctricos de bombeo.
A.J. Conejo et al., proporcionan en [1] una herramienta computacional que permite a una
compañía de generación hidroeléctrica, determinar de manera óptima la programación de sus
centrales hidroeléctricas en cascada a lo largo de una cuenca, en un horizonte de tiempo de
corto plazo, con la finalidad de maximizar los beneficios para empresa a través de la venta de
generación en un mercado de día en adelanto. Proponen un modelo de programación lineal
entera mixta (MILP), considerando en cada central la relación tridimensional no lineal y no
cóncava entre la cabeza de agua del embalse, la potencia de salida y el agua descargada,
también se consideran el horizonte de tiempo de 24 horas, que la central no ejerce poder de
mercado (tomador de precios) y los costos relacionados con la puesta en marcha de la central.
El modelo es implementado en el software de optimización GAMS utilizando el solver CPLEX.
4
CAPÍTULO 1. INTRODUCCIÓN
Alberto Borghetti et al., plantean en [4] un problema de optimización para una CHB de
asignación de unidades. El objetivo del modelo es encontrar la programación óptima de la
central con múltiples unidades de bombeo y un único embalse, durante un periodo de cor-
to plazo en el cual serán programados los precios de energía. El problema que consideran
tiene una estructura entera-mixta no lineal, por lo que consideran que el modelo se vuelve
muy complicado de modelar el sistema. Obtienen un modelo mejorado a partir del mode-
lo de MILP, en el que consideran los aspectos tecnológicos relevantes como transiciones de
rampa, el almacenamiento por bombeo y el efecto de la cabeza de agua. El modelo MILP
que proponen permite representar con precisión la mayoría de las características del sistema
hidroeléctrico y resulta factible para un horizonte de planificación de una semana.
C.W. Chang et al., describen en [5] un modelo y las técnicas utilizadas para resolver problemas
de asignación de unidades de una central hidroeléctrica, el programa que desarrollan deter-
mina la programación cada media hora óptima para las unidades hidroeléctricas disponibles
en un periodo de tiempo definido por el usuario respetando las restricciones hidroeléctricas
y del sistema. El algoritmo de optimización que emplean se enfoca en la MILP a través de
la implementación del modelo en el software de optimización CPLEX, en el cual modelan
el problema de programación lineal con variables enteras. Sin embargo aunque la solución
obtenida no es necesariamente óptima, los resultados de las pruebas y la experiencia numéri-
ca demostraron que la técnica de solución que propusieron puede proporcionar una solución
razonable casi óptima para el problema de MlLP en un tiempo aceptable.
Javier Garcia Gonzalez et al., implementan en [6] una optimización conjunta de una cen-
tral hidroeléctrica de bombeo y un parque eólico de generación, desde el punto de vista de
un productor independiente bajo un ambiente de mercados de competencia. Formularon el
modelo de optimización como un problema de programación estocástica en dos etapas, utili-
zando parámetros aleatorios como los precios del mercado y la generación eólica; el modelo
proporciona las ofertas óptimas que deben ser presentadas en un MDA con la finalidad de
optimizar los beneficios esperados. Evaluaron la operación conjunta a corto plazo de estas
dos entidades, utilizando programación estocástica en dos etapas y determinaron que es un
método efectivo de modelar el proceso real para la toma de decisiones a las que se enfrentan
5
CAPÍTULO 1. INTRODUCCIÓN
los operadores de los parques eólicos en un marco de mercado spot bajo incertidumbre.
P.J. Donalek, desarrolla en [7] un estudio para identificar la participación del almacenamiento
hidroeléctrico de bombeo en un mercado eléctrico en la región de los Balcanes, en el cual
realizó simulaciones del sistema eléctrico bajo estudio con la finalidad de estimar el valor de
la central hidroeléctrica y el almacenamiento hidroeléctrico de bombeo desde una perspectiva
regional, así como para evaluar los servicios auxiliares. Utilizó un software llamado GTMax,
el cual fue desarrollado por Argonne National Laboratory, los resultados obtenidos de las
simulaciones, calculan los precios de compra y venta de energía eléctrica en diferentes regiones
de la red eléctrica, tomando en cuenta la topología de la red eléctrica, la capacidad de
transmisión, la cronología de la carga horaria y los diferentes costos de generación en cada
uno de los sistemas empleados. El modelo de manera simultánea optimiza las transacciones
de potencia y minimiza los costos generales de operación en la región.
6
CAPÍTULO 1. INTRODUCCIÓN
7
Marco Conceptual
2
2.1. Introducción
La energía eléctrica es un recurso indispensable y fundamental para el desarrollo de cualquier
país, es debido a esto la gran importancia que tienen este sector a nivel mundial. Actualmen-
te la principal fuente de generación de energía eléctrica se obtiene a partir de combustibles
fósiles (energías convencionales), sin embargo, este tipo de recursos son finitos y las reservas
de petróleo en el mundo se han ido agotando al paso del tiempo; gran cantidad de recursos
económicos son destinados a la investigación y búsqueda de nuevos yacimientos de petróleo,
pero los esfuerzos no han sido bien remunerados.
La dependencia del sector eléctrico de los combustibles fósiles para la generación de energía
eléctrica aunado al problema mundial de altos niveles de emisiones de gases de efecto inver-
nadero, el cual es considerado un problema de suma importancia debido al impacto que ha
tenido al medio ambiente, ha motivado a muchos países en el mundo a cambiar los esquemas
tradicionales de generación de energía eléctrica con la finalidad de aminorar el impacto de
dichos factores.
La generación de energía eléctrica a partir de recursos renovables como la energía eólica y so-
lar, han demostrado tener un gran potencial para la generación de energía limpia, reduciendo
la cantidad de gases de efecto invernadero, colaborando con la reducción de la dependencia
de combustibles fósiles. Además, estos dos recursos están disponibles en cualquier parte del
planeta y son recursos “inagotables”, lo que ha permitido se vuelvan tan competitivas .
9
CAPÍTULO 2. MARCO CONCEPTUAL
Por otra parte este tipo de fuentes renovables (eólica y solar) presentan inconvenientes y li-
mitantes principalmente debido a la intermitencia y variabilidad del recurso, ya que si bien es
cierto son fuentes “inagotables”, no se puede disponer de ellas de forma continua debido a que
dependen directamente de condiciones y factores meteorológicos, lo que limita la posibilidad
de coincidencia de la disponibilidad del recurso renovable con la demanda de generación a lo
largo del día.
Uno de los principales problemas que enfrentan los sistemas eléctricos, es la dificultad y costo
que involucra almacenar la energía eléctrica, por lo que se vuelve indispensable mantener un
equilibrio constante entre la generación eléctrica y la demanda. Actualmente existe un gran
desarrollo tecnológico y gran potencial para realizar almacenamiento de energía en cualquier
capacidad (pequeña, mediana y gran escala), lo cual brinda la posibilidad de almacenar
energía durante los periodos de baja demanda y posteriormente pueda ser utilizada en los
periodos de demanda punta.
10
CAPÍTULO 2. MARCO CONCEPTUAL
México atraviesa por una serie de cambios estructurales en los diversos actores de la sociedad
mexicana, uno de estos cambios ha sido la reestructuración del sector energético. La industria
eléctrica no había tenido cambios a lo largo la historia, hasta el día 20 de diciembre del año
2013 cuando se publicó en el DOF, el decreto por el que se reforman y adicionan diversas
disposiciones a los artículos 25 y 27 de la Constitución Política de los Estados Unidos Mexi-
canos en materia de energía.
La gestión del recurso primario (electricidad) es muy importante para la operación adecuada
de los sistemas eléctricos de potencia y se realiza de manera muy particular, debido a que
la energía eléctrica es un tipo de energía que no se puede almacenar, salvo por casos muy
particulares y tecnologías muy específicas; tiene que coordinarse la gestión de este recurso
para mantener un balance entre la generación y demanda de energía requerida, sin dejar de
lado la seguridad, confiabilidad, continuidad y estabilidad del sistema eléctrico. En la figura
2.1 muestra la conexión de los Sistemas Interconectado Nacional, Baja California y Baja
California Sur, los cuales integran al Sistema Eléctrico Nacional.
11
CAPÍTULO 2. MARCO CONCEPTUAL
El Sistema Eléctrico Nacional está dividido en nueve áreas operativas, las cuales son operadas
por el CENACE, cada una tiene asignada una región geográfica de la República Mexicana,
en la figura 2.2 se puede observar la ubicación de las áreas y subáreas operativas del SEN.
Las primeras siete áreas operativas mencionadas a continuación integran el Sistema Interco-
nectado Nacional (SIN), estas áreas se encuentran interconectadas entre sí y es el sistema que
abarca la mayor parte del territorio nacional mexicano. El Sistema Baja California está conec-
tado con el Sistema de Estados Unidos y el Sistema Baja California Sur no tiene actualmente
ninguna interconexión, ambos sistemas se contemplan como sistemas independientes al SIN,
esto es debido a que económicamente no se ha encontrado fundamento técnico-económico
para realizar su interconexión.
12
CAPÍTULO 2. MARCO CONCEPTUAL
Para las empresas encargadas de gestionar todo el proceso que involucra al sector eléctrico,
el incremento de la demanda por parte de los consumidores, involucra la construcción de
nuevas centrales generadoras, mayor requerimiento de hidrocarburos, expansión de la red de
transmisión, mayor impacto medioambiental debido a las emisiones de gases contaminantes
13
CAPÍTULO 2. MARCO CONCEPTUAL
En la figura 2.3 se puede observar de manera ilustrativa las centrales de generación eléctri-
ca pertenecientes al sector público (CFE) más importantes, así como las generadoras más
importantes de los Productores Independientes de Energía (PIE); se muestran las centrales
más relevantes ya sea por su tamaño, por la tecnología que ocupan para generar electricidad
o por la importancia de la región donde se encuentra instalada.
14
CAPÍTULO 2. MARCO CONCEPTUAL
Las centrales eléctricas de la CFE generaron el 55.2 % de la energía eléctrica en el año 2015, los
Productores Independientes de Energía aportaron el 28.8 % de la producción y el 16 % de la
generación fue aportada por generadores particulares bajo los esquemas de autoabastecimien-
to, cogeneración, pequeña producción, exportación y usos propios continuos y generador, así
como por generación distribuida y los sistemas rurales no interconectados reportados por [11].
Los datos fueron obtenidos del INERE, el cual está orientado a recopilar la información
existente sobre los recursos naturales en México, lleva un inventario de información sobre el
potencial de los recursos renovables de energía en México, el cual muestra el aprovechamiento
actual de estos recursos naturales para la actividad de generación de energía eléctrica, así
como del potencial estudiado de los recursos naturales con los que cuenta el país mediante
15
CAPÍTULO 2. MARCO CONCEPTUAL
En la Tabla 2.1 se muestra la generación bruta de energía eléctrica por modalidad durante
los años 2014 y 2015. La generación eléctrica con tecnologías que utilizan combustibles fósiles
fue de 264, 601 GW/h, con una TCA del 4.4 % respecto al año 2014; la generación eléctrica
que utiliza fuentes de energía limpia al año 2015 fue de 62,952 GW/h y tuvo una reducción
de 3.7 %. El total de crecimiento anual hasta el año 2015, respecto a la generación eléctrica en
México y contemplando todos tipos de tecnologías, fue del 2.7 %, siendo la generación bruta
de 309,553 GW/h.
Destaca dentro de las energías renovables el aumento de la generación eólica, la cual tiene una
TCA del 36.10 %, lo que implica que la capacidad instalada de generación eólica ha ido en
aumento al año 2015. Otro caso muy importante a destacar es de la generación hidroeléctrica,
ya que es el tema principal de este trabajo, en la tabla se observa que, aunque la TCA ha
disminuido para este tipo de tecnología, tiene la mayor participación en la generación eléctrica
dentro de las energías renovables, siendo al año 2015 de 30,892 GW/h y la cual participa
activamente en la generación limpia con cerca del 50 %.
16
CAPÍTULO 2. MARCO CONCEPTUAL
Generación Generación
Tecnología TCA ( %)
2014 (GW/h) 2015(GW/h)
Convencionales 236,103 246,601 4.4
Ciclo combinado 149,490 155,185 3.8
Termoeléctrica
37,219 39,232 5.4
convencional
Carboeléctrica 33,613 33,599 0.0
Turbogás 9,126 11,648 27.6
Combustión interna 2,308 2,651 14.8
Lecho fluidizado 4,347 4,286 -1.4
Limpia 65,360 62,952 -3.7
Renovable 51,404 46,207 -10.1
Hidroeléctrica 38,893 30,892 -20.6
Eólica 6,426 8,745 36.1
Geotérmica 6,000 6,331 5.5
Solar 85 78 -7.7
FIRCO y GD 0.4 161 36,196
Otras 13,956 16,745 20.0
Nucleoeléctrica 9,677 11,577 19.6
Bioenergía 1,387 1,369 -1.3
Cogeneración eficiente 2,892 3,795 31.2
Frenos regenerativos 0 4 100.0
Total 301,463 309,553 2.7
Se observa que las tecnologías convencionales, las cuales son las que mayor impacto medioam-
biental tienen son las que lideran la generación en el país; sin embargo, se ha apostado por
ampliar la capacidad instalada de generación con energías limpias (renovables), esto ante la
amenaza de un posible agotamiento de las reservas de petróleo, las actividades de explora-
ción se hacen más frecuentes y ambiciosas, las tecnologías de refino mejoran, garantizando
la continuidad del suministro. A pesar de ello, los precios internacionales, sujetos a multitud
de factores geopolíticos, logísticos y especulativos, mantienen una constante senda alcista,
que favorece las inversiones de la industria en soluciones de mayor eficiencia y tecnologías
renovables [13].
17
CAPÍTULO 2. MARCO CONCEPTUAL
El concepto de globalización puede ser definida como la mayor integración e interacción más
estrecha entre los países, derivado de la gran reducción en los costos de transporte y el incre-
mento de medios de comunicación, aunado al desmantelamiento de las barreras artificiales
a los flujos de bienes y servicios, capitales económicos, tecnología, conocimientos, idiomas,
etc. a través de las fronteras [14]. La globalización inevitablemente viene ligada a grandes
cambios y reestructuraciones de instituciones que se han visto en la necesidad de acoplarse
a los nuevos modelos económicos globalizados, un claro ejemplo han sido los cambios que ha
sufrido la industria eléctrica.
América Latina es una región de transición política y económica, con una tendencia crecien-
te hacia la apertura de la economía y gobiernos democráticos. Un factor importante de la
proyección en la economía de América Latina, es debido a que la crisis producto de la deuda
externa está disminuyendo, independientemente de que las economías han tenido periodos de
crecimiento lentos. Importantes reformas económicas están proporcionando forma a nuevas
economías de mercado con el aumento del crecimiento económico en América Latina, esto
ha propiciado que EE.UU. y países de Europa que cuentan con economías sólidas y bien
cimentadas, miren con gran interés incrementar sus inversiones en la región [15].
La tendencia de desregulación del los mercados eléctricos comenzó en los años noventa, don-
de las primeras propuestas de privatización en el mundo se dieron en Chile en 1982 que fue
pionero en la reestructuración eléctrica en el mundo, seguido de Inglaterra y Gales en 1990,
Noruega en 1990, España en 1997, EE.UU. con el caso más emblemático del mercado de
California en 1998, países de América Latina como, Argentina en 1992, Perú en 1993, Bolivia
y Colombia en 1994, Panamá, El Salvador, Guatemala, Nicaragua, Costa Rica y Honduras
en 1997, Brasil en 1998, Ecuador en 2011 y recientemente México en 2013 [15].
Un paso trascendental en esta visión del sector eléctrico como un mercado, ha sido la separa-
ción de los segmentos de generación, transmisión, distribución y comercialización en negocios
autónomos, que se interactúan entre sí a través de contratos comerciales. En actividades
competitivas (generación y comercialización) los precios son establecidos mediante mecanis-
mos de mercado y en actividades de monopolio (red de transmisión y distribución) mediante
regulación. Una condición esencial para el desarrollo del mercado eléctrico competitivo es el
18
CAPÍTULO 2. MARCO CONCEPTUAL
acceso libre y sin discriminación a las redes de transmisión, tanto para generadores como para
consumidores, lo que es posible lograr con mecanismos adecuados de tarifas de los servicios
de redes, que permitan una justa remuneración a los propietarios de las redes de transmisión,
incentiven la expansión y den señales claras para las decisiones de instalación, producción y
consumo de generadores y consumidores [16].
El caso de los mercados de energía eléctrica difieren de los mercados no físicos, tanto por ra-
zones fundamentales como de tipo cuantitativo. En comparación con mercados tradicionales
de tasas de interés y renta variable, el de energía reacciona de manera diferente ante dichas
variables fundamentales de eventos y ciclos macroeconómicos. Los mercados de energía son
afectados por las restricciones de oferta y demanda que influyen de manera significativa en
la valoración y gestión de los riesgos energéticos, así como la limitación existente para el
almacenamiento de energía que provoca un comportamiento volátil del día a día [17].
Tanto la oferta como la demanda de electricidad son elementos afectados por comportamien-
tos y patrones que pueden atribuirse eventos importantes (políticos, culturales, climatológi-
cos, etc.), los periodos de comportamiento diario, semanal o mensual de las actividades de un
país (demanda mínima y demanda máxima) son factores eventuales (dependen de cada país
y región) que influyen e impactan en el comportamiento de la demanda de energía eléctrica
a la red
En un periodo de corto plazo, los precios de la energía eléctrica son afectados por las condicio-
nes particulares del sistema de generación, mientras en un periodo de largo plazo, los precios
se ven afectados por el incremento de la demanda y la capacidad del parque generador para
19
CAPÍTULO 2. MARCO CONCEPTUAL
abastecer dicha demanda. El estudio de las condiciones que afectan tanto al mercado de corto
plazo como al de largo plazo, permite medir, analizar, identificar estos factores desde una
perspectiva económica, con la finalidad de poder establecer en un futuro sus tendencias de
cambio a nivel global del comportamiento individual y la interacción entre ambos mercados
[17].
Los aspectos más significativos y que marcan la tendencia de los precios de la energía en el
mercado eléctrico son diversos, cada tipo de mercado es muy particular y requieren de un
estudio muy particular y específico, ya que la interacción de las fuerzas de mercado produce
condiciones muy particulares que complica establecer conclusiones universalmente válidas;
sin embargo, se pueden definir algunos aspectos generales de los mercados de energía [18]:
La energía eléctrica debe ser tratada con especial particularidad para su comercio, ya que los
mercados de energía cuentan con características muy peculiares los cuales establecen carac-
terísticas o rasgos diferenciadores respecto a otro tipo de mercados de “commodities”. Esto se
debe al tipo de servicio que brindan “electricidad”; debido la incapacidad de almacenamiento
de la energía a costos competitivos y por lo tanto la energía que se genera debes ser con-
sumida en el mismo instante. Esto hace que se genere electricidad para cubrir la demanda
instantánea, en consecuencia, el parque generador debe tener suficiente capacidad instalada
para cubrir la demanda máxima instantánea de potencia en las horas pico, mientras que
dicha capacidad permanece ociosa durante el resto del día [18].
Una importante y notoria diferencia entre los mercados financieros y los mercados eléctricos
radica en el producto a entregar o suministrar en este caso “dinero” y “electricidad”, res-
pectivamente. Los mercados financieros manejan cantidades de dinero que se expresan los
resultados de sus transacciones en libros financieros o en hojas de cálculo, los cuales son
fácilmente almacenables en bases de datos; mientras que los mercados de energía presentan
un panorama aún más complejo ya que la energía responde a la interacción dinámica entre
la producción (generación eléctrica) y el consumo (demanda eléctrica), la transmisión de la
electricidad, la poca capacidad de almacenar la energía, las transacciones de compra y venta,
al uso de los recursos disponibles para la generación de energía (combustibles), etc. [17]. En
la tabla 2.2 se muestran las diferencias más significativas entre los mercados financieros y los
energéticos.
20
CAPÍTULO 2. MARCO CONCEPTUAL
Por otra parte si la oferta está limitada a unas pocas, o a una sola entidad, se habla res-
pectivamente de oligopolio o monopolio; si es la demanda la restringida a pocos o un solo
comprador, se utilizan los términos oligopsonio y monopsonio. Para que un mercado sea con-
siderado estrictamente como de competencia perfecta, además, es indispensable que no haya
restricciones para la entrada al mismo de nuevos oferentes o demandantes y que, por otra
parte, la información de los mismos sea completa y actualizada. En tal caso las leyes teóricas
de la economía indican que se hará óptima la asignación de recursos y que los consumidores
21
CAPÍTULO 2. MARCO CONCEPTUAL
El libre mercado tiene la característica principal de no estar regulada por una autoridad
planificadora centralizada que realice y defina las decisiones respecto a las cantidades que
deben ser producidas en algún mercado en función de las cantidades a consumir, en vez de
estar regulados por una entidad centralizada se determina un punto de equilibrio mediante
la toma de decisiones de las entidades independientes y autónomas en conjunto para lograr
satisfacer las necesidades de cada uno.
Sin embargo, el libre mercado puede tener ciertos inconvenientes en el que alguno de los par-
ticipantes del mercado pudiera manipular el mercado a su favor, contemplando esta situación
y previendo acciones por parte de los participantes que pudieran ejercer una manipulación y
abuso del mercado en su beneficio, el mercado es regulado a través del precio establecido, con
el cual se obtiene un equilibrio que no lo define ninguna entidad independiente en particular,
más bien se logra el equilibrio a través de la sumatoria de las fuerzas que participan en el
mercado (ofertas y demandas propias de cada entidad).
22
CAPÍTULO 2. MARCO CONCEPTUAL
Antes de llevar a cabo el proceso de desregulación en México, la CFE era la empresa del
estado encargada en su totalidad de todos los procesos que involucra al sector eléctrico que
son: generación, operación, transmisión y distribución y comercialización de energía eléctrica.
El modelo de empresa anterior bajo el que se regía la CFE, era la de una empresa monopólica
integrada verticalmente. En la figura 2.6 se observa la manera en que las instituciones que
participaban en el sector energético estaban organizadas previo a la reforma.
Con la desregulación del sector eléctrico, se dio la transición hacia un Mercado Eléctrico
Mayorista (MEM), este mercado es operado por el Centro Nacional de Control de Energía
(CENACE) y tiene la función de Operador Independiente del Sistema (ISO), se encarga de
regular las transacciones diarias de compra y venta de energía eléctrica de los grandes consu-
midores (compra) y los productores de energía (venta), así como los productos asociados que
son: potencia, certificados de energías limpias, derechos financieros de transmisión, servicios
conexos y demanda controlable. El ISO también tiene como objetivo principal mantener la
eficiencia, continuidad, seguridad y sustentabilidad del Sistema Eléctrico de Potencia (SEP).
23
CAPÍTULO 2. MARCO CONCEPTUAL
El MEM se fundamenta actualmente bajo el régimen de libre mercado, esto quiere decir que
se basa en mercados de competencia entre la oferta y la demanda, para promover la libre
competencia entre los agentes participantes en el MEM que son los generadores de energía
eléctrica y los grandes consumidores de la misma. El precio de la energía eléctrica es deter-
minado por acuerdo común entre los generadores y consumidores.
Dentro del sector eléctrico cabe destacar que la generación eléctrica es el único proceso den-
tro de los Sistemas Eléctricos de Potencia que tiene la capacidad para desarrollarse en un
ambiente de competencia, estableciendo sus precios bajo el esquema de libre mercado. En el
MEM se realizan ofertas diarias de venta y compra de energía para cada una de las horas del
día de operación del mercado.
El proceso de la transmisión de energía eléctrica tiene una particularidad respecto a los otros
procesos del sector eléctrico, el cual no pueden ser regida bajo modelos de mercado competiti-
24
CAPÍTULO 2. MARCO CONCEPTUAL
Los Operadores Independientes del Sistema (ISO), también se rigen bajo el régimen de mo-
nopolio, ya que son los encargados de coordinar bajo las reglas de mercado establecidas, a
todas las centrales generadoras que participen para abastecer la demanda eléctrica, bajo el
régimen que tengan establecido. El Centro de Control y Operación de los sistemas eléctricos
(en México el CENACE), tiene la obligación de suministrar el servicio de energía eléctrica,
brindar la continuidad del mismo a todos los usuarios y garantizar la seguridad del sistema
eléctrico bajo los requerimientos de la red eléctrica.
Como Operador Independiente del Sistema el CENACE debe garantizar la calidad, confiabi-
lidad, continuidad, seguridad y sustentabilidad en la operación y control del SEN. También
realiza la operación del MEM en condiciones que promueven la competencia, eficiencia e
imparcialidad, mediante la asignación y despacho óptimo de las centrales eléctricas, para
satisfacer la demanda de energía del SEN [23].
El CENACE lleva a cabo el proceso de casación, una vez que los titulares de las centra-
les generadoras y los compradores de energía hayan emitido sus ofertas de compra y venta
durante los periodos de programación diario, realizada para cada una de las horas del día
de operación de un día en adelanto estableciendo libremente la cantidad , posteriormente
construye la curva de oferta agregada a partir de las ofertas individuales de cada generador,
dando prioridad de manera sucesiva a las que ofrecen la electricidad más barata, hasta cubrir
la totalidad de la demanda del mercado [24].
Por otra parte de manera similar el CENACE construye la curva de demanda agregada, el
cual la realiza mediante el ordenamiento descendente del precio de las ofertas de adquisición
de energía que fueron aceptadas. Finalmente el CENACE tiene la obligación de publicar y
comunicar a todos los participantes del mercado los resultados de la casación de las ofertas
de compra y venta.
25
CAPÍTULO 2. MARCO CONCEPTUAL
26
CAPÍTULO 2. MARCO CONCEPTUAL
En la actual regulación del MEM, todas las ofertas de compra-venta de energía por parte
de los consumidores o generadores es libre y transparente; todos los participantes tienen la
posibilidad de acceder a las subastas de energía, siempre y cuando cumplan con los requeri-
mientos impuestos por el MEM para los usuarios calificados.
El mercado de energía desregulado consta de tres diferentes tipos de mercado que son el
mercado de día en adelanto, el mercado en tiempo real y el mercado de hora en adelanto,
en el mercado a corto plazo se pueden ofertar dos tipos de producto que son el de energía y
servicios conexos; estos productos se ofertan (generación y demanda) en horizontes de tiempo
por hora, diario y en tiempo real. En el mercado de día en adelanto se programan los recursos
hora a hora para el día siguiente de operación y en el mercado en tiempo real se corrigen las
desviaciones de la programación realizadas en el MDA.
Dentro del Mercado de Corto Plazo, también se encuentran los servicios Conexos, que son
aquellos Productos Asociados que proporcionan servicios de regulación, reserva sincronizada
y participan en la confiabilidad, seguridad, continuidad y calidad del sistema eléctrico, ya
que participan como respaldo al SEN.
El MDA, es el mercado de corto plazo, en el cual se conjuntan todas las ofertas venta y
adquisición de energía eléctrica, por parte de los participantes del MEM proporcionando un
ambiente competitivo. El MDA opera bajo el esquema de libre oferta y demanda, con lo
cual se obtienen costos operativos del sistema eléctrico mucho más rentables; los beneficios
económicos incluyen a los dueños de las centrales generadoras, así como para todos los usua-
rios calificados y las entidades comercializadoras. Estos beneficios son logrados mediante la
coordinación del despacho de los recursos de generación, procurando siempre que el despacho
se haga con las ofertas más económicas ofertadas por los generadores.
27
CAPÍTULO 2. MARCO CONCEPTUAL
a cabo las transacciones de compra-venta de energía eléctrica un día antes de que la energía
sea generada o consumida.
Con las ofertas proporcionadas por los generadores y usuarios calificados, se construyen las
curvas de oferta y demanda para cada hora del día siguiente, de la intersección de las curvas
de oferta y demanda se obtiene el precio marginal local por hora para cada hora de operación
del día siguiente. El precio de energía que se pagará a todas las centrales generadoras que
estén operando en el MEM en cada periodo horario será el determinado por la oferta de venta
de la última central requerida para satisfacer la demanda pronosticada.
En la figura 2.9 se describe la secuencia de procesos que se llevan a cabo para el Mercado de
Día en Adelanto y en qué horario se estipula que deben ser ejecutados.
28
CAPÍTULO 2. MARCO CONCEPTUAL
El MTR es una parte integral del MEM y está diseñado de manera muy específica a las ne-
cesidades operativas del SEN, el CENACE realiza en base al pronóstico de demanda actual
del día de operación y lo ofertado por parte de los generadores y realiza periódicamente el
despacho de generación y calcula con los datos más recientes el precio marginal local y calcula
los precios para los servicios conexo.
La adecuación realizada de los recursos que se tienen disponibles para realizar el ajuste de
energía pueden ser clasificados dependiendo del tiempo que tarden en responder a las deman-
das requeridas por el sistema eléctrico, dentro de los que tienen mayor capacidad de respuesta
es el AGC (Automatic Generation Control), los servicios de reserva rodante, rodante suple-
mentaria y rodante no suplementaria.
El mecanismo de fijación del Precio Marginal Local (PML) es una de las herramientas más
utilizadas para realizar la liquidación de mercados eléctricos desregulados o mayoristas. El
PML en un nodo se define como el como el costo marginal por suministrar al menor costo,
el siguiente incremento de demanda de energía eléctrica (carga) en MW, en ese nodo en
específico de la red eléctrica; tomando en consideración tanto las ofertas de generación y de
demanda, así como los aspectos físicos del sistema de transmisión eléctrica, incluyendo las
restricciones operativas de la red.
El PML es la sumatoria del costo marginal de energía suministrada, el costo derivado de las
pérdidas debido al incremento y el costo generado por la congestión en las líneas de transmi-
sión que también son derivadas del incremento. El PML es el indicador del precio marginal
de la energía y depende directamente del costo de la generación eléctrica, la disponibilidad de
los generadores, las pérdidas de potencia activa en la transmisión y los niveles de congestión
en la red de transmisión. Es importante mencionar que el precio de la energía varía de un
nodo a otro en función de la congestión y pérdidas en la red eléctrica.
29
CAPÍTULO 2. MARCO CONCEPTUAL
A causa de que las restricciones de la red deben ser consideradas en el proceso de compensa-
ción del mercado, no puede ser posible determinar el equilibrio del mercado únicamente por
la intersección de la curva de oferta y demanda agregada. Por lo que la programación del
despacho de energía y los precios de energía se determinan mediante un modelo de optimi-
zación congruente con las restricciones de la red eléctrica y el flujo de potencia.
El PML representa el costo marginal de corto plazo del sistema eléctrico, calculado para una
condición de funcionamiento específica y toma en cuenta explícitamente las características de
la red, así como, el costo marginal de generación [25]. El objetivo principal de la determina-
ción de los PML es la de encontrar el costo marginal de suplir una unidad más de demanda en
un nodo específico del sistema, esta situación puede implicar que exista menos disponibilidad
de generación que pueda ser requerida para abastecer las necesidades del resto del sistema
(unidad menos), esta situación implica que puede verse reducido el límite de generación para
el productor que abastece en un nodo específico [26].
El CENACE opera este mercado spot a través de contratos bilaterales entre los participantes
del mercado y las ofertas realizadas por los generadores que participan en el MEM, con la fi-
nalidad de realizar el despacho óptimo de generación y respetando las restricciones impuestas
por el sistema eléctrico, brindando seguridad a la red. El PML se calcula como la sumatoria
del costo marginal de generación en cada nodo, el costo de congestión en la red de transmisión
y las pérdidas marginales en la red eléctrica.
La fórmula para calcular del PML en un nodo determinado k [27], se obtiene de la ecuación
2.3. X M
∂L ∂Ploss
=λ 1+ + µj tjk (2.1)
∂Pdk ∂Pdk j=1
30
CAPÍTULO 2. MARCO CONCEPTUAL
Componente de Energía= P M L = λ
Componente de Pérdidas= λ ∂P loss
∂Pdk
PM
Componente de Congestión= j=1 µj tjk
Dónde:
∂Ploss
∂Pdk
Es el factor de sensibilidad de pérdidas de potencia activa en el bus k.
tjk Es el factor de sensibilidad en la red del nodo k debido a las restricciones en la red, en la
línea j.
La construcción del PML se determina en función de las curvas de oferta y demanda de los
generadores y consumidores de energía. Se construye la curva de oferta a partir de las ofertas
individuales de cada generador, cada productor ofrece una cantidad determinada para cada
una de las horas del día siguiente a un precio promedio para todo el día y el CENACE las
organiza de menor a mayor precio, generando una curva escalonada con pendiente positiva.
Por otro lado, el CENACE realiza las proyecciones de demanda de energía y construye la
curva de demanda, la cual resulta en una curva escalonada con pendiente negativa [28].
Una vez que se obtuvo el pronóstico de la demanda y la curva de oferta, se puede determinar
el PML, que como se dijo anteriormente es determinado por la última oferta de generación,
necesaria para satisfacer la demanda y el precio determinado será el que será pagado a todos
los agentes del mercado que son requeridos para abastecer la demanda de energía.
En la figura 2.10 se observa de forma gráfica la forma en la que se obtiene el PML, el precio
marginal se obtiene en el punto de intersección de las curvas de oferta y adquisición de
31
CAPÍTULO 2. MARCO CONCEPTUAL
energía; los precios marginales que serán aceptados para la energía total ofertada será las que
estén por abajo del precio marginal y para la energía total adquirida los precios marginales
aceptados serán los que se encuentren por arriba del precio marginal al cierre del mercado.
Una de las características más notorias de la demanda de energía en cualquier sistema eléc-
trico es que constantemente se encuentra variando, esto derivado de los requerimientos de
consumo de energía eléctrica en la red; esta situación implica que las centrales generadoras no
32
CAPÍTULO 2. MARCO CONCEPTUAL
sean diseñadas con las dimensiones adecuadas, lo cual impacta en un sobre dimensionamiento
de la red eléctrica. Esto genera que existan centrales generadoras con costos fijos mucho más
elevados y con costos variables mucho más bajos y por lo tanto con menor eficiencia.
33
CAPÍTULO 2. MARCO CONCEPTUAL
“La producción y el consumo de energía eléctrica están dominados por dos caracteres es-
pecíficos derivados de su propia naturaleza: el primero consiste en la imposibilidad de su
almacenamiento en cantidades significativas, por lo que debe ser generada y distribuida en
el momento en que se produce su demanda, de ahí que las capacidades de generación y de
transmisión de este sector estén obligadas a crecer a ritmos superiores al aumento de aquélla;
el segundo es el incremento de precio que experimenta en tanto que sea mayor la distancia a
recorrer entre las centrales generadoras y los centros de consumo” [21].
Con el nuevo marco regulatorio del MEM, las energías limpias tienen un papel muy impor-
tante, ya que está diseñado para aumentar la implementación de este tipo de tecnologías y
por lo tanto que se vuelvan más competitivas. El MEM es un mercado de costos variables,
esto implica que las energías con menor costo variable son las primeras en ser despachadas
al SEN, las centrales generadoras de energías limpias generalmente tienen costos variables
menores a los de las centrales generadoras a base de combustibles fósiles, de tal manera que
estas podrán tener prioridad en el despacho de energía por parte del CENACE. Esto supone
que, siempre que estén en capacidad de generar, las centrales generadoras de energías limpias
podrán generar su energía eléctrica a un precio equivalente al costo variable de la última
central que despacha [30].
34
CAPÍTULO 2. MARCO CONCEPTUAL
Las tecnologías con mayor impacto en la generación con energías limpias son: la eólica y
fotovoltaica, tienen gran impacto en la reducción emisiones de gases de efecto invernadero a
la atmósfera, que con la importancia que tiene actualmente el cuidado del medio ambiente
son tecnologías para generación eléctrica limpia muy factibles.
Uno de los grandes obstáculos que presentan la generación eólica y fotovoltaica es la inter-
mitencia natural del recurso que explotan, por lo que no se puede decidir cuándo y cuánta
energía se va a generar; esto vuelve impredecibles y por lo tanto inciertas en su pronóstico,
ya que dependen totalmente de la disponibilidad y condiciones de viento y sol que se tengan
al momento.
Las tres primeras categorías son aplicables para sistemas a pequeña escala, donde la energía
puede ser almacenada como energía cinética, energía química, aire comprimido, hidrógeno,
supercapacitores y superconductores. La última categoría tiene mayor aplicación para sis-
temas de almacenamiento a gran escala, donde la energía puede ser almacenada en como
energía gravitacional en sistemas hidráulicos, energía térmica en forma de calor latente y
sensible, energía química en acumuladores, baterías o aire comprimido [31].
Existen diversas tecnologías de almacenamiento de energía las cuales cubren las necesidades
de almacenamiento en la red eléctrica, las características más relevantes de los sistemas de
almacenamiento son la capacidad de almacenamiento y la energía disponible. La primera se
define como la cantidad de energía disponible en el sistema de almacenamiento después de
haber completado el ciclo de carga, la descarga es con frecuencia incompleta por lo que se
define en base a la energía totalmente almacenada que es mayor a la energía útil en un punto
determinado de operación.
35
CAPÍTULO 2. MARCO CONCEPTUAL
El uso de energías renovables al ser fuentes de energía intermitentes, no se puede tener una
respuesta inmediata a la demanda debido a que las energías renovables difícilmente pueden
proporcionar una respuesta rápida a las fluctuaciones de la demanda, lo que obliga inevita-
blemente a desarrollar métodos con los que se pueda almacenar la energía en el momento que
se tenga la disponibilidad del recurso.
Control de la frecuencia.
36
CAPÍTULO 2. MARCO CONCEPTUAL
37
CAPÍTULO 2. MARCO CONCEPTUAL
( CO, CO2 , etc.) que surgen a partir de los gases liberados de las centrales generadoras
térmicas, con esto contribuyendo a reducir las emisiones de CO2 en el medio ambiente.
2. Seguridad energética:
4. Confiabilidad:
38
CAPÍTULO 2. MARCO CONCEPTUAL
39
CAPÍTULO 2. MARCO CONCEPTUAL
Sistemas de almacenamiento para usuarios finales (kW): Son usados para almacena-
miento a pequeña escala, las tecnologías más factibles para esta modalidad son: super-
capacitores, volantes de inercia, baterías de Li-ion.
En la figura 2.13 se muestra un panorama general de las aplicaciones específicas de las dife-
rentes tecnologías existentes para almacenamiento de energía, en función de la capacidad de
almacenamiento y el tiempo en el que pueden disponer de la energía.
40
CAPÍTULO 2. MARCO CONCEPTUAL
41
CAPÍTULO 2. MARCO CONCEPTUAL
42
CAPÍTULO 2. MARCO CONCEPTUAL
El almacenamiento de energía electromagnético abarca dos mecanismos generales por los cua-
les se puede realizar el almacenamiento de energía, uno de ellos involucra el uso de capacitores
y supercapacitores en el cual la energía puede ser almacenada en estos dispositivos mediante
el proceso de separación de cargas eléctricas positivas y negativas, el otro mecanismo implica
la relación existente entre los fenómenos eléctricos y magnéticos a través de inductores y
superconductores. Ambos mecanismos son utilizados en situaciones de almacenamiento de
energía a baja escala en condiciones transitorias, aunque también se ha extendido el desa-
rrollo para la implementación a mayor escala, para tiempos relativamente cortos y en ciertos
casos a velocidades muy rápidas. Estas dos tecnologías hacen hincapié en la energía cinética
de gran velocidad y la potencia a gran escala, en lugar de la cantidad de energía que pueden
almacenar [38].
2.9.1.1. Supercapacitores
Mientras que un capacitor convencional utiliza un dieléctrico sólido para separar las placas
del capacitor, el supercapacitor presenta características de capacitores y de baterías con la
ventaja de que su funcionamiento no depende de un proceso electroquímico. Consiste en
almacenar energía en forma de campo eléctrico entre dos electrodos metálicos cubiertos de
una superficie de carbón activado y separados finamente por un aislante poroso todo en un
electrólito conductor de iones [40].
En la figura 2.15 se muestra el diagrama esquemático del funcionamiento del los supercapa-
citores.
43
CAPÍTULO 2. MARCO CONCEPTUAL
44
CAPÍTULO 2. MARCO CONCEPTUAL
Los sistemas hidroeléctricos de bombeo son una adaptación realizada a partir de una central
hidroeléctrica convencional, esta configuración consiste en el almacenamiento de agua en dos
45
CAPÍTULO 2. MARCO CONCEPTUAL
embalses (embalse superior e inferior) que se encuentran a desnivel uno respecto al otro, estos
embalses pueden ser construidos de forma artificial o pueden ser embalses naturales. Los em-
balses pueden ser de diferentes tamaños y el agua debe ser liberada desde el embalse superior
y pasar a través de las turbinas de la central hacia el embalse inferior, bajo esta condición
la PSHP se encontrará generando energía eléctrica como en cualquier hidroeléctrica conven-
cional, sin embargo la particularidad de este tipo de centrales radica en la posibilidad de que
el agua puede ser bombeada hacia el embalse superior desde el embalse inferior, recargando
nuevamente el proceso para realizar la generación de energía, en algunos casos implica el uso
de turbinas de dos vías [38].
46
CAPÍTULO 2. MARCO CONCEPTUAL
47
CAPÍTULO 2. MARCO CONCEPTUAL
TES (Thermal Energy Storage por sus siglas en inglés) almacenan temporalmente la energía
térmica a alta o baja temperatura para disponer de ella posteriormente, además tienen la
capacidad de incrementar la eficiencia de la energía térmica con lo cual logran un mejor
control de la producción térmica a gran escala. La energía térmica puede ser clasificada según
el medio de almacenamiento que utiliza, uno de estos medios se denomina calor sensible que
consiste en incrementar o disminuir la temperatura de una sustancia (alterando su calor
sensible), otra medio empleado para almacenar la energía es el calor latente, el cual se basa
en la transición de una sustancia (sólido-líquido); es decir cambiando la fase de una sustancia
(alterando su calor latente) y por último el almacenamiento termoquímico que se lleva a
cabo a través del calor procedente de campos solares, el cual propicia reacciones químicas
reversibles.
Los TES mediante calor sensible utilizan la energía almacenada o extraída a través del ca-
lentamiento o enfriamiento de un líquido o un sólido el cual no cambia su fase durante este
proceso, como el agua, aceites de transferencia de calor, algunas sales fundidas inorgánicas y
sólidos como las rocas. en el caso de los sólidos, los materiales se encuentran invariablemente
de forma porosa y el calor es almacenado o extraído mediante el flujo de un gas o un líquido
a través de las porosidades o huecos. Los materiales utilizados para el almacenamiento de
calor sensible no experimentan proceso de cambio de fase cuando estos almacenan energía
térmica, lo cual quiere decir, que estos materiales únicamente experimentan el proceso de
cambio de temperatura dentro de una fase [47].
48
CAPÍTULO 2. MARCO CONCEPTUAL
(a) (b)
(c)
Los sistemas TES mediante calor latente se caracterizan por cambiar la fase de sólido a lí-
quido (calor latente de fusión) o de líquido a vapor (calor latente de vaporización) de un
material cuando este se somete a un incremento de temperatura. Teóricamente, el material
empleado tiene un punto de cambio de fase cuando la transición de fase sucede, pero en la
práctica el proceso de cambio de fase ocurre en un cierto rango de temperatura en vez de un
punto exacto [47].
49
CAPÍTULO 2. MARCO CONCEPTUAL
2.9.3.3. Termoquímico
Este tipo de sistemas obtienen su principal fuente de energía (calor) por medio de la energía
solar captada por los campos solares, con la energía obtenida desarrollan reacciones químicas
reversibles y con esto el medio de almacenamiento debe tener la habilidad de disociarse com-
pletamente en el rango de temperaturas del campo solar; las reacciones durante el periodo de
carga son endotérmicas, mientras que en los periodos de descarga son reacciones exotérmicas.
Los productos químicos tras la reacción de disociación presentan un potencial estimable ya
que pueden ser almacenados indefinidamente a temperatura ambiente reduciendo considera-
blemente las pérdidas térmicas [50].
50
CAPÍTULO 2. MARCO CONCEPTUAL
2.9.4.1. Hidrógeno
Para generar electricidad ambos gases (hidrógeno y oxígeno) fluyen hacia la celda de combus-
tible donde se produce una reacción electroquímica que es la reacción inversa de la separación
del agua: el hidrógeno y oxígeno reaccionan y producen agua, se libera calor y se genera elec-
tricidad; por razones económicas y prácticas el oxígeno no es almacenado, este es liberado
a la atmósfera durante la electrólisis y se dispone del oxígeno del aire para la generación de
energía [39].
51
CAPÍTULO 2. MARCO CONCEPTUAL
Son dispositivos que se integran de dos o más celdas electroquímicas, estas celdas son capaces
de generar un flujo de electrones (corriente eléctrica) a través de reacciones químicas, estas
celdas se integran de dos electrodos (ánodo y cátodo), el material electrolítico, los cuales se
encuentran contenidos en un recipiente. La corriente eléctrica que producen estos dispositivos
se da mediante un proceso de óxido-reducción el cual implica reacciones químicas entre el
electrólito de la celda y los electrodos [53].
Cuando la batería se descarga a través de una carga conectada, los iones cargados eléctri-
camente en el electrólito que están cerca de uno de los electrodos de la celda suministran
electrones (oxidación) mientras que los iones cercanos al otro electrodo de la celda aceptan
electrones (reducción) para completar el proceso; el proceso se invierte para cargar la bate-
ría, que implica la ionización del electrólito. Este proceso utiliza sustancias químicas como
el plomo, níquel-cadmio (NiCad), Litio-ion (Li-ion), sodio/azufre (NaS), zinc/bromo (ZnBr),
vanadio-redox, entre otros [53]. En las figuras siguientes se observa en 2.24 el periodo de carga
de una batería de Litio-ion y en 2.25 el periodo de descarga de una batería de Litio-ion a
modo de ejemplo.
52
CAPÍTULO 2. MARCO CONCEPTUAL
53
Centrales hidroeléctricas de bombeo
3
3.1. Centrales hidroeléctricas
El principio de operación de las centrales hidroeléctricas consiste en transformar la energía
cinética del agua contenida en el embalse superior en energía eléctrica a través de descargas
sucesivas de agua. Este proceso se lleva a cabo mediante el aprovechamiento del agua alma-
cenada el el embalse superior, el cual se encuentra situado a desnivel del embalse inferior, el
fluido (agua) se conduce a través de tuberías o conductos forzados hacia el embalse situado
en la parte inferior del complejo, el agua se descarga a gran presión a través de tuberías
forzadas hacia la turbina lo cual genera un movimiento rotatorio de la turbina convirtiendo
la energía en mecánica y la cual es transmitida mediante el eje del generador. A partir de
la rotación del generador el cual es impulsado por la turbina, se induce una tensión en las
terminales de la bobina del estator y es el encargado de generar el campo electromagnético
fijo en donde se genera energía eléctrica en sus bornes o terminales, posteriormente el agua
sigue su curso a través del río.
La fuente de energía principal para operar las centrales hidroeléctricas es proporcionada por
la gravedad y la altura de la caída de agua sobre la turbina, la energía potencial del agua
que se encuentra almacenada en el embalse es el producto de la masa del agua, el factor de
gravedad y la caída o cabeza de agua que es la diferencia que existe entre el nivel de la presa
y el nivel de agua del embalse en la salida de la turbina. Las hidroeléctricas pueden basarse
en caudales no regulados de los ríos o presas con capacidad de almacenamiento limitada por
encima del caudal natural y en el agua extraída de los embalses que pueden contener varios
años de aportaciones. El potencial de electricidad de una unidad de agua (m3 ) está asociado
con la altura existente entre el nivel de la presa o embalse hasta el nivel donde se encuentra
la turbina [55].
55
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
eléctrica a partir de la energía potencial del agua. La energía eléctrica se genera mediante la
transformación de la energía hidráulica en energía mecánica la cual hace girar una turbina
que se encuentra acoplada a un generador. Cabe mencionar que cada central hidroeléctrica
construida en el mundo tiene características muy particulares de la región donde se encuentra
ubicada, esto se debe a la topografía del terreno donde se construyó, la hidrología específica
de la región, la capacidad de la central, etc. Sin embargo las centrales hidroeléctricas pueden
ser clasificadas de diferentes maneras que serán explicadas.
A continuación se proporciona una breve descripción de los principales elementos que integran
una central hidroeléctrica [56].
56
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
Tubería forzada: Son las encargadas de transportar el agua a presión hacia las tur-
binas hidráulicas.
Este tipo de centrales no cuentan con elementos de almacenamiento (presas), utilizan el flujo
de agua o caudal de agua para la generación de energía eléctrica.
Esta clasificación tiene la capacidad de almacenar grandes cantidades de agua, para operar
este tipo de centrales se debe tener en consideración que para operar en forma óptima y sacar
el máximo provecho al agua, el límite deberá estar lo más cerca posible al límite máximo del
embalse, sin que se produzcan vertimientos de agua [57].
Las centrales hidroeléctricas de bombeo (CHB), es uno de los métodos para almacenar ener-
gía más eficientes a nivel mundial. El principio de funcionamiento de las CHB consiste en
almacenar la energía potencial contenida en el agua mediante el bombeo de esta desde un
embalse inferior situado a desnivel hacia un embalse superior situado a mayor altura del
embalse inferior, esta energía potencial del agua es almacenada y utilizada posteriormente
para generar energía eléctrica.
Una CHB tiene la capacidad de generar o demandar energía eléctrica de la red ya que ge-
nerador puede trabajar en modo turbina o como motor; aunque el bombeo de agua requiere
mayor energía que la producida a partir del bombeo, su éxito radica en la flexibilidad y capa-
cidad para comprar energía eléctrica al MEM a bajo costo (demanda mínima) para realizar
el bombeo de agua hacia el embalse superior y vender posteriormente la energía que generen
a un precio elevado (demanda punta).
Existen dos modos de operación de las CHB una es cuando la central se encuentra generando
energía eléctrica (vendiendo energía al MEM) y la otra es consumo (comprando energía al
MEM). Cuando la CHB se encuentra generando, se descarga o libera el agua almacenada en
el embalse superior abriendo las compuertas de la presa y el agua se transporta a presión
mediante unos conductos forzados (tuberías), el flujo de agua acciona las turbinas que están
57
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
acopladas a los generadores, lo cual produce electricidad. Para el modo de consumo la CHB
realiza el bombeo de agua utilizando los generadores como motores, los cuales transforman
la energía eléctrica en mecánica impulsando o bombeando el agua hacia el embalse superior.
La capacidad de almacenamiento de energía de las CHB únicamente está limitada por las
dimensiones de los embalses y la capacidad de generación de las máquinas, por lo que es un
medio de almacenamiento económico y flexible para almacenar grandes cantidades de ener-
gía, además que permite almacenar la energía en sus embalses por largos periodos de tiempo
hasta el momento que sea requerida para su uso.
Las CHB son unidades que son despachadas en la punta de la demanda para obtener el mayor
beneficio ya que es en este periodo de tiempo donde se ofertan los precios más altos de la
energía en el MEM. En la figura 3.2 se muestra esquemáticamente y de manera ilustrativa el
despacho de generación mediante diferentes tipos de tecnologías.
58
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
59
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
Las CHB son actualmente las tecnologías para almacenamiento de energía con mayor madu-
rez, comerciabilidad y las más adoptadas e implementadas para este fin; esto se debe princi-
palmente a las ventajas que ofrecen como son: la capacidad de respuesta ante disturbios en
la red y las posibilidades que ofrecen para respaldo de energía (reservas de energía).
60
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
Capacidad Hidroeléctrica
País total instalada de bombeo Generación (TWh)
(MW) (MW)
Argentina 10,118 974 41.46
Belice 53 - 0.21
Bolivia 494 - 2.34
Brasil 91,650 30 382.06
Canadá 79,202 177 375.63
Chile 6,622 - 24.57
Colombia 11,392 - 49.00
Costa Rica 1,800 - 7.41
Cuba 64 - 0.10
Dominica 6 - 0.03
República Dominicana 543 - 1.43
Ecuador 2,297 - 11.87
El Salvador 472 - 1.90
Estados Unidos 101,757 22,441 250.15
Guadalupe 10 - -
Guatemala 991 - 3.99
Guayana 1 - -
Guayana Francesa 119 - 0.73
Haití 61 - 0.15
Honduras 558 - 2.98
Jamaica 23 - 0.12
México 12,435 - 30.13
Nicaragua 123 - 0.55
Panamá 1,655 - 5.07
Paraguay 8,810 - 59.43
Perú 4,190 - 26.06
Puerto Rico 100 - 0.10
San Vicente y las gra-
7 - 0.03
nadinas
Surinam 189 - 0.73
Uruguay 1,538 - 7.54
Venezuela 15,393 - 79.56
Total 352,670 23,622 1,364
61
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
la madurez y flexibilidad que proporcionan a los sistemas eléctricos de potencia que tienen
tienen altos niveles de penetración de energía eólica y solar. En tabla 3.2 se muestran los
países con mayor capacidad instalada de CHB, siendo China el país con mayor cantidad
de CHB operando y con la mayor capacidad instalada (31,936 MW) con esta tecnología de
almacenamiento. En la figura 3.5 se puede observar gráficamente la capacidad instalada en
MW de cada país.
Potencia
País Número de CHB
nominal (MW)
China 31,936 32
Japón 12,183 16
India 5,090 8
Suiza 4,753 10
Korea del Sur 3,700 5
España 3,025 3
Portugal 2,878 8
Alemania 2,379 12
Estados Unidos 2,245 4
Austria 2,195 8
Rusia 2,180 3
Italia 1,758 3
Taiwán 1,600 1
62
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
En julio del año 2015 se llevó a cabo un taller en la Ciudad de México, el cual fue organizado
conjuntamente por el departamento de energía del Banco Mundial de América Latina y el
Caribe, el Programa de Asistencia y Administración del Sector Energético (ESMAP por sus
siglas en inglés), la SENER y la CFE; este taller tuvo la finalidad de reunir a un grupo de
expertos internacionales quieres proporcionaron información sobre las tendencias mundiales
en el desarrollo tecnológico y el marco normativo que ha hecho posible la integrar exitosa-
mente este tipo de energías de almacenamiento en países como EE.UU., Japón, América del
Sur y la Unión Europea [63].
Esta reunión generó intercambio de experiencias sobre mejoras a las prácticas en el diseño
63
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
Además de la colaboración de las CHB para el incremento de flexibilidad del sistema, pro-
porcionan una amplia gama de servicios auxiliares como: control de frecuencia, control de
voltaje, capacidad de re-despacho; por este motivo las CHB colaboran con la reducción de los
picos de demanda, reducción en los desvíos de generación eólica y solar, reducción de gases
de efecto invernadero a través de la reducción de generación con combustibles fósiles que son
despachadas cuando no hay generación eólica o solar suficiente para satisfacer la demanda
de energía en la red [63].
Con la ambiciosa necesidad en México de hacer uso de los recursos naturales que posee el
país y la evaluación de la implementación de energías renovables que aprovechen los grandes
recursos naturales con los que se cuentan, se debe tener en consideración que al incrementar
la generación con energías renovables también se debe tener un proyecto de expansión de la
red para contemplar el almacenamiento proveniente de la intermitencia generada por fuentes
renovables como la eólica y solar.
64
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
65
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
Con la transición de los mercados eléctricos regulados hacia la desregulación de los mismos,
las CHB pueden maximizar sus ganancias y con esto compensar la inversión inicial (Tasa
Interna de Retorno) que implica la construcción de proyectos hidroeléctricos; las ganancias
obtenidas por la CHB se dan por medio de la gestión de recursos hidrológicos que se encuen-
tran disponibles en sus embalses para maximizar los beneficios económicos de la CHB.
La gestión del recurso hídrico por parte de la CHB se interpreta como la coordinación de la
66
CAPÍTULO 3. CENTRALES HIDROELÉCTRICAS DE BOMBEO
venta de energía eléctrica (generación) al MEM en las horas de demanda máxima, el agua
almacenada en el embalse superior en forma de energía potencial es utilizada para la gene-
ración cuando el precio de la energía es mayor y la compra de energía eléctrica en el MEM
cuando el costo de la energía es más barato para realizar el bombeo de agua del embalse
inferior al superior en las horas de demanda baja.
Usualmente las CHB operan en conjunto con las centrales de generación con fuentes renova-
bles, con la finalidad de brindar el respaldo necesario para compensar las intermitencias de
la generación con energías renovables, esto con la finalidad de que los dueños de las centrales
maximicen los beneficios económicos y reduzcan la incertidumbre asociada a la variabilidad
de este tipo de fuentes de generación las cuales poseen características de ser estacionales,
impredecibles, incontrolables e intermitentes.
A diferencia de los mercados competitivos, los sistemas que operan de forma tradicional
consideran la operación de las centrales hidroeléctricas en función de la valoración del recurso
utilizado como costo de oportunidad, considerando que se pueda disponer del recurso hídrico
almacenado en el momento que se requiera, ya que tienen la capacidad de almacenar el agua
por largos periodos de tiempo hasta el momento que se disponga de ella para la generación
o en caso de que la generación para abastecer la demanda presente alguna deficiencia.
67
Modelo de optimización de una central hidroeléctrica
4
de bombeo
4.1. Introducción
Este trabajo plantea la forma óptima de operar una central hidroeléctrica de bombeo en
el mercado eléctrico mayorista, es este caso se enfoca de manera particular a la participa-
ción de la central en el mercado de día en adelanto (MDA). El planteamiento del modelo
matemático de la CHB empleado para este trabajo se formuló bajo las consideraciones de
la programación lineal entera mixta (MILP), también se presenta la metodología planteada
para la solución del problema de optimización de la CHB bajo consideración; el modelo se
desarrolla en el software de optimización AMPL. Este trabajo comprende un modelo de op-
timización en el cual se establecen los parámetros necesarios para la formulación de problema.
Los parámetros que se indican en el modelo son los datos respectivos de los veinte escenarios
de precios considerados, la probabilidad que se le asigna a cada uno de estos escenarios, los
niveles o cotas máximas y mínimas indicados para los embalses superior e inferior, los niveles
requeridos en los embalses al iniciar el día, los límites máximos y mínimos de generación, el
límite máximo de bombeo, el consumo específico de generación y de bombeo, el número de
grupos de bombeo y de generación de la CHB y por último el periodo de tiempo contem-
plado, que en este caso se considera de veinticuatro horas. Los datos mencionados se pueden
consultar en el Anexo D de este trabajo.
69
CAPÍTULO 4. MODELO DE OPTIMIZACIÓN DE UNA CENTRAL
HIDROELÉCTRICA DE BOMBEO
en términos de igualdades o desigualdades a partir de la ecuación 4.1 o en su representación
equivalente en notación extendida 4.2.
Pn
mı́n cx
Pnj=1 j j
s.t. j=1 aij xj ≥ bi i = 1, . . . , m (4.1)
xj ≥ 0 j = 1, . . . , n
mı́n c1 x 1 + c2 x 2 + . . . + cn x n
Pn
máx j=1 cj xj
s.t.
Pn
a x ≤ bi i = 1, . . . , m1
Pnj=1 ij j (4.3)
j=1 aij xj = bi i = m1 + 1, . . . , m
xj ≥ 0 j = 1, . . . , n
x1 , . . . , x k (0/1)
70
CAPÍTULO 4. MODELO DE OPTIMIZACIÓN DE UNA CENTRAL
HIDROELÉCTRICA DE BOMBEO
Dentro del problema de LP se consideran que las variables del problema son del tipo lineal, sin
embargo existen cierto tipo de consideraciones para algunos problemas de LP que requieren
que algunas de sus variables requieren ser determinadas como enteras, es decir pueden tomar
valores de (0/1). A este tipo de problemas se les denomina MILP, en cual el problema exige
las mismas consideraciones de cualquier problema de LP pero considerando las variables de
tipo entero para su solución.
Uno de los métodos más empleados para la búsqueda de la solución de un conjunto de pro-
blemas LP es el método de ramificación y acotamiento (branch and bound), debido a la
exactitud para encontrar la solución de este tipo de problemas. Este método utiliza la relaja-
ción para suprimir las restricciones del tipo entero o binario, el método en primera instancia
resuelve el problema de LP original relajando la integralidad [65].
Métodos de corte: Este método realiza un seccionamiento o corte para eliminar de for-
ma gradual alguna región dentro del espacio de soluciones que no contienen los puntos
enteros factibles, esto lo realiza hasta lograr que el punto extremo óptimo continuo del
conjunto de soluciones, satisfaga las condiciones enteras del problema. Esto se logra
determinando el óptimo continuo para posteriormente ir añadiendo de manera sistemá-
tica las restricciones de integralidad al problema, las cueles limitan (cortan) es espacio
de soluciones [66].
La figura 4.1 muestra de forma ilustrativa el procedimiento de búsqueda del óptimo por el
método de ramificación y acotamiento, el objetivo de este método es mantener el camino con
menor dificultad hacia un objetivo. El algoritmo comienza con un solo nodo superior, cuyo
problema asociado es la relajación del problema entero; si dicha relajación resultó tener una
solución entera, entonces proporcionaría una solución óptima al IP.
71
CAPÍTULO 4. MODELO DE OPTIMIZACIÓN DE UNA CENTRAL
HIDROELÉCTRICA DE BOMBEO
Sin embargo la mayoría de la veces el óptimo para la relajación contiene variables enteras de
valor fraccionario, por lo tanto la variable fraccionaria se elige para continuar la ramificación
y se generan nuevos subproblemas, estos a su vez tendrán límites más restrictivos para la
variable de ramificación. En el árbol de búsqueda, los dos nuevos subproblemas se represen-
tan como dos nuevos nodos generados y los cuales se encuentran conectados al nodo raíz.
estos subproblemas probablemente también contengan variables enteras de valor fraccionario
por lo que el procedimiento de ramificación deberá continuar repetidas veces las cuales van
mejorando a medida que la ramificación continúa [67].
72
CAPÍTULO 4. MODELO DE OPTIMIZACIÓN DE UNA CENTRAL
HIDROELÉCTRICA DE BOMBEO
4.3.1. Índices y conjuntos del modelo
La gran mayoría de los elementos que integran un modelo de optimización se encuentran inde-
xados sobre alguna combinación de los conjuntos determinados para el modelo. Los conjuntos
pueden ser definidos a través de la aplicación de operaciones como la unión o intersección
con otros conjuntos o mediante la especificación de de condiciones lógicas de pertenencia,
que pueden ser determinadas de forma arbitraria [69].
Los conjuntos e índices del modelo planteado, son un elemento fundamental en cualquier
modelo de LP de gran tamaño, ya que se requieren conjuntos que representan a su vez
parámetros de grandes dimensiones, el cual sería complicado definir de manera individual
para el planteamiento de cualquier problema de optimización.
73
CAPÍTULO 4. MODELO DE OPTIMIZACIÓN DE UNA CENTRAL
HIDROELÉCTRICA DE BOMBEO
puede dar un resultado de optimización mucho más certero y adecuado.
74
CAPÍTULO 4. MODELO DE OPTIMIZACIÓN DE UNA CENTRAL
HIDROELÉCTRICA DE BOMBEO
XX
max ρs · [λsh · (P Gsh − P Bsh )] (4.5)
s∈S h∈H
Dónde:
Sujeto a:
N
X
P Gsh = Gsnh (4.6)
k=1
N
X
P Bsh = Bsnh (4.7)
n=1
Dónde:
Las regiones factibles de generación y bombeo contempla sN 2 restricciones
s
yjh s
+ zkh ≤1 (4.8)
75
CAPÍTULO 4. MODELO DE OPTIMIZACIÓN DE UNA CENTRAL
HIDROELÉCTRICA DE BOMBEO
s
Gmin ∗ ynh s
≤ P Gsnh ≤ Gmax ∗ ynh (4.9)
s
P Bnh s
= Bmax ∗ znh (4.11)
s
Bnh = P Bsnh (4.12)
La restricción del nivel de agua almacenada en el embalse inferior, no debe exceder los límites
máximos y mínimos del embalse.
s
Vinf min ≤ Vinf h ≤ Vinf max (4.13)
La restricción del nivel de agua almacenada en el embalse superior, no debe exceder los lími-
tes máximos y mínimos del embalse.
s
Vsupmin ≤ Vsuph ≤ Vsupmax (4.14)
Para calcular el volumen de agua en los dos embalses (superior e inferior) para cada h del
periodo y cada escenario s:
s
Vinf s s s
h = Vsuph−1 − Qgh + Qbh (4.15)
76
CAPÍTULO 4. MODELO DE OPTIMIZACIÓN DE UNA CENTRAL
HIDROELÉCTRICA DE BOMBEO
Dónde:
N
X
Qghs = ceg ∗ Gsnh (4.16)
n=1
N
X
Qbsh = ceb ∗ s
Bnh (4.17)
n=1
Volumen de agua para los dos embalses (superior e inferior) al final del periodo contemplado,
debe ser:
s
Vinf 24 = Vinf f inal (4.18)
s
Vsup24 = Vsupf inal (4.19)
N
X
P Gsh ≤ Gmx (4.20)
n=1
N
X
P Bsh ≤ Bmx (4.21)
n=1
77
Análisis de resultados
5
5.1. Introducción
En este capítulo se describen y muestran los resultados obtenidos del modelo de optimización
de la CHB planteados en este trabajo. Se analiza el comportamiento de los niveles de agua
en los embalses inferior y superior, producto de la oferta o adquisición de la energía eléctrica
al MEM. Se describen los periodos en los que el programa de optimización definió las horas
más adecuadas u óptimas para realizar el bombeo o generación.
A través de las gráficas mostradas en este capítulo se pretende mostrar de una manera ilustra-
tiva el comportamiento del movimiento de agua en los embalses inferior y superior, también
se describe la potencia generada por el grupo generador y la potencia adquirida del MEM
para ser empleada por el grupo de bombeo para realizar el almacenamiento de energía en el
embalse superior.
Otras variables consideradas en el problema de optimización son las variables binarias, las
cuales limitan el problema para que las bombas y generadores no trabajen de manera simul-
tánea, se muestra el total de energía ofertada por cada uno de los generadores y la energía
adquirida por cada una de las bombas al MEM, así como el programa de generación y bom-
beo en conjunto por toda la central hidroeléctrica de bombeo.
79
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
puro. Finalmente el objetivo de este trabajo es definir un programa óptimo para la CHB de
las horas adecuadas para realizar la oferta o demanda de energía al MEM, manteniendo los
niveles establecidos de agua en los embalses y respetando los límites de generación y bombeo.
Lo anteriormente mencionado explica el motivo del comportamiento tan diferente en los pre-
cios del MDA para cada escenario de PML del MEM, lo cual implica que los escenarios
considerados contemplan los siete días de la semana y por lo tanto la demanda de energía
es muy diferente entre los días laborales y los fines de semana. Las gráficas que se muestran
en este análisis de resultados da mayor detalle de la evolución de los veinte escenarios de
precios considerados para el modelo. Los datos para cada uno de los escenarios de precios
considerados en este modelo se muestran en la tabla D.1 del Anexo D de este trabajo.
El programa proporciona los valores mostrados en el recuadro siguiente, dónde se observa que
se encontró una solución entera óptima con objetivo de 90,150.35922. Esta solución expresa
la ganancia o beneficio de la CHB con el modelo de optimización planteado, el cual indica
que si en un día se pronostican PML similares a alguno de los veinte escenarios definidos
en el modelo, considerando las restricciones y variables de decisión, entonces se obtendrá la
ganancia mencionada producto de la optimización.
1
2 ampl : i n c l u d e " /home/ c l a u d i a /CASO1 . run " ;
3 CPLEX 1 2 . 7 . 0 . 0 : o p t i m a l i n t e g e r s o l u t i o n w i t h i n mipgap o r absmipgap ; o b j e c t i v e
90150.35922
4 98 MIP s i m p l e x i t e r a t i o n s
5 0 branch−and−bound nodes
6 absmipgap = 8 . 1 8 3 1 1 , r e l m i p g a p = 9 . 0 7 7 1 8 e −05
7 No b a s i s .
8
80
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
21 _total_solve_elapsed_time = 1 . 8 8 2 0 3
22
23 _total_solve_system_time = 0 . 5 1 1 9 2 2
24
25 _total_solve_user_time = 9 . 6 2 9 5 4
26
27 _total_solve_time = 1 0 . 1 4 1 5
Dónde:
MIP simplex iterations: Son las iteraciones simplex de programación entera mixta.
La interpretación de los resultados obtenidos del modelo de optimización abarca veinte esce-
narios de precios, sin embargo cada escenario es procesado de la misma manera por lo cual se
considera hacer el análisis de los resultados obtenidos para el escenario 1, dicho análisis puede
ser extrapolado o aplicado de la misma manera a cada uno de los 19 escenarios restantes.
81
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
En la figura 5.1 gráfica del escenario 1 se muestra el comportamiento de los PML de un día
en específico para un horizonte de tiempo de 24 horas. Se observa que en el periodo de la 1
a las 10 de la mañana y en la hora 24 se presentaron los PML más bajos, mientras que en
las horas restantes se visualizan precios más elevados.
El modelo contempla que la CHB está integrada por dos generadores, los cuales además
tienen la capacidad de trabajar como bombas invirtiendo el sentido de giro de las máquinas
(reversibles). Partiendo de la restricción del modelo donde se contempla la imposibilidad de
las máquinas (bombas y generadores) de trabajar simultáneamente, se consideró en el modelo
una variable binaria que indica el estado en el que se encuentran las bombas o generadores,
es decir indica si se encuentran encendidas o apagadas ya que se consideran mutuamente
excluyentes.
Las variables binarias están indicadas en el modelo como a1 y b1 para el grupo generador 1
y a2 y b2 para el grupo generador 2, donde a1 y a2 indican el estado en que se encuentran
las bombas y b1 y b2 hacen referencia al estado en el que se encuentran los generadores. Las
figuras 5.6 y 5.16 del escenario 1 , así como las figuras 5.11 y 5.21 del escenario 1, muestran
que en ningún momento se incumple con la restricción de generar y bombear simultáneamen-
te.
Otra de las restricciones que se consideró en el modelo es que las bombas y generadores debían
operar a su máxima potencia. Para los generadores y bombas se establece que su máxima
potencia de generación y bombeo sea de 10 MW, lo cual garantiza obtener el mayor beneficio
de tener operando a los equipos a su máxima capacidad; aunado a estas consideraciones se
definió un límite máximo y mínimo de generación, en el cual se plantea que los generador
operan en un rango máximo de 10 MW y mínimo de 5 MW, esto permite una flexibilidad en
la generación siempre buscando obtener el máximo beneficio de la CHB.
Por otra parte en el escenario de PML 1, visualiza que en el periodo que corresponde de las 11
a las 23 horas se presentan los PML más altos, por lo cual el programa determina que estas
horas representan los momentos factibles para vender u ofertar la energía al MEM y realizar
la generación. En las figuras 5.36 y 5.41 del escenario 1, se observa que los generadores 1
y 2 se encontraron generando durante estos periodos, se observa que ambos generadores no
incumplieron en ningún momento con la restricción establecida en la que se indica que el
límite máximo de generación para cada uno es de 10 MW y el límite mínimo de generación
se establece en 5 MW.
82
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
El programa determina que el máximo beneficio obtenido por la CHB se obtiene a partir de
la suma de la energía adquirida u ofertada al MEM por todos los conjuntos, en este caso
las dos bombas y los dos generadores. En la figura 5.46 y 5.51 del escenario 1, se observa la
energía total ofertada al MEM por los dos generadores y la energía total adquirida del MEM
por las dos bombas, respectivamente.
El modelo de optimización establece las consideraciones que determina que la energía total
ofertada al MEM será la suma de la energía ofertada por ambos generadores individualmente
y la energía total adquirida del MEM será la suma de la energía adquirida por ambas bombas
individualmente. Se observa en la figura 5.46 del escenario 1 que el total de energía ofertada
por ambos generadores es de 20 MW de las 11 a las 22 horas y de 13.24 MW en la hora 23.
En el caso de la figura 5.51 del escenario 1 se observa que el total de energía adquirida es de
20 MW para el periodo de la 1 a las 10 horas y para la hora 24.
En la figura 5.61 del escenario 1, se muestra la evolución del volumen de agua en el embalse
inferior en cada hora del horizonte de tiempo considerado. De manera análoga en la figura
5.66 del escenario 1, se muestra la evolución del volumen de agua en el embalse superior en
cada hora del horizonte de tiempo considerado.
En el modelo se establece la restricción para limitar el nivel máximo y mínimo de agua al-
macenada en ambos embalses, dicha restricción establece que el nivel de agua al inicio del
periodo debe ser igual al nivel de agua al final de periodo de tiempo programado. Se puede
afirmar a partir de la gráficas mencionadas en el párrafo anterior que el volumen de agua
para el embalse inferior se utilizo de manera óptima para desplazada al embalse superior
durante el periodo de bombeo, mientras que el agua que se encontraba almacenada en el
embalse superior fue empleada en la misma cantidad para generar energía en los periodos de
demanda punta.
En el modelo se establecen los parámetros que establecen los niveles de agua que deben ser
respetados en ambos embalses, en el caso del embalse superior se establece que el nivel má-
ximo de agua almacenada es de 50 hm3 y para el embalse inferior se establece de 25 hm3 ;
mientras que para los niveles mínimos de agua, se establece para el embalse superior e inferior
de 0 hm3 . Los niveles de volumen de agua requeridos al final del día programado son de 10
hm3 para el embalse inferior y 20 hm3 para el superior.
Los niveles de agua en ambos embalses respetan los límites establecidos para el modelo, las
restricciones referentes al movimiento de agua entre los dos embalses se puede afirmar que
83
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
es adecuada. Sin embargo es importante mencionar que el método (simplex) empleado por
el software AMPL para resolver el problema de optimización puede no ser tan exacto. Es-
to se puede observar en la hora 1 de ambos embalses para el escenario 1, los cuales logran
satisfacer las restricciones establecidas en el modelo pero con una variación poco significativa.
84
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
85
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
86
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
87
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
88
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
89
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
90
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
91
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
92
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
93
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
94
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
95
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
96
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
97
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
98
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
99
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
100
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
101
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
102
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
103
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
104
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
105
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
106
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
107
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
108
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
109
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
110
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
111
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
112
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
113
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
114
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
115
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
116
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
117
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
118
CAPÍTULO 5. ANÁLISIS DE RESULTADOS
119
Conclusiones
6
Se logró formular un modelo de optimización para una central hidroeléctrica de bombeo uti-
lizando el software AMPL (A Mathematical Programming Language), el cual obtuvo el valor
óptimo de la función objetivo, obteniendo el máximo beneficio esperado por la CHB a través
de realizar transacciones financieras (ofertas de compra y venta) de energía en un mercado
eléctrico mayorista de corto plazo (MDA).
Se obtuvo la programación óptima de la CHB para cada una de las horas del periodo pro-
gramado y los distintos escenarios planteados, que garantiza el máximo beneficio para la CHB.
Se pudo comprobar que las CHB pueden maximizar sus beneficios a través de la participación
en los mercados mayoristas de energía y en el caso particular de este trabajo del mercado de
corto plazo como del de día en adelanto.
Es importante mencionar que el software AMPL es una herramienta muy eficaz para plantear
los modelos de programación de una forma muy amigable, ya que permite expresar el modelo
en términos de ecuaciones o desigualdades algebraicas.
Por otra parte el solver CPLEX empleado para la solucionar el problema de programación
lineal y entera mixta como es el caso particular de este trabajo, es muy eficaz para determinar
el óptimo del problema de maximización definida para este modelo.
121
Referencias
[1] A.J. Conejo, J.M. Arroyo, J. Contreras, and F.A. Villamor. Self-scheduling of a hydro
producer in a pool-based electricity market. IEEE Transactions on Power Systems, 17
(4):1265–1272, nov 2002.
[3] G.W. Chang, M. Aganagic, J.G. Waight, J. Medina, T. Burton, S. Reeves, and M. Chris-
toforidis. Experiences with mixed integer linear programming based approaches on short-
term hydro scheduling. IEEE Transactions on Power Systems, 16(4):743–749, 2001.
[4] A. Borghetti, C. D’Ambrosio, A. Lodi, and S. Martello. An milp approach for short-
term hydro scheduling and unit commitment with head-dependent reservoir. IEEE
Transactions on Power Systems, 23(3):1115–1124, aug 2008.
[5] C.W. Chang and J.G. Waight. A mixed integer linear programming based hydro unit
commitment.
[6] J. Garcia, R. Moraga, L. Matres, and A. Mateo. Stochastic joint optimization of wind
generation and pumped-storage units in an electricity market. IEEE Transactions on
Power Systems, 23(2):460–468, may 2008.
[7] P.J. Donalek. Role and value of hydro and pumped storage generation in a proposed
regional electricity market in southeast europe. In 2003 IEEE Power Engineering Society
General Meeting (IEEE Cat. No.03CH37491), volume 1, pages 1–398 Vol. 1. IEEE, 2003.
[8] F. Almagro and M. Flores. Acerca de la reestructuración del sector eléctrico en méxico.
CIECAS-IPN, (13):91–100, 2008.
123
CAPÍTULO 6. CONCLUSIONES
[11] Comisión Federal de Electricidad. Programa de obras e inversiones del sector eléctrico
2014-2028. AMDEE, 2012.
[12] Secretaría de Energía. Inventario nacional de energías renovables, Febrero 2017. URL
https://dgel.energia.gob.mx/inere/.
[13] M. M. Fondevila and S. Scarpellini. Guía de mercados energéticos, volume 221 of Textos
Docentes. Prensas de la Universidad de Zaragoza, 2013, 2013.
[14] J. E. Stiglitz. El malestar en la globalización. Litografía Rosés, S.A., punto de lectura, s.l.
edition, 2002. ISBN 84-663-6825-6. URL http://www.javeriana.edu.co/personales/
jramirez/PDF/Stiglitz_malestar_en_prologo_cap1.pdf.
[15] H. Rudnick. The electric market restructuring in south america: successes and failures
on market design. Plenary Session, 1998.
[17] D. Pilipovic. Energy Risk: Valuing and Managing Energy Derivatives. McGraw-Hill,
second edition, 2007. ISBN 0071485945. 512 pp.
[18] L. M. Bastidas, S. F. Montoya, and J. D. Velásquez. ¿hacia dónde irán los sectores
eléctricos de los países de la región andina? Cuadernos de Administración, 21(35):
307–325, 2008. ISSN 0120-3592. URL http://www.redalyc.org/articulo.oa?id=
20503513. Bogóta, Colombia.
[20] Enciclopedia y biblioteca virtual de las ciencias sociales, económicas y jurídicas. URL
http://www.eumed.net/.
[25] M. Shahidehpour, H. Yamin, and Z. Li. Market Operations in Electric Powers Systems
Forecasting, Scheduling, and Risk Management. John Wiley and Sons, Inc., New York,
2002.
124
CAPÍTULO 6. CONCLUSIONES
[26] L. E. Gallego and O. G. Duarte. Estimación y análisis de precios nodales como efecto
de las restricciones de transmisión en el mercado mayorista de colombia. Ingeniería e
Investigación, 30(3):71–85, 2010.
[27] P. Ramach and R. Senthil. Locational marginal pricing approach to minimize conges-
tion in restructured power market. Journal of Electrical and Electronics Engineering
Research, 2(6):143–153, Diciembre 2010.
[28] J. P. Botero, J. J. García, and H. Velásquez. Efectos del cargo por confiabilidad sobre el
precio spot de la energía eléctrica en colombia. Cuadernos de Economía, (68):491–519,
2016. ISSN ISSN 0121-4772. URL http://www.scielo.org.co/pdf/ceco/v35n68/
v35n68a07.pdf.
[29] Edward Barbour. An Investigation into the potential of energy storage to tackle intermit-
tency in renewable energy generation. phdthesis, 2013. URL https://www.era.lib.ed.
ac.uk/bitstream/handle/1842/8189/Barbour2013.pdf?sequence=1&isAllowed=y.
[31] J.I. San Martín, I. Zamora, J.J. San Martín V. Aperribay, and P. Eguía. Energy storage
technologies for electric applications. In International Conference on Renewable Energies
and Power Quality. Las Palmas de Gran Canaria (Spain), 2011.
[34] H. Chen, T. N. Cong, W. Yang, C. Tan, Y. Li, and Y. Ding. Progress in electrical energy
storage system: A critical review. Progress in Natural Science, 19(3):291–312, 2009.
[35] Asociación Mexicana de Energía Eólica. Asociación mexicana de energía eólica (amdee),
Septiembre 2016. URL www.amdee.org/parques-eolicos-mexico-2015.
[36] S. Siraj, K. Aristides, and M. Markus. A numerical and graphical review of energy
storage technologies. Energies, 8(1):172–216, 2015.
[38] R. A. Huggins. Energy Storage. Springer US, 1 edition, 2010. ISBN 978-1-4419-1023-3.
61 pp. URL http://www.springer.com/la/book/9781489990310.
125
CAPÍTULO 6. CONCLUSIONES
[42] D. Susanto and K.W.E. Cheng. Superconducting magnetic energy storage systems for
power system applications. In IEEE, editor, 2009 International Conference on Applied
Superconductivity and Electromagnetic Devices, pages 377–380. IEEE, 2009. ISBN 978-
1-4244-3686-6. URL http://ieeexplore.ieee.org/abstract/document/5306614/.
[43] M. G. Molina. Dynamic modelling and control design of advanced energy storage for
power system applications, chapter 4. InTech, 2010. ISBN 978-953-7619-68-8. URL
http://dx.doi.org/10.5772/7092.
[45] P. Denholm, E. Ela, B. Kirby, and M. Milligan. The role of energy storage with renewable
electricity generation. Technical report, National Renewable Energy Laboratory, 2010.
URL http://www.nrel.gov/docs/fy10osti/47187.pdf.
[48] X. Xu, K. Vignarooban, B. Xu, K. Hsu, and A.M. Kannan. Prospects and problems
of concentrating solar power technologies for power generation in the desert regions.
Renewable and Sustainable Energy Reviews, 53:1106–1131, 1 2016. ISSN 1364-0321.
[49] Torresol Energy. Gemasolar, primera planta solar en el mundo con tecnología de torre
central con receptor de sales, 2010. URL http://www.torresolenergy.com/TORRESOL/
inicio/es.
[50] David Almagro Cabrera. Proyecto fin de carrera, 2012. URL http://bibing.us.es/
proyectos/abreproy/5328/fichero/Proyecto+fin+de+carrera.pdf.
126
CAPÍTULO 6. CONCLUSIONES
[53] I. Eyer and G. Corey. Energy storage for the electricity grid: Benefits and market
potential assessment guide, 2010. URL http://energystorage.org/system/files/
resources/esa_tr_2_10_sandia_benefitsandmarketguide.pdf.
[54] Marshall Brain. How lithium-ion batteries work, 2006. URL http://electronics.
howstuffworks.com/everyday-tech/lithium-ion-battery.htm.
[55] Finn R. Førsund. Hydropower Economics, volume 217 of International Series in Opera-
tions Research & Management Science. Springer US, second edition edition, 2007. ISBN
978-1-4899-7907-0.
[57] Obed Zarate Mejia. Planeación de la operación a mediano plazo de un sistema hidro-
térmico mediante programación lineal. mathesis, 2006.
[58] M. Qadrdan, J. Wu, N. Jenkins, and J. Ekanayake. Operating strategies for a gb inte-
grated gas and electricity network considering the uncertainty in wind power forecasts.
IEEE Transactions on Sustainable Energy, 5:128–138, 2014. ISSN 1949-3029.
[59] The Federation of Electric Power Companies of Japan. Optimal combination of power
sources to correspond to demands. URL http://www.fepc.or.jp/english/energy_
electricity/optimal_combination/.
[60] ABB Group. Microgrids and renewable energy integration, 2013. URL
file:///C:/Users/claudia/Downloads/WHyPGen_FGD%20Interkoneksi_materi%
20ABB%20-%20microgrids_and_re_integration.pdf.
[62] Strategen Consulting LLC and Sandia Corporation. Doe global energy storage database,
2011. URL http://www.energystorageexchange.org/.
[63] Energy Sector Management Assistance Program. Mexico’s power sector transition:
Pumped storage hydropower to facilitate renewable energy integration, 2015. URL
https://www.esmap.org/node/56012.
127
CAPÍTULO 6. CONCLUSIONES
[66] E. Y. Zambrano Rivera. Reconfiguración óptima de la red de baja tensión del sector
pabellones generales de la usb, 2008.
[67] ILOG. ILOG AMPL CPLEX System Version 8.0, 2008. URL https://www.lix.
polytechnique.fr/~liberti/teaching/xct/cplex/cplex-ampl-8.0.pdf.
[68] D. Poole and A. Mackworth. Artificial Intelligence. Cambridge University Press, 2010.
URL http://artint.info/html/ArtInt.html.
[69] R. Fourer, D. M. Gay, and B. W. Kernighan. AMPL: A Modeling Language for Mathe-
matical Programming. DUXBURY, 2002.
[70] Directorate General for Energy European Commission. The future role and challenges of
energy storage, Septiembre 2016. URL https://ec.europa.eu/energy/sites/ener/
files/energy_storage.pdf.
[71] D. G. Luenberger and Y. Ye. Linear and nonlinear programming. International series
in operations research and management science. Springer, third edition, 2007.
[76] J. Sáez Aguado. Breve introducción al programa AMPL. Universidad de Valladolid, 2003.
URL http://documents.mx/documents/breve-introduccion-al-programa-ampl.
html.
[77] R. Fourer, D. M. Gay, and B. W. Kernighan. AMPL: A Modeling Language for Mat-
hematical Programming. DUXBURY, second edition, 2002. ISBN 0-534-38809-4. URL
http://ampl.com/resources/the-ampl-book/chapter-downloads/.
128
Anexos
129
Optimización matemática
A
A.1. Introducción
Optimización también conocida como “programación matemática” o “investigación de opera-
ciones”, al cual nos referiremos en este documento como optimización, puede definirse como
la aplicación de la metodología científica a través de modelos, con la finalidad de poder re-
presentar problemas reales y resolverlos.
Los modelos matemáticos que son utilizados para la optimización son expresados mediante
ecuaciones, las cuales hacen referencia al análisis del problema planteado; para resolver el
problema de optimización se debe encontrar una solución entre un posible conjunto de solu-
ciones factibles.
La optimización es una técnica de modelado muy eficaz cuando se trata de resolver proble-
mas relacionados con decisiones o asignaciones y se basa en teoremas, algoritmos, métodos
matemáticos y técnicas de programación para resolver problemas de optimización. Es frecuen-
temente empleada en problemas de ingeniería en el que se buscan tomar decisiones óptimas
que involucran tiempo, personal, servicios, costos, recursos, beneficios, etc.
131
ANEXO A. OPTIMIZACIÓN MATEMÁTICA
Como muchos tipos de industrias, en la eléctrica muchas veces se requiere de tomas de deci-
siones (aquí y ahora) para la gestión de los recursos energéticos y en general para la operación
de los sistemas eléctricos de potencia.Con el actual esquema de mercados de energía (bol-
sa de energía) se busca tomar mejores decisiones en cualquier proceso de la industria eléctrica.
El término “programación” fue utilizada en el año de 1940 para definir el proceso de planifi-
cación o programación de actividades dentro de una gran organización, mediante el cual se
podían representar la cantidad o nivel de cada actividad realizada en dichas organizaciones
como una variable la cual podía determinarse. Los programadores de ese entonces encon-
traron que podían describir mediante modelos matemáticos las restricciones que involucran
a algún problema en específico de planificación y lo determinaron mediante un conjunto de
ecuaciones o desigualdades que involucran a las variables inherentes a cada problema, en el
que la solución obtenida considerando todas las restricciones proporcionaría un programa y
una planificación adecuada al problema [69].
Al paso del tiempo se demostró que era complicado modelar una operación compleja única-
mente especificando las restricciones, es decir en el caso de que el problema tuviera pocas
restricciones, muchas soluciones inferiores podrían satisfacerlas; en el caso de que existieran
demasiadas restricciones, se descartarían soluciones que serían deseables, o en el peor de los
escenarios no se podrían encontrar soluciones factibles. Por lo cual la programación propor-
cionó una forma muy rápida y eficaz de superar este problema, entonces los problemas de
optimización tuvieron un papel muy importante en lo que respecta a una herramienta que
colabora en la toma de decisiones más adecuadas mediante el planteamiento de una función
objetivo que relaciona las variables y las restricciones del problema, traducido como el costo
o beneficio que podría utilizarse en la mejor toma de decisiones.
132
ANEXO A. OPTIMIZACIÓN MATEMÁTICA
La programación linea es una herramienta para resolver problemas que implican la selección
de valores para una serie de variables interrelacionadas, centrando la atención en un único
objetivo diseñado para cuantificar el desempeño y medir la calidad de la decisión. Este ob-
jetivo se maximiza (o se minimiza, dependiendo de la formulación) sujeto a las limitaciones
que pueden limitar la selección de los valores de las variables de decisión. Si un único aspecto
de un problema puede aislarse y caracterizarse por un objetivo, la optimización puede pro-
porcionar un marco adecuado para el análisis [71].
1. Formulación y definición del problema: En esta fase se detallan los objetivos del
problema el cual se desea optimizar, se determinan las variables implicadas en el pro-
blema (controlables o no controlables), este conjunto de expresiones forman lo que se
133
ANEXO A. OPTIMIZACIÓN MATEMÁTICA
llama modelo matemático cuya solución está en función de los valores que tomen dichas
variables. La construcción del modelo debe incluir una función objetivo, la cual debe
estar en función de las variables involucradas, así como de las restricciones para los
valores posibles de las variables controlables.
3. Solución del modelo: Una vez que se ha establecido el modelo que describe el pro-
blema, se puede llevar a cabo la solución del problema empleando técnicas y métodos
matemáticos que permitan la solución del problema. Una vez obtenidos los resultados
del problema de optimización deben ser interpretados de acuerdo a la naturaleza real
del problema, se debe llevar a cabo un análisis de sensibilidad en el que podremos
obtener información adicional sobre el comportamiento de la solución óptima ante per-
turbaciones o variaciones en los parámetros y variables del modelo.
4. Validación del modelo: En este punto se comprueba si del modelo planteado se obtie-
ne una predicción adecuada del comportamiento del modelo planteado, estos resultados
pueden ser comprobados y validados mediante la comparación con datos históricos. La
validación del modelo se obtiene comparando los datos históricos con los datos ob-
tenidos en el modelo planteado bajo condiciones similares, sí el modelo reproduce el
funcionamiento pasado, entonces se dice que la solución del problema es válido.
134
ANEXO A. OPTIMIZACIÓN MATEMÁTICA
Todo problema de programación lineal puede ser representado de forma general, en donde
las restricciones del problema pueden están definidas en términos de igualdad o desigualdad
(≥ o ≤), las variables pueden ser positivas (x ≥ 0), sin restricción (x ∈ IR) o acotadas
(l ≤ x ≤ u). El problema puede ser expresado en la forma simplificada A.1, su forma equi-
valente en notación extendida A.2 y matricialmente A.3 como se muestra a continuación:
Pn
mı́n j=1 cj xj
(A.1)
s.t.
Pn
aij xj ≥ bi
j=1 i = 1, . . . , m
xj ≥ 0 j = 1, . . . , n
mı́n c1 x 1 + c2 x 2 + . . . + cn x n
x1 c1 b1 a1,1 a1,2 · · · a1,n
x2 c2 b2 a2,1 a2,2 · · · a2,n
x = .. , c = .. , b = .. , A = .. .. .. .. (A.3)
. . . . . . .
xn cn bm am,1 am,2 · · · am,n
135
ANEXO A. OPTIMIZACIÓN MATEMÁTICA
En la formulación planteada anteriormente, las partes que integran al problema que se desea
optimizar pueden ser expresadas como en A.4 y pueden ser descritas e identificadas de la
siguiente manera:
mı́n cT x
s.t. Ax ≥ b (A.4)
x ≥ 0
2. Los parámetros del problema están integrados por los coeficientes de costo cj .
3. Las variables de decisión del problema hacen referencia a las cantidades xj que deben
determinarse.
6. Los parámetros bi representa los requerimientos del problema que deben ser cumplidos.
Se dice que un problema de programación lineal se encuentra en forma estándar si todas las
restricciones son de igualdad y todas las variables son no negativas [73]. Correspondiendo a
un problema lineal en forma estándar se dice que una solución factible a las restricciones que
alcanzan el valor mínimo de la función objetivo y que se encuentra sujeta a esas restricciones,
se dice que es una solución factible óptima. Si esta solución es básica, es una solución factible
básica óptima [71].
El problema está expresado de forma canónica si todas las variables son definidas positivas
(no negativas) y todas las restricciones del problema sean del tipo (≤) para un problema de
maximizar y (≥) para un problema de minimizar , como se muestra a continuación:
136
ANEXO A. OPTIMIZACIÓN MATEMÁTICA
mı́n cT x
s.t. Ax = b (A.5)
x ≥ 0
mı́n cT x máx cT x
s.t. Ax ≥ b s.t. Ax ≤ b
x ≥ 0 x ≥ 0 (A.6)
(a (b
mı́n cT x
s.t. Ax = b (A.7)
x ≥ 0
Dónde:
137
AMPL (A Mathematical Programming Language)
B
B.1. Introducción
El software AMPL proporciona una forma de expresar la representación algebraica del mo-
delo, con los datos de los parámetros por separado; AMPL utiliza dos tipos de archivos
básicamente que son el del modelo y el de datos. El software AMPL realiza la interpretación
del modelo que se haya implementado y lleva a cabo la implementación numérica de tal
manera que pueda ser resuelto por un solver como CPLEX o MINOS. En la figura B.1 se
observa de manera esquemática la forma de operación del software AMPL para la obtención
de los resultados a partir de los archivos del modelo y los datos.
139
ANEXO B. AMPL (A MATHEMATICAL PROGRAMMING LANGUAGE )
Figura B.1. Ejecución del proceso del software AMPL para la obtención de resultados.
Adaptada de [75].
2. Definir los parámetros (datos) que definan las condiciones del modelo.
3. Seleccionar adecuadamente las variables de decisión del modelo que serán asociadas a
los conjuntos definidos previamente.
140
ANEXO B. AMPL (A MATHEMATICAL PROGRAMMING LANGUAGE )
Una vez que se ha definido en AMPL el modelo de optimización que se desea implementar se
puede especificar la manera en la que se desea resolver, lo que permite el diseño de muchos
tipos de algoritmos. Existen en la actualidad gran variedad de “solvers” empleados para la
resolución de problemas de optimización, algunos son de libre acceso y otros pueden adqui-
rirse por cierto costo [76].
2. Los solvers: Son algoritmos para resolver los diferentes tipos de problemas de optimiza-
ción, AMPL cuanta con una versión estudiantil en la cual pueden ejecutarse diferentes
tipos de solvers dependiendo de las necesidades del problema de programación plan-
teados en el modelo, entre los que destacan CPLEX que es usualmente empleado para
resolver problemas de LP, IP y redes, mientras que MINOS destaca por resolver pro-
blemas de LP y NLP [76].
141
ANEXO B. AMPL (A MATHEMATICAL PROGRAMMING LANGUAGE )
y por último el archivo (.run) que integra los dos anteriores y donde se establecen los datos
que se desean obtener [76].
P conjunto de productos
Definiendo:
Maximizando:
Sujeto a:
142
ANEXO B. AMPL (A MATHEMATICAL PROGRAMMING LANGUAGE )
143
Código del modelo de optimización
C
En esta sección se muestra el código empleado en el modelo de optimización de la central
hidroeléctrica de bombeo, utilizando el software de optimización AMPL (A Mathematical
Programming Language), para obtener la solución del problema de optimización planteado se
utilizó el solver CPLEX. Se han omitido los acentos de manera intencional, ya que en ocasiones
los compiladores no reconocen algunos caracteres especiales debido a que no pertenecen al
idioma inglés.
145
ANEXO C. CÓDIGO DEL MODELO DE OPTIMIZACIÓN
146
ANEXO C. CÓDIGO DEL MODELO DE OPTIMIZACIÓN
147
ANEXO C. CÓDIGO DEL MODELO DE OPTIMIZACIÓN
148
ANEXO C. CÓDIGO DEL MODELO DE OPTIMIZACIÓN
16 param vsmax := 5 0 ;
17 param vsmin := 0 ;
18 param vimax := 2 5 ;
19 param vimin := 0 ;
20 param v i n f i n i c d i a := 1 0 ;
21 param v s u p i n i c d i a := 2 0 ;
22
23
149
ANEXO C. CÓDIGO DEL MODELO DE OPTIMIZACIÓN
656.20 701.59 700.59 698.80 715.92 715.88 738.37 736.98 731.03 764.07
829.80 737.52 722.54 649.71 493.97
42 15 429.97 383.76 370.68 363.13 364.92 379.60 436.89 452.33 503.96
650.25 722.20 739.79 757.62 749.10 731.44 742.55 786.29 777.73 805.06
814.35 783.05 722.98 598.95 469.20
43 16 530.87 492.65 481.50 468.25 470.21 484.62 507.40 631.81 704.97
749.58 745.45 741.91 748.48 747.05 756.21 769.21 744.24 761.41 762.74
774.26 760.56 754.88 699.07 585.08
44 17 501.45 461.52 436.53 433.48 434.39 466.36 514.61 576.00 676.76
768.23 823.89 825.94 819.14 808.36 819.20 801.26 822.25 822.33 824.87
783.98 796.56 777.10 723.38 607.64
45 18 531.32 501.75 456.60 448.81 447.83 499.57 537.84 618.95 721.42
814.18 869.99 893.42 852.12 888.98 881.44 867.25 846.84 888.79 867.92
883.62 846.34 737.46 623.50 545.28
46 19 516.97 485.50 468.22 444.78 428.89 444.82 471.16 484.06 535.60
748.53 791.59 788.67 789.35 789.78 766.77 709.04 674.63 732.64 789.99
781.54 787.44 743.71 599.49 495.97
47 20 444.36 427.29 426.61 421.97 410.38 404.06 378.98 410.93 427.23
457.77 477.60 478.02 474.50 474.08 478.11 475.54 477.26 497.83 669.20
678.37 676.45 651.17 579.65 487.34;
48
49 end ;
150
ANEXO C. CÓDIGO DEL MODELO DE OPTIMIZACIÓN
29 d i s p l a y b1 ;
30
31 d i s p l a y b2 ;
32
33 d i s p l a y B1 ;
34
35 d i s p l a y B2 ;
36
37 d i s p l a y BTD;
38
39 d i s p l a y G1 ;
40
41 d i s p l a y G2 ;
42
43 d i s p l a y GTD;
44
45 display vinf ;
46
47 d i s p l a y vsup ;
48
49 d i s p l a y PSH ;
Los resultados mostrados por el programa de optimización AMPL una vez que ha encontrado
la solución, son los siguientes:
1
2 ampl : i n c l u d e " /home/ c l a u d i a /CASO1 . run " ;
3 CPLEX 1 2 . 7 . 0 . 0 : o p t i m a l i n t e g e r s o l u t i o n w i t h i n mipgap o r absmipgap ; o b j e c t i v e
90150.35922
4 98 MIP s i m p l e x i t e r a t i o n s
5 0 branch−and−bound nodes
6 absmipgap = 8 . 1 8 3 1 1 , r e l m i p g a p = 9 . 0 7 7 1 8 e −05
7 No b a s i s .
8
151
ANEXO C. CÓDIGO DEL MODELO DE OPTIMIZACIÓN
23 _total_solve_system_time = 0 . 5 1 1 9 2 2
24
25 _total_solve_user_time = 9 . 6 2 9 5 4
26
27 _total_solve_time = 1 0 . 1 4 1 5
152
Tablas de resultados obtenidos de la simulación en
D
AMPL
D.1. Introducción
A continuación se muestran las tablas de los resultados obtenidos para todas las variables
resultantes de la implementación del modelo de la CHB en el software AMPL. Los resultados
se obtuvieron bajo las consideraciones de los datos considerados en las tablas D.1, las cuales
muestran los PML utilizados para el modelo implementado, distribuidos para 20 escenarios
de precios durante un periodos de tiempo de veinticuatro horas. Los parámetros utilizados
para el modelo de la CHB se muestran en las tablas D.2 y D.3, para los grupos de generación
y bombeo, así como para los embalses, respectivamente.
153
154
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 587.93 554.35 610.17 636.43 661.67 584.99 548.32 742.60 644.13 600.14 507.27 678.21 429.7 380.53 425.45 528.96 489.19 534.57 504.19 430.96
H2 507.46 508.10 488.39 502.25 609.91 433.19 484.95 549.04 519.91 509.31 450.69 494.53 388.38 360.41 380.08 494.87 453.04 507.95 480.35 412.11
H3 476.37 500.07 455.73 484.70 495.51 411.62 463.10 471.66 494.20 460.32 430.63 451.36 359.95 349.93 364.95 481.35 425.87 457.5 470.07 428.14
H4 465.69 474.99 455.04 449.98 478.65 383.08 469.25 460.92 471.06 456.76 422.77 438.45 355.39 348.36 354.84 468.13 426.72 450.53 444.17 422.05
H5 464.78 456.96 437.89 445.17 474.60 377.07 467.22 457.88 467.38 435.98 428.33 427.37 351.83 347.27 355.08 469.10 426.69 449.12 427.70 410.49
H6 484.31 477.01 463.05 466.81 478.32 382.37 486.35 500.59 493.95 463.67 437.17 434.97 348.86 358.74 369.29 480.56 458.99 498.77 441.75 403.03
H7 560.38 504.92 485.35 506.78 485.56 379.27 614.60 653.27 579.64 525.77 481.91 442.47 341.78 418.42 421.26 499.00 497.85 536.22 461.93 372.79
H8 618.29 492.20 590.12 675.65 537.04 378.90 833.04 779.93 726.72 661.19 579.62 485.98 348.52 445.72 435.43 613.46 554.12 606.96 464.60 405.68
H9 728.54 518.05 724.45 763.86 689.06 381.00 1187.86 940.49 822.47 766.94 717.99 540.68 352.22 502.22 477.78 688.92 659.22 706.19 515.83 423.36
H10 763.77 541.96 786.95 829.92 695.53 418.81 1344.96 1092.37 1019.72 843.85 832.32 711.35 369.54 632.52 614.26 737.49 745.94 803.62 727.21 453.08
H11 786.16 542.13 843.12 854.47 718.91 454.24 1295.50 1149.08 1007.67 1010.44 926.24 746.62 403.81 683.20 694.45 735.49 811.31 871.41 765.61 472.96
H12 783.83 559.81 901.2 930.01 727.05 470.46 1362.35 1163.80 1096.96 1021.46 924.92 753.76 420.72 674.78 717.46 708.63 819.73 889.00 766.73 467.46
H13 804.71 555.75 846.87 868.58 720.79 490.34 1244.37 1257.97 999.14 961.59 1036.19 811.98 419.24 675.25 731.21 726.79 816.36 855.29 767.25 459.85
H14 782.86 559.31 962.90 927.75 711.55 487.27 1264.34 1189.28 1090.42 990.20 1004.71 784.39 432.7 683.66 730.52 726.69 798.64 892.74 764.93 459.97
H15 802.57 557.62 863.85 856.66 697.22 502.43 1260.51 1153.18 1041.43 1051.19 1118.21 777.72 433.46 685.76 708.76 753.49 812.44 883.15 747.51 469.73
H16 803.52 561.38 849.42 910.18 716.88 489.19 1256.30 1162.68 1065.64 1036.41 1024.74 816.20 433.01 732.41 718.15 760.84 787.38 855.82 687.46 459.32
H17 802.24 569.12 851.00 837.19 717.07 503.46 1259.26 1150.69 1002.82 1049.27 1058.64 729.51 427.08 730.92 770.8 718.57 826.11 842.85 653.46 462.61
H18 786.70 565.85 881.13 854.82 685.43 566.4 1273.88 1217.85 1003.47 1042.92 1054.36 783.9 438.63 713.35 767.19 747.18 819.90 904.54 719.40 485.36
H19 815.57 558.93 921.62 872.68 714.94 656.29 1287.40 1165.55 1060.18 1068.88 1089.89 897.37 500.90 756.85 795.65 758.84 812.54 878.09 778.65 667.11
H20 822.35 539.42 920.55 865.86 710.14 693.10 1281.87 1158.38 1070.96 1128.47 1121.77 786.98 576.59 838.39 821.69 777.89 798.98 912.55 772.86 688.47
H21 805.62 575.48 973.15 870.92 649.97 699.90 1327.71 1308.77 1046.3 1120.13 1044.34 806.69 590.89 747.69 787.98 746.82 812.44 866.64 795.06 684.65
H22 799.67 565.36 933.46 866.58 648.30 703.88 1326.68 1178.75 1062.28 994.62 966.67 721.66 568.44 722.76 715.76 756.65 794.70 745.13 745.96 653.52
H23 791.26 576.14 840.40 801.89 655.08 661.15 1193.92 1154.30 975.72 965.64 754.31 740.97 510.08 642.03 584.06 697.58 724.33 620.95 593.64 574.95
H24 762.18 556.30 833.49 750.73 693.22 646.33 1105.68 978.15 849.71 772.53 680.44 559.26 431.85 483.17 458.10 582.62 605.56 543.07 488.47 477.76
Tabla D.1. Escenarios de precios del 1 al 20 empleados para el modelo.
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
En la figura D.1 se muestra el dagrama unifilar del NodoP Ixtapantongo, el cual corresponde
al nodo de fijación de precios o nodoP, en el cual se modela la inyección o retiros físicos
de energía eléctrica y para el cual el precio marginal local (PML) se determina para las
liquidaciones financieras en el Mercado eléctrico mayorista (MEM) [23].
En la tabla D.2 se muestran los valores para los parámetros de los grupos generadores y de
bombeo, empleados en el modelo de optimización de la central.
155
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
156
D.4.1.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H6 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H7 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H8 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H9 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H10 1 0 1 0 0 1 0 1 0 1 0 1 1 0 0 0 0 0 0 1
H11 0 1 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0
H12 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Resultados para la variable (a1 )
H15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H19 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H22 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H23 0 0 1 1 1 0 1 0 1 0 1 0 0 1 1 1 1 1 1 0
H24 1 1 0 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 0
Tabla D.4. Resultados obtenidos para la variable (a1 ), del escenario 1 al 20.
tabla D.4 muestra los periodos cuando la bomba 1 se encuentra encendida o apagada.
157
cuatro horas y los veinte escenarios de precios considerados para el modelo de la CHB. La
A continuación de muestra el comportamiento de la bomba 1 durante el periodo de veinti-
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
158
D.4.2.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H6 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H7 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H8 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H9 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H10 1 0 1 0 0 1 0 1 0 1 0 1 1 0 0 0 0 0 0 1
H11 0 1 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0
H12 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Resultados para la variable (a2 )
H15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H19 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H22 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H23 0 0 1 1 1 0 1 0 1 0 1 0 0 1 1 1 1 1 1 0
H24 1 1 0 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 0
Tabla D.5. Resultados obtenidos para la variable (a2 ), del escenario 1 al 20.
tabla D.5 muestra los periodos cuando la bomba 2 se encuentra encendida o apagada.
cuatro horas y los veinte escenarios de precios considerados para el modelo de la CHB. La
A continuación de muestra el comportamiento de la bomba 2 durante el periodo de veinti-
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
D.4.3.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H9 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H10 0 1 0 1 1 0 1 0 1 0 1 0 0 1 1 1 1 1 1 0
H11 1 0 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1
H12 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H13 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H14 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
Resultados para la variable (b1 )
H15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H16 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H17 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H18 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H21 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H22 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H23 1 1 0 0 0 1 0 1 0 1 0 1 1 0 0 0 0 0 0 1
H24 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1
Tabla D.6. Resultados obtenidos para la variable (b1 ), del escenario 1 al 20.
tabla D.6 muestra los periodos cuando el generador 1 se encuentra encendido o apagado.
159
cuatro horas y los veinte escenarios de precios considerados para el modelo de la CHB. La
A continuación de muestra el comportamiento del generador 1 durante el periodo de veinti-
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
160
D.4.4.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H9 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H10 0 1 0 1 1 0 1 0 1 0 1 0 0 1 1 1 1 1 1 0
H11 1 0 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1
H12 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H13 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H14 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
Resultados para la variable (b2 )
H15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H16 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H17 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H18 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H21 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H22 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
H23 1 1 0 0 0 1 0 1 0 1 0 1 1 0 0 0 0 0 0 1
H24 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1
Tabla D.7. Resultados obtenidos para la variable (b2 ), del escenario 1 al 20.
tabla D.7 muestra los periodos cuando el generador 2 se encuentra encendido o apagado.
cuatro horas y los veinte escenarios de precios considerados para el modelo de la CHB. La
A continuación de muestra el comportamiento del generador 2 durante el periodo de veinti-
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
A continuación de muestra la cantidad de energía adquirida del MEM por la bomba 1 durante
el periodo de veinticuatro horas y los veinte escenarios de precios considerados para el modelo
de la CHB. La tabla D.8 muestra la cantidad de energía (MW) adquirida del MEM para la
bomba 1.
Tabla D.8. Resultados obtenidos para la variable (B1 ), del escenario 1 al 20.
E20
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E19
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E18
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E17
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E16
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E15
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E14
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E13
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E12
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E11
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E9
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E8
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E7
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E6
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E5
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E4
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E3
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E2
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
E1
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
0
0
H10
H11
H12
H13
H14
H15
H16
H17
H18
H19
H20
H21
H22
H23
H24
H1
H2
H3
H4
H5
H6
H7
H8
H9
161
162
D.5.2.
la bomba 2.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 10 10 10 10 10 0 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H2 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H3 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H4 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H5 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H6 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H7 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H8 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H9 10 10 10 10 0 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
H10 10 0 10 0 0 10 0 10 0 10 0 10 10 0 0 0 0 0 0 10
H11 0 10 0 0 0 10 0 0 0 0 0 0 10 0 0 0 0 0 0 0
H12 0 0 0 0 0 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10
H15
Resultados para la variable (B2 )
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H19 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H22 0 0 0 0 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H23 0 0 10 10 10 0 10 0 10 0 10 0 0 10 10 10 10 10 10 0
H24 10 10 0 10 10 0 10 10 10 10 10 10 0 10 10 10 10 10 10 0
Tabla D.9. Resultados obtenidos para la variable (B2 ), del escenario 1 al 20.
de la CHB. La tabla D.9 muestra los la cantidad de energía (MW) adquirida del MEM para
el periodo de veinticuatro horas y los veinte escenarios de precios considerados para el modelo
A continuación de muestra la cantidad de energía adquirida del MEM por la bomba 2 durante
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
Tabla D.10. Resultados obtenidos para la variable (G1 ), del escenario 1 al 20.
E20
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E19
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E18
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
5
0
0
E17
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
5
0
0
E16
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E15
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E14
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E13
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E12
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E11
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E10
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
8.24
E9
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
8.24
E8
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E7
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
8.24
E6
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
8.24
E5
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
8.24
E4
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
8.24
E3
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
8.24
E2
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
E1
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
5
0
H10
H11
H12
H13
H14
H15
H16
H17
H18
H19
H20
H21
H22
H23
H24
H1
H2
H3
H4
H5
H6
H7
H8
H9
163
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
Tabla D.11. Resultados obtenidos para la variable (G2 ), del escenario 1 al 20.
E20
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
5
0
E19
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E18
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E17
8.24
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E16
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E15
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
5
0
0
E14
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
5
0
0
E13
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
5
E12
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E11
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
5
0
0
E10
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
5
0
E9
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E8
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
5
0
8.24
E7
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E6
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
5
E5
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
5
0
0
0
E4
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
E3
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
5
E2
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
5
0
0
8.24
E1
10
10
10
10
10
10
10
10
10
10
10
10
0
0
0
0
0
0
0
0
0
0
0
H10
H11
H12
H13
H14
H15
H16
H17
H18
H19
H20
H21
H22
H23
H24
H1
H2
H3
H4
H5
H6
H7
H8
H9
164
inferior.
D.7.1.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 9.468 9.468 9.468 9.468 9.468 10.462 9.468 9.468 9.468 9.468 9.468 9.468 9.468 9.468 9.468 9.468 9.468 9.468 9.468 9.468
H2 8.936 8.936 8.936 8.936 8.936 9.930 8.936 8.936 8.936 8.936 8.936 8.936 8.936 8.936 8.936 8.936 8.936 8.936 8.936 8.936
H3 8.404 8.404 8.404 8.404 8.404 9.398 8.404 8.404 8.404 8.404 8.404 8.404 8.404 8.404 8.404 8.404 8.404 8.404 8.404 8.404
H4 7.872 7.872 7.872 7.872 7.872 8.866 7.872 7.872 7.872 7.872 7.872 7.872 7.872 7.872 7.872 7.872 7.872 7.872 7.872 7.872
H5 7.340 7.340 7.340 7.340 7.340 8.334 7.340 7.340 7.340 7.340 7.340 7.340 7.340 7.340 7.340 7.340 7.340 7.340 7.340 7.340
H6 6.808 6.808 6.808 6.808 6.808 7.802 6.808 6.808 6.808 6.808 6.808 6.808 6.808 6.808 6.808 6.808 6.808 6.808 6.808 6.808
H7 6.275 6.275 6.275 6.275 6.275 7.270 6.275 6.275 6.275 6.275 6.275 6.275 6.275 6.275 6.275 6.275 6.275 6.275 6.275 6.275
H8 5.743 5.743 5.743 5.743 5.743 6.738 5.743 5.743 5.743 5.743 5.743 5.743 5.743 5.743 5.743 5.743 5.743 5.743 5.743 5.743
H9 5.211 5.211 5.211 5.211 6.049 6.206 5.211 5.211 5.211 5.211 5.211 5.211 5.211 5.211 5.211 5.211 5.211 5.211 5.211 5.211
H10 4.679 5.517 4.679 5.674 6.512 5.674 5.674 4.679 5.674 4.679 5.517 4.679 4.679 5.517 5.517 5.674 5.517 5.674 5.674 4.679
H11 5.141 4.985 5.141 6.136 6.974 5.141 6.136 5.141 6.136 5.141 5.980 5.141 4.147 5.980 5.980 6.136 5.980 6.136 6.136 5.141
H12 5.604 5.447 5.604 6.598 7.436 4.609 6.598 5.604 6.598 5.604 6.442 5.604 4.453 6.442 6.442 6.442 6.442 6.598 6.598 5.604
H13 6.066 5.910 6.066 7.060 7.898 4.915 7.060 6.066 6.904 6.066 6.904 6.066 4.915 6.904 6.904 6.904 6.904 7.060 7.060 5.910
H14 6.528 6.372 6.528 7.522 8.361 5.378 7.522 6.528 7.366 6.528 7.366 6.528 5.378 7.366 7.366 7.366 7.366 7.522 7.522 5.378
H15 6.990 6.834 6.990 7.985 8.823 5.840 7.985 6.990 7.828 6.990 7.828 6.990 5.840 7.828 7.828 7.828 7.828 7.985 7.985 5.840
Resultados para la variable (vinf )
H16 7.453 7.296 7.453 8.447 9.285 6.302 8.291 7.453 8.291 7.453 8.291 7.453 6.302 8.291 8.291 8.291 8.291 8.447 8.447 6.302
H17 7.915 7.759 7.915 8.753 9.747 6.764 8.753 7.915 8.753 7.915 8.753 7.915 6.764 8.753 8.753 8.753 8.753 8.909 8.753 6.764
H18 8.377 8.221 8.377 9.215 10.210 7.227 9.215 8.377 9.215 8.377 9.215 8.377 7.227 9.215 9.215 9.215 9.215 9.371 9.215 7.227
H19 8.839 8.683 8.839 9.677 10.672 7.689 9.677 8.839 9.677 8.839 9.677 8.839 7.689 9.677 9.677 9.677 9.677 9.834 9.677 7.689
H20 9.302 9.145 9.302 10.140 11.134 8.151 10.140 9.302 10.140 9.302 10.140 9.302 8.151 10.140 10.140 10.140 10.140 10.296 10.140 8.151
H21 9.764 9.608 9.764 10.602 11.596 8.613 10.602 9.764 10.602 9.764 10.602 9.764 8.613 10.602 10.602 10.602 10.602 10.758 10.602 8.613
H22 10.226 10.070 10.226 11.064 11.064 9.076 11.064 10.226 11.064 10.226 11.064 10.070 9.076 11.064 11.064 11.064 11.064 11.064 11.064 9.076
H23 10.532 10.532 9.694 10.532 10.532 9.538 10.532 10.532 10.532 10.532 10.532 10.532 9.538 10.532 10.532 10.532 10.532 10.532 10.532 9.538
H24 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000 10.000
Tabla D.12. Resultados obtenidos para la variable (vinf ), del escenario 1 al 20.
165
precios contemplados. La tabla D.12 muestra la evolución del volumen de agua en el embalse
durante el periodo de veinticuatro horas considerado por el modelo y los veinte escenarios de
A continuación se muestra la evolución del volumen de agua en el embalse inferior (hm3 ),
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
166
D.7.2.
superior.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 20.532 20.532 20.532 20.532 20.532 19.538 20.532 20.532 20.532 20.532 20.532 20.532 20.532 20.532 20.532 20.532 20.532 20.532 20.532 20.532
H2 21.064 21.064 21.064 21.064 21.064 20.070 21.064 21.064 21.064 21.064 21.064 21.064 21.064 21.064 21.064 21.064 21.064 21.064 21.064 21.064
H3 21.596 21.596 21.596 21.596 21.596 20.602 21.596 21.596 21.596 21.596 21.596 21.596 21.596 21.596 21.596 21.596 21.596 21.596 21.596 21.596
H4 22.128 22.128 22.128 22.128 22.128 21.134 22.128 22.128 22.128 22.128 22.128 22.128 22.128 22.128 22.128 22.128 22.128 22.128 22.128 22.128
H5 22.660 22.660 22.660 22.660 22.660 21.666 22.660 22.660 22.660 22.660 22.660 22.660 22.660 22.660 22.660 22.660 22.660 22.660 22.660 22.660
H6 23.193 23.193 23.193 23.193 23.193 22.198 23.193 23.193 23.193 23.193 23.193 23.193 23.193 23.193 23.193 23.193 23.193 23.193 23.193 23.193
H7 23.725 23.725 23.725 23.725 23.725 22.730 23.725 23.725 23.725 23.725 23.725 23.725 23.725 23.725 23.725 23.725 23.725 23.725 23.725 23.725
H8 24.257 24.257 24.257 24.257 24.257 23.262 24.257 24.257 24.257 24.257 24.257 24.257 24.257 24.257 24.257 24.257 24.257 24.257 24.257 24.257
H9 24.789 24.789 24.789 24.789 23.951 23.794 24.789 24.789 24.789 24.789 24.789 24.789 24.789 24.789 24.789 24.789 24.789 24.789 24.789 24.789
H10 25.321 24.483 25.321 24.327 23.488 24.327 24.327 25.321 24.327 25.321 24.483 25.321 25.321 24.483 24.483 24.327 24.483 24.327 24.327 25.321
H11 24.859 25.015 24.859 23.864 23.026 24.859 23.864 24.859 23.864 24.859 24.021 24.859 25.853 24.021 24.021 23.864 24.021 23.864 23.864 24.859
H12 24.396 24.553 24.396 23.402 22.564 25.391 23.402 24.396 23.402 24.396 23.558 24.396 25.547 23.558 23.558 23.558 23.558 23.402 23.402 24.396
H13 23.934 24.090 23.934 22.940 22.102 25.085 22.940 23.934 23.096 23.934 23.096 23.934 25.085 23.096 23.096 23.096 23.096 22.940 22.940 24.090
H14 23.472 23.628 23.472 22.478 21.639 24.622 22.478 23.472 22.634 23.472 22.634 23.472 24.622 22.634 22.634 22.634 22.634 22.478 22.478 24.622
H15 23.010 23.166 23.010 22.015 21.177 24.160 22.015 23.010 22.172 23.010 22.172 23.010 24.160 22.172 22.172 22.172 22.172 22.015 22.015 24.160
Resultados para la variable (vsup )
H16 22.547 22.704 22.547 21.553 20.715 23.698 21.709 22.547 21.709 22.547 21.709 22.547 23.698 21.709 21.709 21.709 21.709 21.553 21.553 23.698
H17 22.085 22.241 22.085 21.247 20.253 23.236 21.247 22.085 21.247 22.085 21.247 22.085 23.236 21.247 21.247 21.247 21.247 21.091 21.247 23.236
H18 21.623 21.779 21.623 20.785 19.791 22.773 20.785 21.623 20.785 21.623 20.785 21.623 22.773 20.785 20.785 20.785 20.785 20.629 20.785 22.773
H19 21.161 21.317 21.161 20.323 19.328 22.311 20.323 21.161 20.323 21.161 20.323 21.161 22.311 20.323 20.323 20.323 20.323 20.166 20.323 22.311
H20 20.698 20.855 20.698 19.860 18.866 21.849 19.860 20.698 19.860 20.698 19.860 20.698 21.849 19.860 19.860 19.860 19.860 19.704 19.860 21.849
H21 20.236 20.392 20.236 19.398 18.404 21.387 19.398 20.236 19.398 20.236 19.398 20.236 21.387 19.398 19.398 19.398 19.398 19.242 19.398 21.387
H22 19.774 19.930 19.774 18.936 18.936 20.925 18.936 19.774 18.936 19.774 18.936 19.930 20.925 18.936 18.936 18.936 18.936 18.936 18.936 20.925
H23 19.468 19.468 20.306 19.468 19.468 20.462 19.468 19.468 19.468 19.468 19.468 19.468 20.462 19.468 19.468 19.468 19.468 19.468 19.468 20.462
H24 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000 20.000
Tabla D.13. Resultados obtenidos para la variable (vsup ), del escenario 1 al 20.
precios contemplados. La tabla D.13 muestra la evolución del volumen de agua en el embalse
durante el periodo de veinticuatro horas considerado por el modelo y los veinte escenarios de
A continuación se muestra la evolución del volumen de agua en el embalse superior (hm3 ),
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
Tabla D.14. Resultados obtenidos para la variable BTD, del escenario 1 al 20.
E20
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E19
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E18
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E17
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E16
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E15
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E14
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E13
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E12
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E11
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E10
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E9
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E8
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E7
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E6
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E5
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E4
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E3
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E2
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
E1
20
20
20
20
20
20
20
20
20
20
20
0
0
0
0
0
0
0
0
0
0
0
0
0
H10
H11
H12
H13
H14
H15
H16
H17
H18
H19
H20
H21
H22
H23
H24
H1
H2
H3
H4
H5
H6
H7
H8
H9
167
168
D.8.2.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 0 0 0 0 0 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H9 0 0 0 0 13.24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H10 0 13.24 0 20 20 0 20 0 20 0 13.24 0 0 13.24 13.24 20 13.24 20 20 0
H11 20 0 20 20 20 0 20 20 20 20 20 20 0 20 20 20 20 20 20 20
H12 20 20 20 20 20 0 20 20 20 20 20 20 13.24 20 20 13.24 20 20 20 20
H13 20 20 20 20 20 13.24 20 20 13.24 20 20 20 20 20 20 20 20 20 20 13.24
H14 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 0
H15 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
Resultados para la variable GTD
H16 20 20 20 20 20 20 13.24 20 20 20 20 20 20 20 20 20 20 20 20 20
H17 20 20 20 13.24 20 20 20 20 20 20 20 20 20 20 20 20 20 20 13.24 20
H18 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H19 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H21 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H22 20 20 20 20 0 20 20 20 20 20 20 13.24 20 20 20 20 20 13.24 20 20
H23 13.24 20 0 0 0 20 0 13.24 0 13.24 0 20 20 0 0 0 0 0 0 20
H24 0 0 13.24 0 0 20 0 0 0 0 0 0 20 0 0 0 0 0 0 20
datos de la energía total (MW) ofertada por ambos generadores simultáneamente.
Tabla D.15. Resultados obtenidos para la variable GTD, del escenario 1 al 20.
y las veinticuatro horas contempladas en el periodo del modelo. La tabla D.15 muestra los
dos generadores en conjunto al MEM, durante los veinte escenarios de precios considerados
A continuación se muestran los datos de la energía ofertada (MW), producto de la suma de los
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL
D.9.
E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20
H1 -20 -20 -20 -20 -20 20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
H2 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
H3 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
H4 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
H5 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
H6 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
H7 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
y adquirida del MEM por la CHB.
H8 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
H9 -20 -20 -20 -20 13.2399 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
H10 -20 13.2399 -20 20 20 -20 20 -20 20 -20 13.2399 -20 -20 13.2399 13.2399 20 13.2399 20 20 -20
H11 20 -20 20 20 20 -20 20 20 20 20 20 20 -20 20 20 20 20 20 20 20
H12 20 20 20 20 20 -20 20 20 20 20 20 20 13.2399 20 20 13.2399 20 20 20 20
H13 20 20 20 20 20 13.2399 20 20 13.2399 20 20 20 20 20 20 20 20 20 20 13.2399
H14 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 -20
H15 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H16 20 20 20 20 20 20 13.2399 20 20 20 20 20 20 20 20 20 20 20 20 20
H17 20 20 20 13.2399 20 20 20 20 20 20 20 20 20 20 20 20 20 20 13.2399 20
H18 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H19 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H21 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
H22 20 20 20 20 -20 20 20 20 20 20 20 13.2399 20 20 20 20 20 13.2399 20 20
H23 13.2399 20 -20 -20 -20 20 -20 13.2399 -20 13.2399 -20 20 20 -20 -20 -20 -20 -20 -20 20
H24 -20 -20 13.2399 -20 -20 20 -20 -20 -20 -20 -20 -20 20 -20 -20 -20 -20 -20 -20 20
Tabla D.16. Resultados obtenidos para la variable PSH, del escenario 1 al 20.
Resultados obtenidos para el programa de la PSH
169
ambas bombas, durante los veinte escenarios de precios considerados y las veinticuatro horas
contempladas en el periodo del modelo. La tabla D.16 muestra la energía total (MW) ofertada
al MEM por ambos generadores y la cantidad de energía (MW) adquirida del MEM por
de manera conjunta por la CHB, se observa la cantidad total de energía (MW) ofertada
En esta sección se muestran los datos de la energía ofertada y adquirida (MW) del MEM
ANEXO D. TABLAS DE RESULTADOS OBTENIDOS DE LA SIMULACIÓN EN AMPL