Tesis Claudia Villagran Velasco

INSTITUTO POLITÉCNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA

Y ELÉCTRICA
SECCIÓN DE ESTUDIOS DE POSGRADO E
INVESTIGACIÓN
TESIS
“MODELO DE OPTIMIZACIÓN PARA UNA CENTRAL

HIDROELÉCTRICA DE BOMBEO”
QUE PARA OBTENER EL GRADO DE:
MAESTRO EN CIENCIAS
EN INGENIERÍA ELÉCTRICA
PRESENTA:
CLAUDIA VILLAGRÁN VELASCO
ASESOR:
DR. RICARDO OCTAVIO A. MOTA PALOMINO
Ciudad de México, Junio de 2017.

Resumen
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).
Además, la solución del problema de optimización planteado puede extrapolarse a cualquier

central hidroeléctrica de almacenamiento por bombeo con diferentes parámetros, siempre y
cuando cumplan con las características de linealidad del modelo.
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
Un hombre provisto de papel, lápiz y goma,

y con sujeción a una disciplina estricta,
es en efecto una máquina de Turing universal.
Alan Turing.
v
Adradecimientos
Un hombre provisto de papel, lápiz y goma,

y con sujeción a una disciplina estricta,
es en efecto una máquina de Turing universal.
Alan Turing.
vii
Abreviaturas
SAEE Sistemas de Almacenamiento de Energía Eléctrica
SEP Sistema Eléctrico de Potencia
MW Megawatt
AMDEE Asociación Mexicana de Energía Eólica
PSHS Pumped Storage Hydropower Systems
DOF Diario Oficial de la Federación
SEN Sistema Eléctrico Nacional
INERE Inventario Nacional de Energías Renovables
CFE Comisión Federal de Electricidad
SENER Secretaría de Energía
SHCP Secretaría de Hacienda y Crédito Público
PEMEX Petróleos Mexicanos
CENACE Centro Nacional de Control de Energía
CENEGAS Centro Nacional de Control del Gas Natural
ASEA Agencia de Seguridad, Energía y Ambiente
CRE Comisión Reguladora de Energía
CNH Comisión Nacional de Hidrocarburos
PRODESEN Programa de Desarrollo del Sistema Eléctrico Nacional
ix
TCA Tasa de Crecimiento Anual
SIN Sistema Interconectado Nacional
C.C.C. Centrales de Ciclo Combinado
C.T.C. Centrales Termoeléctricas Convencionales
SMES Superconducting Magnetic Energy Storage
MEM Mercado Eléctrico Mayorista
MDA Mercado de Día en Adelanto
MTR Mercado en Tiempo Real
ISO Independent System Operator
LP Linear Programming
NLP No Linear Programming
IP Integer Programming
MILP Mixed Integer Linear Programming
CHB Central Hidroeléctrica de Bombeo
SMES Superconducting Magnetic Energy Storage
TES Thermal Energy Storage
ERNC Energías Renovables No Convencionales
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
3. Centrales hidroeléctricas de bombeo 55

3.1. Centrales hidroeléctricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.1.1. Clasificación de las centrales hidroeléctricas . . . . . . . . . . . . . . 55
3.1.1.1. Elementos principales que integran a las centrales hidroeléc-
tricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.1.1.2. Centrales hidroeléctricas a filo de agua . . . . . . . . . . . . 57
3.1.1.3. Centrales hidroeléctricas con embalse . . . . . . . . . . . . . 57
3.1.2. Centrales hidroeléctricas de bombeo . . . . . . . . . . . . . . . . . . . 57
3.1.3. Panorama de las CHB en el mundo . . . . . . . . . . . . . . . . . . . 61
3.1.4. Perspectiva de las CHB en México . . . . . . . . . . . . . . . . . . . 63
3.1.4.1. Proyectos de CHB en México . . . . . . . . . . . . . . . . . 64
3.1.5. Participación de la central hidroeléctrica de bombeo en el MEM . . . 66
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
A. Optimización matemática 131

A.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
A.2. Antecedentes de la programación matemática . . . . . . . . . . . . . . . . . 132
A.3. Técnicas de optimización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
A.3.1. Programación Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
A.3.1.1. Metodología de optimización . . . . . . . . . . . . . . . . . 133
A.3.1.2. Representación matricial . . . . . . . . . . . . . . . . . . . . 135
A.3.1.3. Formas canónica y estándar . . . . . . . . . . . . . . . . . . 136
A.3.1.4. Método simplex . . . . . . . . . . . . . . . . . . . . . . . . . 137
B. AMPL (A Mathematical Programming Language) 139

B.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
B.2. Implementación de un modelo en AMPL . . . . . . . . . . . . . . . . . . . . 140
B.3. Formulación de un modelo en AMPL . . . . . . . . . . . . . . . . . . . . . . 141
B.3.1. Descripción de un modelo en AMPL . . . . . . . . . . . . . . . . . . 142
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
D. Tablas de resultados obtenidos de la simulación en AMPL 153

D.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
D.2. Escenarios de PML . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
D.3. Parámetros contemplados para el modelo de la CHB . . . . . . . . . . . . . 155
D.3.1. Parámetros de los generadores y las bombas de la CHB . . . . . . . . 156
D.3.2. Parámetros de los embalses de la CHB . . . . . . . . . . . . . . . . . 156
D.4. Resultados obtenidos para la infactibilidad de bombeo o generación simultánea
de la CHB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
D.4.1. Resultados para la variable (a1 ) . . . . . . . . . . . . . . . . . . . . . 157
D.4.2. Resultados para la variable (a2 ) . . . . . . . . . . . . . . . . . . . . . 158
D.4.3. Resultados para la variable (b1 ) . . . . . . . . . . . . . . . . . . . . . 159
D.4.4. Resultados para la variable (b2 ) . . . . . . . . . . . . . . . . . . . . . 160
D.5. Resultados obtenidos para el periodo de bombeo de la CHB . . . . . . . . . 161
D.5.1. Resultados para la variable (B1 ) . . . . . . . . . . . . . . . . . . . . . 161
D.5.2. Resultados para la variable (B2 ) . . . . . . . . . . . . . . . . . . . . . 162
D.6. Resultados obtenidos para el periodo de generación de la CHB . . . . . . . . 163
D.6.1. Resultados para la variable (G1 ) . . . . . . . . . . . . . . . . . . . . . 163
D.6.2. Resultados para la variable (G2 ) . . . . . . . . . . . . . . . . . . . . . 164
D.7. Resultados obtenidos para los niveles de agua almacenada en los embalses . . 164
D.7.1. Resultados para la variable (vinf ) . . . . . . . . . . . . . . . . . . . . 165
D.7.2. Resultados para la variable (vsup ) . . . . . . . . . . . . . . . . . . . . 166
D.8. Resultados obtenidos para la energía total bombeada y generada por la CHB 167
D.8.1. Resultados para la variable BTD . . . . . . . . . . . . . . . . . . . . 167
D.8.2. Resultados para la variable GTD . . . . . . . . . . . . . . . . . . . . 168
D.9. Resultados obtenidos para el programa de la PSH . . . . . . . . . . . . . . . 169
iv
Índice de Figuras
2.1. Sistema Eléctrico Nacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.2. Ubicación de las áreas y subáreas de control . . . . . . . . . . . . . . . . . . 13
2.3. Principales centrales de generación del SEN . . . . . . . . . . . . . . . . . . 14
2.4. Capacidad instalada de generación limpia frente a convencional . . . . . . . 15
2.5. Capacidad instalada de generación con energías renovables . . . . . . . . . . 16
2.6. Arreglos institucionales previos a la reforma energética . . . . . . . . . . . . 23
2.7. Arreglos institucionales después de la reforma energética . . . . . . . . . . . 24
2.8. Tipos de mercado y subastas del MEM . . . . . . . . . . . . . . . . . . . . . 26
2.9. Proceso de operación del MDA . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.10. Determinación del precio marginal local . . . . . . . . . . . . . . . . . . . . . 32
2.11. Pronóstico de generación eólica del SIN . . . . . . . . . . . . . . . . . . . . . 33
2.12. Pronóstico de generación fotovoltaica del SIN . . . . . . . . . . . . . . . . . 34
2.13. Aplicaciones de los sistemas de almacenamiento . . . . . . . . . . . . . . . . 41
2.14. Clasificación de las tecnologías de almacenamiento . . . . . . . . . . . . . . . 42
2.15. Sistema de almacenamiento por supercapacitores . . . . . . . . . . . . . . . 44
2.16. Sistema de almacenamiento por superconductor magnético . . . . . . . . . . 44
2.17. Sistema de almacenamiento mediante volante de inercia . . . . . . . . . . . . 45
2.18. Sistema de almacenamiento hidroeléctrico de bombeo . . . . . . . . . . . . . 46
2.19. Sistema de almacenamiento mediante aire comprimido . . . . . . . . . . . . 47
2.20. Sistema de almacenamiento térmico mediante calor sensible . . . . . . . . . . 49
2.21. Sistema de almacenamiento solar termoeléctrico mediante sales fundidas . . 50
2.22. Sistema de almacenamiento termoeléctrico mediante amoniaco . . . . . . . . 51
2.23. Sistema de almacenamiento con hidrógeno . . . . . . . . . . . . . . . . . . . 52
2.24. Periodo de carga de la batería Li-ion . . . . . . . . . . . . . . . . . . . . . . 53
v
ÍNDICE DE FIGURAS
2.25. Periodo de descarga de la batería Li-ion . . . . . . . . . . . . . . . . . . . . . 53
3.1. Clasificación de las centrales hidroeléctricas . . . . . . . . . . . . . . . . . . 56

3.2. Despacho de la CHB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.3. Despacho de generación con CHB . . . . . . . . . . . . . . . . . . . . . . . . 59
3.4. Perfil de almacenamiento de energía . . . . . . . . . . . . . . . . . . . . . . . 60
3.5. Países con mayor capacidad instalada de CHB . . . . . . . . . . . . . . . . . 62
3.6. Central hidroeléctrica Tepazolco . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.7. Beneficios del proyecto híbrido Tepazolco . . . . . . . . . . . . . . . . . . . . 66
4.1. Algoritmo de ramificación y acotamiento . . . . . . . . . . . . . . . . . . . . 72
5.1. Escenarios de PML del nodo Ixtapantongo del 1 al 4 . . . . . . . . . . . . . 84

5.4. Escenarios de PML del nodo Ixtapantongo del 13 al 16 . . . . . . . . . . . . 86
5.5. Escenarios de PML del nodo Ixtapantongo del 17 al 20 . . . . . . . . . . . . 86
5.6. Variable a1, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.8. Variable a1, escenarios del 9 al 12 . . . . . . . . . . . . . . . . . . . . . . . . 88
5.9. Variable a1, escenarios del 13 al 16 . . . . . . . . . . . . . . . . . . . . . . . 88
5.13. Variable a2, escenarios del 9 al 12 . . . . . . . . . . . . . . . . . . . . . . . . 90
5.16. Variable b1, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . . 92
5.19. Variable b1, escenarios del 13 al 16 . . . . . . . . . . . . . . . . . . . . . . . 93
5.26. Variable B1, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . . 97
vi
ÍNDICE DE FIGURAS

5.29. Variable B1, escenarios del 13 al 16 . . . . . . . . . . . . . . . . . . . . . . . 98
5.36. Variable G1, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . . 102
5.39. Variable G1, escenarios del 13 al 16 . . . . . . . . . . . . . . . . . . . . . . . 103
5.46. Variable GTD, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . 107
5.47. Variable GTD, escenarios del 5 al 8 . . . . . . . . . . . . . . . . . . . . . . . 107
5.48. Variable GTD, escenarios del 9 al 12 . . . . . . . . . . . . . . . . . . . . . . 108
5.51. Variable BTD, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . 109
5.52. Variable BTD, escenarios del 5 al 8 . . . . . . . . . . . . . . . . . . . . . . . 110
5.53. Variable BTD, escenarios del 9 al 12 . . . . . . . . . . . . . . . . . . . . . . 110
5.56. Variable PSH, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . 112
5.59. Variable PSH, escenarios del 13 al 16 . . . . . . . . . . . . . . . . . . . . . . 113
5.60. Variable PSH, escenarios del 17 al 20 . . . . . . . . . . . . . . . . . . . . . . 114
5.61. Variable vinf, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . . 114
5.62. Variable vinf, escenarios del 5 al 8 . . . . . . . . . . . . . . . . . . . . . . . . 115
5.63. Variable vinf, escenarios del 9 al 12 . . . . . . . . . . . . . . . . . . . . . . . 115
5.64. Variable vinf, escenarios del 13 al 16 . . . . . . . . . . . . . . . . . . . . . . 116
5.65. Variable vinf, escenarios del 17 al 20 . . . . . . . . . . . . . . . . . . . . . . 116
vii
ÍNDICE DE FIGURAS
5.66. Variable vsup, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . 117

5.69. Variable vsup, escenarios del 13 al 16 . . . . . . . . . . . . . . . . . . . . . . 118
5.70. Variable vsup, escenarios del 17 al 20 . . . . . . . . . . . . . . . . . . . . . . 119
B.1. Ejecución del proceso del software AMPL para la obtención de resultados . . 140
D.1. Diagrama unifilar del NodoP Ixtapantongo . . . . . . . . . . . . . . . . . . . 155
viii
Índice de Tablas
2.1. Generación bruta de energía eléctrica por modalidad al 2015 . . . . . . . . . 17

2.2. Diferencias entre los mercados financieros y eléctricos . . . . . . . . . . . . . 21
3.1. Capacidad instalada de generación con hidroeléctricas. . . . . . . . . . . . . 61

3.2. Países por capacidad instalada de generación con CHB. . . . . . . . . . . . . 62
D.1. Escenarios de precios del 1 al 20 empleados para el modelo . . . . . . . . . . 154

D.2. Parámetros de los generadores y las bombas . . . . . . . . . . . . . . . . . . 156
D.3. Parámetros de los embalses inferior y superior . . . . . . . . . . . . . . . . . 156
D.4. Resultados obtenidos para la variable (a1 ), del escenario 1 al 20 . . . . . . . 157
D.5. Resultados obtenidos para la variable (a2 ), del escenario 1 al 20 . . . . . . . 158
D.6. Resultados obtenidos para la variable (b1 ), del escenario 1 al 20 . . . . . . . 159
D.7. Resultados obtenidos para la variable (b2 ), del escenario 1 al 20 . . . . . . . 160
D.8. Resultados obtenidos para la variable (B1 ), del escenario 1 al 20 . . . . . . . 161
D.9. Resultados obtenidos para la variable (B2 ), del escenario 1 al 20 . . . . . . . 162
D.10.Resultados obtenidos para la variable (G1 ), del escenario 1 al 20 . . . . . . . 163
D.11.Resultados obtenidos para la variable (G2 ), del escenario 1 al 20 . . . . . . . 164
D.12.Resultados obtenidos para la variable (vinf ), del escenario 1 al 20 . . . . . . 165
D.13.Resultados obtenidos para la variable (vsup ), del escenario 1 al 20 . . . . . . 166
D.14.Resultados obtenidos para la variable BTD, del escenario 1 al 20 . . . . . . . 167
D.15.Resultados obtenidos para la variable GTD, del escenario 1 al 20 . . . . . . . 168
D.16.Resultados obtenidos para la variable PSH, del escenario 1 al 20 . . . . . . . 169
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.
Los sistemas de almacenamiento de bombeo no son la única opción de almacenamiento a gran

escala, sin embargo es la tecnología con mayor madurez e implementación a nivel mundial ya
que proporcionan la flexibilidad a los sistemas eléctricos. Esta flexibilidad es entendida como
la facilidad de adaptación de los SEP ante variaciones en la demanda de energía o ante la
problemática de la intermitencia de la generación con fuentes renovables como la eólica y solar.
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.
1.2.2. Objetivos específicos

Recopilar los datos necesarios que definan adecuadamente las características de la cen-
tral hidroeléctrica de bombeo.
Generar una función objetivo específica y las ecuaciones de restricción a partir del
modelo y los datos de la CHB.
Resolver de forma óptima la operación de la CHB, considerando un horizonte de tiempo

de veinticuatro horas (corto plazo).
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.
Agregado a las situaciones antes mencionadas, se suma la problemática del almacenamiento

de la energía eléctrica, ya que la energía eléctrica tiene la particular característica de no
poder ser almacenada, es decir debe ser generada de manera simultánea a la demanda de
energía requerida por el sistema. Sin embargo, en la actualidad existen grandes avances y
desarrollos tecnológicos en lo que respecta al almacenamiento de energía eléctrica. Una de
las tecnologías con mayor nivel de madurez, aceptación e implementación a nivel mundial es
2
el almacenamiento hidroeléctrico por bombeo, que ha permitido poder almacenar la energía

eléctrica por largos periodos de tiempo y a gran escala.
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.
Estos productores independientes del mercado declaran la disponibilidad de generación que

tienen en función de las características operativas de sus centrales, la regulación de estas
ofertas son gestionadas por una entidad denominada Operador Independiente del Sistema
(ISO), el cual tiene la obligación de recabar las ofertas de compra y venta de energía en el
mercado mayorista.
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.
1.4. Estado del arte

En la literatura actual se han desarrollado diversos trabajos que implementan distintos tipos
de metodologías y modelos de optimización, los cuales consideran la participación de las CHB
en un ambiente competitivo, es decir, buscan maximizar los beneficios que pueden obtener las
3
entidades generadoras a través de la implementación de este tipo de centrales hidroeléctricas

de bombeo. Con la tendencia mundial hacia la reestructuración de los mercados eléctricos
tradicionales, las entidades que participan en la generación de energía eléctrica en mercados
mayoristas, buscan satisfacer las demandas de la red eléctrica, participando de manera activa
el el proceso de la generación de energía eléctrica, siempre buscando maximizar sus beneficios
económicos a través de la gestión adecuada de sus recursos, en el caso de las CHB el recurso
fundamental para su operación es el agua.
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.
S. Jalal Kazempour et al., desarrollan en [2] un problema de programación de operación

óptima para un productor independiente de energía dueño de una CHB, con la finalidad de
realizar sus ofertas en un mercado mayorista de energía de un día en adelanto. La CHB consi-
derada en este estudio se plantea únicamente como una entidad tomadora de precios, es decir
que la central no tiene la capacidad de ejercer un poder de mercado y alterar los precios de
mercado, consideran para el problema de optimización de la CHB un horizonte de tiempo se-
manal con precios horarios y evalúan el problema a los que se enfrenta la CHB para obtener la
4
maximización de sus beneficios o ganancias. Plantean un problema de programación de ope-

raciones óptimo el cual es formulado como un problema de programación entera mixta (MIP).
G.W. Chang et al., describen en [3] un modelo matemático de programación hidroeléctrica a

corto plazo para una CHB a través de la MILP empleando el lenguaje de modelado algebraico
AMPL, con la finalidad de apoyar en la decisión para la planificación de la operación de una
central hidroeléctrica a corto plazo. Proponen una técnica de solución eficiente utilizando
AMPL considerando las restricciones hidráulicas, las limitaciones discretas y dinámicas de la
central hidroeléctrica como los tiempos de arranque y paro de la central, entre otros. La solu-
ción obtenida del modelo proporciona los MW de generación programados por las unidades
y central hidroeléctrica, así como los estados de compromiso energético de la hidroeléctrica
al mismo tiempo que minimiza los costos de encendido de la central.
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
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.
1.5. Aportaciones de la tesis

Se presenta un modelo de optimización para una central hidroeléctrica de bombeo, se con-
sidera un horizonte de tiempo de veinticuatro horas. La optimización se lleva a cabo en el
software AMPL utilizando el “solver” CPLEX, considerando un modelo de MILP ya que
cuenta con todas las características y consideraciones de este tipo de programación, debido
a que se introducen variables binarias. El programa resuelve el problema de optimización
para determinar los momentos adecuados para ofertar la energía (generación) o comprar la
energía (bombeo) al MDA dentro de un MEM, garantizando que las transacciones financieras
en el MDA proporcionarán el mayor beneficio (ganancias) para un productor independiente
de energía.
En este trabajo propone un modelo de optimización programado en el software AMPL; como

se verá a continuación se contempla una central hidroeléctrica de bombeo con dos unidades
de generación y bombeo, para este modelo no se consideran aportaciones externas de agua, ni
vertimientos, además que la central hidroeléctrica considerada es de bombeo puro. Finalmen-
te este trabajo aporta un modelo 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.
El modelo de optimización permite a un productor independiente de energía eléctrica utilizar-

lo como una herramienta que coadyuve con la toma de decisiones más adecuada para el dueño
de la CHB. El modelo proporciona la programación óptima de la central en un horizonte de
tiempo programado de corto plazo (24 horas), con precios de energía pronosticados para las
diferentes horas. Este modelo cuenta con la estructura de la programación lineal entera mix-
ta, ya que absolutamente todos sus elementos son lineales y considera variables que toman
valores binarios (0/1). Se considera que a pesar de la cantidad de variables y parámetros la
solución obtenida a través de la implementación en el modelo AMPL fue satisfactoria.
6
1.6. Estructura de la tesis

La tesis está integrada por seis capítulos y cuatro apéndices, los cuales se describen de ma-
nera breve a continuación.
En el Capítulo 2 se realiza una descripción general del SEN Mexicano y su operación, se

detalla la estructura actual del mercado eléctrico en México después del proceso de desre-
gulación que ha tenido lugar recientemente, así como una breve introducción al concepto
general de MEM. Este capítulo también integra la clasificación de las tecnologías actuales
para el almacenamiento de energía eléctrica, el principio de funcionamiento de las tecnologías
descritas y su aplicación en la industria.
En el Capítulo 3 se describe el principio de operación de las centrales hidroeléctricas y la

clasificación de este tipo de centrales de generación eléctrica. En este capítulo también se
explica de manera particular el principio de funcionamiento de las CHB, la forma común de
despacho de este tipo de centrales que usualmente se lleva a cabo en el periodo de demanda
punta y el bombeo se realiza en periodos de baja demanda, también se muestra el panorama
actual de las CHB en el mundo y la perspectiva actual para este tipo de centrales en México.
En el Capítulo 4 se describe la formulación del modelo de optimización lineal para la central

hidroeléctrica de bombeo considerado para el presente trabajo, las características particulares
de la CHB, los datos empleados para realizar el modelo de optimización, así como los con-
juntos, parámetros, variables, restricciones y la función objetivo empleadas para el modelo
planteado.
En el Capítulo 5 se realiza el análisis de los resultados obtenidos del modelo de optimización

de la central hidroeléctrica planteado para este trabajo, se presenta la descripción de los esce-
narios de precios marginales locales utilizados para hacer un comparativo de la optimización
resultado de diferentes escenarios de precios en el MEM, así como las diferentes formas de
operación de la CHB ante diferentes escenarios.
En el Capítulo 6 se expresan las conclusiones obtenidas de este trabajo.

Anexo A (Optimización matemática): Se explica de manera general los conceptos
básicos de la optimización matemática.
Anexo B (AMPL A Mathematical Programming Language): Se describe bre-
vemente un panorama general para familiarizarse con el entorno del software de opti-
mización AMPL.
Anexo C (Código del modelo de optimización): Muestra el código de optimiza-
ción utilizado para este trabajo que fue explicado más a detalle en el capítulo 4.
Anexo D (Tablas de resultados obtenidos de la simulación en AMPL): Se
muestran las tablas de resultados que se obtuvieron mediante la simulación en AMPL,
para el modelo de optimización del capítulo 4
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.
Esta problemática ha permitido la apertura a nuevas tecnologías de generación de energía

eléctrica que contribuyan con un menor impacto al medio ambiente y colaboren con la re-
ducción de la dependencia de combustibles fósiles. Existen actualmente diversos métodos
de generación a partir de recursos renovables, sin embargo han sido 2 tecnologías las cuales
han sido fuente de mayor interés y desarrollo debido al tipo de energía (eólico y solar) que
emplean para la generación.
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.
Este enfoque se vuelve muy importante si es analizada bajo la perspectiva de la integración

de las energías renovables (eólica y solar) a la red eléctrica, donde se requiere que la energía
generada de manera intermitente y variable pueda ser almacenada para poder ser utilizada en
periodos donde la energía sea demandada. Los sistemas de almacenamiento permiten mayor
flexibilidad y gestión de los recursos provenientes de la energía eólica y solar, con la finalidad
de mitigar y corregir la intermitencia característica de estos recursos, haciendo mucho más
viable y factible la generación con fuentes renovables.
2.2. Aspectos generales de la industria eléctrica en Mé-

xico
A partir de la década de los noventa surge a nivel mundial una tendencia para reformar
el sector de energía eléctrica con el objetivo de romper con las estructuras de monopolio
natural integrado verticalmente y controlado por el Estado, la reforma energética pretende
desarrollar nuevas reglas de operación del mercado para permitir la participación de grandes
capitales privados, la justificación del proceso de reforma se sustentó en la teoría de economía
de mercados eficientes y la libre competencia, con la hipótesis, que sí se permite actuar a las
fuerzas del mercado se obtiene un menor precio que derivaría en ahorros para el usuario final
[8].
El sector energético enfrenta grandes e importantes cambios a nivel mundial, se pretende

reducir el uso de fuentes de energías fósiles y fomentar en mayor medida la implementación
de fuentes de energía renovables para la generación eléctrica, ya que estas tienen un menor
impacto sobre el medio ambiente, por lo que favorece en la reducción de emisiones de gases
de efecto invernadero. Uno de los principales factores que obligan a las empresas públicas y
privadas en el mundo a tener Mercados Eléctricos competitivos y eficientes es el incremento
poblacional en el mundo, que ha derivado en una mayor demanda de energía, así como el
compromiso con el cuidado del medio ambiente en el cual se ha hecho mucho énfasis para
10
lograr aminorar los efectos del cambio climático.
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.
Antes de la reforma energética, México tenía un modelo de industria tradicional en el cual

la CFE era responsable de todas las actividades que involucra el sector eléctrico; desde la
operación y control, generación, transmisión hasta la distribución de energía eléctrica. Con el
nuevo modelo de mercado eléctrico, las políticas de planeación del SEN, están definidas con
base en los principios de sustentabilidad y eficiencia, tienen como objetivo principal fomentar
el incremento de la competitividad en el sector eléctrico [9].
2.3. Sistema eléctrico mexicano
Actualmente el Sistema Eléctrico Nacional (SEN) mexicano, es controlado y operado por el

Centro Nacional de Control de Energía (CENACE), que es un organismo público descentrali-
zado encargado de ejercer el control operativo del SEN y la operación del Mercado Eléctrico
Mayorista (MEM). El CENACE es el encargado como operador independiente del sistema de
garantizar la calidad, confiabilidad, 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 [8].
Los sistemas eléctricos en el mundo son físicamente y operativamente muy similares y el

Sistema Eléctrico Mexicano no difiere de la forma de operación de cualquier Sistema Eléctri-
co de Potencia (SEP), los procesos de la industria eléctrica son la generación (producción),
operación del sistema, transmisión, distribución y comercialización de la energía eléctrica.
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
Figura 2.1. Sistema Eléctrico Nacional.

CFE [10].
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.
1. Área de Control Noroeste.

2. Área de Control Norte.
3. Área de Control Noreste.
4. Área de Control Occidental.
5. Área de Control Central.
6. Área de Control Oriental.
12
7. Área de Control Peninsular.

8. Área de Control Baja California.
9. Área de Control Baja California Sur.
Figura 2.2. Ubicación de las áreas y subáreas de control.

CFE [10].
2.3.1. Generación eléctrica en México

Los últimos años, instituciones internacionales gubernamentales y privadas, han trabajado
por introducir mundialmente programas de políticas que regulen y promuevan de manera
intensiva el uso de las tecnologías limpias, para generar energía eléctrica que contribuya a
la reducción de gases contaminantes a la atmósfera. Este tipo de tecnologías limpias están
integradas por unidades de generación que utilizan fuentes de energía renovables y donde
los procesos de generación eléctrica no rebasen los límites establecidos por entidades regula-
doras, respecto a las emisiones de gases contaminantes o residuos que despiden a la atmósfera.
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
producto de la operación de nuevas centrales generadoras y por supuesto esto involucra un

costo económico elevado para cubrir la demanda requerida a los SEP's.
En México, aproximadamente el 80 % de la generación eléctrica es proveniente de los com-

bustibles fósiles, por lo que el sector eléctrico a partir de la nueva reforma energética, se ha
comprometido a aumentar la participación de la generación a través de energías renovables,
en específico la generación eólica y solar para satisfacer la demanda del SEN, con un plazo
contemplado al año 2030. México es un país que debido a sus condiciones geográficas y climá-
ticas dispone de recursos naturales como el viento, agua de los ríos, radiación solar, océanos,
yacimientos geotérmicos y bioenergéticas y es un lugar donde se pueden explotar los recursos
para la generación eléctrica limpia.
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.
Figura 2.3. Principales centrales de generación del SEN.

CFE [10].
14
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].
La figura 2.4 muestra el porcentaje de generación en México que corresponde a la produc-

ción mediante energías renovables y energías convencionales. Se observa que la producción
de energía eléctrica con fuentes renovables en al año 2014 fue del 27.50 % y en el año 2015
aumentó la generación con renovables, correspondiendo al 28.30 %. La generación con fuentes
convencionales disminuyó al año 2015 siendo su participación del 71.70 %. El decremento de
la participación de la generación convencional es debido al interés por invertir en mayor me-
dida el uso de energías renovables para la generación y con esta acción aminorar el impacto
medioambiental que implica el uso de hidrocarburos.
Figura 2.4. Capacidad instalada de generación limpia frente a convencional.

Elaboración propia con datos obtenidos de [9].
En la figura 2.5 se observa la capacidad instalada de generación con energías renovables,

aproximadamente el 70 % de la energía generada por fuentes renovables es con energía hi-
dráulica, para generación mayor a 30 MW; seguido de la energía eólica que abarca cerca del
15 %; la generación solar es la que tiene menor participación, siendo del 0.4 %.
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
las diversas tecnologías aplicables [12].
Figura 2.5. Capacidad instalada de generación con energías renovables.

Elaboración propia con datos de [12].
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
Tabla 2.1. Generación bruta de energía eléctrica por modalidad al 2015.

Adaptada de [9].
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].
2.4. Introducción a los mercados mayoristas de energía

La globalización ha permitido estrechar las barreras existentes entre los países (cultural, tec-
nológica, industrial, etc.), entre estos, la industria eléctrica toma una gran importancia ya
que es un servicio fundamental para el desarrollo económico, tecnológico y social de cualquier
nación; la industria eléctrica no ha estado exenta del acaparamiento y el enorme impacto que
ha tenido la globalización como una necesidad de las economías mundiales de conjuntar es-
fuerzos para generar un valor agregado, en donde algún bien o servicio al ser transformado
17
durante un proceso de producción, se le asigna un valor económico adicional.
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 industria eléctrica a nivel mundial ha venido a transformar absolutamente todo el proce-

so económico, tecnológico y social de cualquier país, motivo por el cual se ha enfrentado a
grandes e importantes cambios estructurales, con el objetivo principal de permitir una mayor
competencia en el sector eléctrico y posibilitar que los consumidores tengan la libertad de
elegir a quien comprar la electricidad, con la finalidad de mejorar la calidad del servicio y
proporcionar mejores precios de la energía eléctrica. La industria de la energía eléctrica en
América Latina se ha enfrentado a una gran transformación, sin embargo, esta no se ha dado
simultáneamente para todos los países, si se compara con los cambios estructurales que han
tenido lugar en el resto del mundo.
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
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].
2.5. Complejidad de la comercialización de la energía eléc-

trica
Los mercados de energía son muy recientes y continúan en el proceso de transformación y
aprendizaje de experiencias previas; en comparación con los mercados financieros que se en-
cuentran bajo estándares bien cimentados, con gran experiencia y madurez. Usualmente la
mayoría de los mercados financieros aparentan un comportamiento de movimiento arriba y
abajo en torno a algún tipo de nivel de equilibrio, este nivel de equilibrio puede interpretarse
como una tasa de interés histórica, rentabilidad del capital, precios de los productos y cuya
capacidad del proceso del mercado de regresar a un nivel de equilibrio se denomina reversión
a la media [17].
En el caso de la energía, la propiedad de reversión a la media es mucho más notoria debi-

do a la importancia que tiene la demanda de energía y la notoria influencia que tienen las
condiciones meteorológicas sobre los precios de la electricidad. La reversión a la media de las
materias primas para la producción de energía están relacionadas con la capacidad y rapidez
de la generación (oferta) de actuar ante variaciones en el consumo de energía (demanda),
ante disturbios en la red o en la rapidez en la que estos eventos pueden cambiar.
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
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]:
Están sujetos a eventos que cambian su comportamiento de forma transitoria, como

fluctuaciones en la demanda, periodos estacionales, disturbios en la red, por nombrar
algunos.
La energía, en sí misma, no es almacenable y el despacho de energía en periodos de

corto y largo plazo, ejerce fuerte presión sobre el comportamiento del mercado.
Las estaciones del año (climáticas) provocan cambios en el comportamiento de los

sistemas eléctricos, que está relacionado con la generación y el consumo, por lo que
impacta en la evolución del mercado.
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
Tabla 2.2. Diferencias entre los mercados financieros y eléctricos.

Adaptada de [17].
Tema Mercados financieros Mercados de energía

Madurez del mercado Varias décadas Relativamente nuevo
Unidades fundamentales
Pocas, simples Muchas, complejas
de precio
Impacto en ciclos
Alto Bajo
económicos
Frecuencia de eventos Bajo Alto
Impacto del almacenamiento
y la entrega; conveniencia Ninguna Significativa
de rendimiento
Correlación entre los precios
Alto Muy bajo, “ambiguo”
a corto y largo plazo
Estacionalidad Ninguna Clave en la electricidad
Varia de poca a
Regulación Poca
muy alta
Actividad del mercado
Alto Muy bajo
(liquidez)
Centralización del
Centralizado Descentralizado
mercado
La mayoría de los La mayoría de los
Complejidad de los
contratos son contratos son
contratos derivados
relativamente simples relativamente complejos
2.6. Concepto de Mercado Eléctrico Mayorista

El término mercado se puede definir como un conjunto de actividades realizadas libremente
por los agentes económicos sin intervención del poder público [19]. Otra forma de concebir
el término mercado en un contexto donde se encuentran quienes ofrecen y quienes deman-
dan mercancías, de allí, que la oferta y la demanda sean las dos fuerzas que intervienen en
el mismo para determinar el precio al que las mercancías se intercambian. Si la oferta y la
demanda están constituidas por un número suficientemente grande de individuos, de mo-
do tal que sus decisiones particulares no sean capaces de alterar el precio al cual se realizan
las transacciones de los bienes, se habla entonces de un mercado de competencia perfecta [20].
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
podrán maximizar su utilidad [20].
La existencia de un mercado implica que se efectúa un gran número de transacciones entre

individuos libres, que realizan elecciones de modo que su utilidad sea la máxima posible. Ello
supone la existencia de normas capaces de eliminar el fraude y la coerción, pero además la
ausencia de cualquier otra restricción que impida a los individuos tomar el curso de acción
que más les convenga. Por ello, cuando toda la economía se organiza alrededor de mercados,
se habla de una economía libre, o de libre mercado [20].
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).
2.7. Mercado eléctrico mayorista en México

La avalancha de privatización en la gran mayoría de países en América Latina comenzó en la
década de los 90, donde se realizaron importantes modificaciones a las regulaciones y mar-
cos normativos en materia de energía en los países Latinoamericanos; sin embargo México
no realizó modificaciones estructurales al sector energético a la par que lo desarrollaron los
demás países. Fue hasta el 12 de diciembre del 2013, cuando se modificaron tres artículos de
la Constitución Política que dieron la apertura a la inversión privada en el sector energético
(petrolero y eléctrico).
El objetivo principal de la reestructuración de la industria eléctrica en países en desarrollo,

es “atraer capital de inversión privada (tanto nacional como extranjera) para financiar el
crecimiento de su sector energético a través de la liberación de la propiedad de las plantas
de generación y los requerimientos regulativos” [21]. Con lo anterior se puede implementar
un sector eléctrico más eficiente, seguro, con generación eléctrica más limpia y con precios
competitivos.
22
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.
Figura 2.6. Arreglos institucionales previos a la reforma energética.

Leyenda: Entidad financiera1 , Creador de política2 , Operador3 , Regulador4 .
Adaptada de [22].
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).
Posteriormente de la apertura del sector energético (desregulación) en México, se crearon

nuevos arreglos institucionales en el sector, tal como se muestra en la figura 2.7.
23
Figura 2.7. Arreglos institucionales después de la reforma energética.

Leyenda: Entidad financiera1 , Creador de política2 , Operador3 , Regulador4 .
Adaptada de [22].
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
vo ya que sería imposible operar el mercado eléctrico estableciendo un ambiente competitivo

de la red de transmisión, por lo que se considera un monopolio natural debido al servicio
que proporcionan; el servicio de transmisión debe ser de libre acceso para todas las entidades
participantes del MEM.
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.
2.7.1. Operación del MEM

Actualmente el SEN mexicano es controlado y operado por el CENACE, que es un organismo
público descentralizado encargado de ejercer el control operativo del SEN y la operación del
MEM. Es el responsable de administrar y coordinar todas las transacciones técnicas y finan-
cieras del SEP de manera objetiva, permitiendo la libre participación a todos los generadores
que quieran ofertar su energía dentro del marco regulatorio del MEM.
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.
El algoritmo de casación es el conjunto ordenado y finito de operaciones matemáticas que

permite encontrar en cada periodo horario de programación y para un mismo horizonte diario
25
de programación, el precio marginal local correspondiente a la oferta económica de venta de

energía eléctrica realizada por el titular de la última unidad de producción cuya entrada en
el sistema haya sido necesaria para atender la demanda de energía eléctrica [24]. En la figura
2.8 sEn la figura 1.6 se puede observar la estructura actual del MEM en México, así como
los distintos mercados que lo integran y los tipos de subastas que pueden ser realizadas.
Figura 2.8. Tipos de mercado y subastas del MEM.

Adaptada de [23].
26
2.7.1.1. Mercado de energía de corto plazo (spot)
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.
La entidad independiente denominada Operador Independiente del Sistema (ISO) es el CE-

NACE y es el encargado de recibir las ofertas por parte de los participantes ya sea para la
compra o venta de energía por parte de los denominados Usuarios Calificados, que son aque-
llos centros de carga que demandan grandes cantidades de energía eléctrica para su consumo
(más de 1 MW) y tienen el derecho a participar en el MEM realizando sus ofertas de compra
en el Mercado de Día en Adelanto (MDA) o el Mercado en Tiempo Real (MTR), ya sea
ofertando ellos mismos o a través de Suministradores de Servicios Calificados.
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.
2.7.1.2. Mercado de día en adelanto
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.
La asignación y despacho de unidades en el MDA se realizará un día antes de la entrada en

operación El MDA, se efectúa el día previo al despacho de energía, en este periodo los ofer-
tantes de compra o venta intercambian energía para cada una de las horas del día siguiente,
por lo tanto, en este mercado existen 24 productos (energía); esto es un producto por cada
hora en un horizonte de tiempo de 24 horas (un día). Este mercado tiene como función llevar
27
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.
Figura 2.9. Proceso de operación del MDA.

Adaptada de [23].
2.7.1.3. Mercado en tiempo real
Contemplando que en el MDA se realiza un pronóstico provisional del comportamiento de

la demanda de energía y con esta previsión viable se realizan las ofertas de compra-venta
de energía por parte de los agentes, no está exento de que se requiera efectuar ajustes en
las ofertas y demandas una vez que se encuentre operando lo pronosticado en el MDA. Por
este motivo fue diseñado el MTR para poder realizar los ajustes pertinentes por parte de los
generadores y consumidores en tiempo real, el cual es mucho más confiable ya que se puede
observar mucho mejor el comportamiento de la demanda en un horizonte de tiempo mucho
28
más cercano a la realidad.
En el MTR se realizan los ajustes en la oferta (capacidad de los suministradores) pronostica-

dos en el MDA, con el objetivo de garantizar una mayor certeza en los valores ya mencionados.
Los proveedores de energía eléctrica que ya han comprometido su capacidad de generación
para el suministro de energía eléctrica, con excepción de la regulación, pueden modificar sus
valores de generación esto proporciona una mayor certeza para los generadores, debido a que
la demanda observada en tiempo real es más fiable que lo pronosticado en el predespacho
realizado el día anterior. La Asignación de unidades realizada por el CENACE, se realiza en
intervalos de 15 minutos.
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.
2.7.1.4. Precio Marginal Local
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.
La determinación del PML se lleva a cabo mediante un proceso de liquidación centralizado

del mercado de energía, el cual está bajo responsabilidad del CENACE que se desempeña
29
como Operador Independiente del Sistema (ISO) y es el encargado de realizar el despacho

de energía y determinar los precios de la misma, teniendo en cuenta las restricciones de la
red para llevar a cabo la programación de los generadores, las cargas y las transacciones
bilaterales.
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 precio marginal local está integrado por tres componentes principales:
i Componente de energía excluyendo posibles pérdidas y congestión en la red eléctrica.
ii Componente de pérdidas de potencia activa en la red eléctrica.
iii Componente de congestión eléctrica en la red eléctrica.
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
Al PML en el nodo k, lo denominamos como ∂L

∂Pdk
, k ∈ carga:
X M
∂Ploss
P M Lk = λ 1 + + µj tjk (2.2)
∂Pdk j=1
30
Expresado de una forma diferente, k ∈ carga:

M
∂Ploss X
P M Lk = λ + λ + µj tjk (2.3)
∂Pdk j=1
La ecuación, se integra de tres partes, que conforman la componente de energía entregada,

k ∈ carga:
Componente de Energía= P M L = λ

Componente de Pérdidas= λ ∂P loss
∂Pdk
PM
Componente de Congestión= j=1 µj tjk
Dónde:
P M Lk Es el Precio Marginal Local en el nodo k.
λ Es el Multiplicador de Lagrange asociado con la ecuación de balance de potencia.
∂Ploss
∂Pdk
Es el factor de sensibilidad de pérdidas de potencia activa en el bus k.
µj Es el vector de multiplicadores de Lagrange asociado a las restricciones en la red, en la

línea j.
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
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.
Figura 2.10. Determinación del precio marginal local.

Adaptada de [28].
P (Q∗ ) Representa el precio de compensación marginal de:
El siguiente incremento de energía a suministrar.
El siguiente incremento de demanda de energía por ser consumida.
2.8. Almacenamiento de energía eléctrica

Los Sistemas de almacenamiento de energía eléctrica son actualmente tecnologías con gran
aceptación e implementación en los SEP, debido a que una particularidad de la energía eléc-
trica es la imposibilidad de almacenar la energía, es decir debe ser generada en función de la
demanda de energía en la red, lo que requiere una coordinación en el despacho de energía muy
preciso. Actualmente los sistemas convencionales de generación eléctrica, los cuales requieren
combustibles fósiles para su operación tienen poca o nula capacidad de almacenamiento de
energía.
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
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.
Con lo anteriormente mencionado, se considera indispensable implementar y disponer de

tecnologías de almacenamiento de energía que permitan satisfacer las fluctuaciones de la de-
manda a corto plazo y proporcionen flexibilidad al sistema; con la finalidad de incrementar
la penetración de tecnologías de energías renovables (eólica, fotovoltaica, etc.), las cuales ca-
recen de la capacidad brindar un seguimiento confiable a la curva de la demanda debido a la
naturaleza del recurso renovable que utilizan para la generación de energía eléctrica (viento,
solar, etc.), al ser tecnologías intermitentes se consideran no gestionables.
Es evidente que no podemos prescindir de las tecnologías convencionales y sustituirlas con

energías renovables pese al problema de contaminación medioambiental que implica generar
con energías convencionales. Todas las tecnologías de generación eléctrica son necesarias, de-
bido a que son complemento unas de otras para satisfacer la demanda de energía en términos
de garantizar seguridad, confiabilidad y continuidad del servicio de energía eléctrica; así que
cada tecnología (convencional o renovable) en particular brinda un servicio en concreto de
generación para satisfacer las necesidades de la red en cualquier momento, de la forma más
conveniente (técnico, económico o medioambiental).
En las figuras 2.11 y 2.12 se observa el pronóstico de generación eólica y fotovoltaica en el

Sistema Interconectado Nacional Mexicano, respectivamente. En las figuras ya mencionadas
se puede observar la variación diaria durante la semana que corresponde del día 1 al 7 de
noviembre del año 2016 en el SIN. En las imágenes es destacable la variabilidad de producción
eléctrica con energías renovables, en este caso se muestran los datos para la generación eólica y
fotovoltaica; por lo que la implementación de sistemas flexibles como los de Almacenamiento
de Energía Eléctrica que permitan resolver el problema de la variabilidad producida por las
tecnologías renovables se vuelven una solución muy factible.
Figura 2.11. Pronóstico de generación eólica del SIN.

Elaboración propia con datos de [23]
33
Figura 2.12. Pronóstico de generación fotovoltaica del SIN.

Elaboración propia con datos de [23]
2.8.1. Aplicaciones del almacenamiento de energía eléctrica

El concepto de almacenamiento de energía se refiere al proceso de almacenar energía para
poder ser utilizado posteriormente en la etapa del proceso que sea requerida. En el contex-
to actual de redes eléctricas ese utiliza para describir el proceso de convertir la electricidad
utilizando diferentes tipos de energía y regresar esta energía posteriormente a la red en el mo-
mento que sea requerida. Por lo tanto, un dispositivo de almacenamiento de energía es aquel
capaz de captar energía eléctrica proveniente de una red eléctrica cuando existen periodos de
excedentes de energía (usualmente provenientes de energías renovables) y poder almacenarla
para ser utilizada en periodos de demanda pico [29].
“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
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.
Existen muchas técnicas destinadas al almacenamiento, basadas en prácticamente todas las

formas de energía existentes y conocidas actualmente como lo son la energía mecánica, eléc-
trica, química y térmica. Las tecnologías de almacenamiento utilizadas presentan criterios
técnicos y económicos, que varían considerablemente en función de las necesidades y aplica-
ciones específicas [31]:
Aplicaciones de baja potencia en áreas aisladas.
Aplicaciones de mediana potencia en área aisladas.
Aplicaciones de calidad de la energía.
Aplicaciones de conexión de red con nivelación de picos de energía.
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.
La segunda característica se refiere a las dimensiones y características del sistema generador-

motor con el cual se lleva a cabo la conversión de la energía almacenada, la potencia disponible
generalmente se expresa como un valor medio y para representar a la potencia máxima de
35
carga o descarga se utiliza un valor de pico.
En la actualidad se han desarrollado diversas técnicas de almacenamiento y cada tipo de

tecnología tiene sus propias características y es lo que las convierte en idóneas para satisfacer
unas u otras necesidades. Las características de las tecnologías se basan primordialmente en
el tiempo de almacenamiento que va desde segundos hasta días y la capacidad de almacenaje
desde 1 kW hasta GW, lo que permite una disponibilidad de almacenamiento a gran escala
debido a la capacidad [32].
2.8.2. Necesidad de suministro de energía continua y flexible

Actualmente se tiene necesidad de gestionar los recursos energéticos en el mundo, los com-
bustibles fósiles se han ido agotando a lo largo de las últimas décadas en nuestro país, por lo
que al ser estos la fuente de energía más utilizada para la producción de energía eléctrica en
México y en el mundo se debe tener un mayor cuidado en la administración de estos recursos
fósiles. Desde hace algunas décadas, la disminución progresiva de las reservas de combusti-
bles fósiles y los problemas ambientales asociados a la combustión de estos, han promovido
la búsqueda e implementación de energías alternativas a las fósiles, entre ellas las energías
renovables [33].
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.
Bajo las consideraciones mencionadas anteriormente, la necesidad actual de gestionar mejor

los recursos obtenidos a partir de fuentes renovables y aminorar la dependencia de combus-
tibles fósiles, los Sistemas de Almacenamiento de Energía Eléctrica (EESS: Electric Energy
Storage Systems, por sus siglas en inglés) juegan un papel muy importante para brindar
mayor flexibilidad a los SEP al momento de satisfacer la demanda requerida; este tipo de
sistemas de almacenamiento tienen como características principales:
Gestión de la generación en horas de demanda máxima y mínima.
Alisamiento de la curva de demanda eléctrica .
Control de la frecuencia.
Integración de energías renovables.
El almacenamiento de energía es una opción para poder expandir la utilización de energías

renovables, para estabilizar la red eléctrica, para asegurar la continuidad del suministro y
gestionar la producción intermitente de energías renovables. Los sistemas de almacenamiento
36
de energía son especialmente importantes en la integración de la generación distribuida ade-

más de compensar los errores en la previsión, suaviza los picos de la demanda al almacenar
en la demanda máxima para posteriormente inyectarlos a la red cuando sean requeridos,
proporciona regulación de frecuencias y evita ampliaciones costosas de la red [34].
El mayor inconveniente de los recursos renovables es la fluctuación del recurso independien-

temente de la demanda, sin embargo, se están volviendo cada vez más utilizados; uno de
los principales problemas a los que se enfrentan los sistemas de suministro eléctrico es la
dificultad y el costo de almacenar energía eléctrica durante los periodos de baja demanda
para poder utilizarla posteriormente durante los periodos de demanda pico donde la energía
es más cara. Esto es particularmente relevante desde el punto de vista de energías renova-
bles, si se pretende que constituyan una alternativa realista a las energías convencionales [33].
En la actualidad las energías alternativas en México constituyen cerca del 25 % de la ge-

neración de energía en el país en los que se incluyen la energía eólica, solar fotovoltaica
principalmente. Al año 2015 la generación eólica en México ascendía a 3,073 megawatts
(MW); México cuenta actualmente con 37 parques eólicos en operación y en su mayoría se
encuentran concentrados en el estado de Oaxaca con 2,359.97 MW instalados, participando
este estado con el 76.8 % del total de la energía eólica instalada, se tiene previsto que al año
2018 se tenga una capacidad instalada de energía eólica de 10,811 MW, con datos obtenidos
de la Asociación Mexicana de Energía Eólica (AMDEE) [35].
El almacenamiento de energía tiene la característica que puede satisfacer cuatro necesidades

que se presentan en todos los sistemas: gestión valle-punta, alisamiento de la carga, control
de la frecuencia e integración de renovables [33]. La energía renovable puede ser almacenada
de forma efectiva, primero debe ser transformada en otra forma de energía que pueda ser
almacenada, para poder transformarla cuando sea necesario. Existen muchas técnicas que
posibilitan el almacenamiento de la energía, que se encuentran en diferentes formas de ener-
gía como son: mecánica, eléctrica, química y térmica.
En este trabajo nos enfocaremos principalmente a los Sistemas de Almacenamiento Hidro-

eléctrico por Bombeo (PSHS: Pumped Storage Hydropower Systems, por sus siglas en inglés)
y analizaremos las ventajas e inconvenientes del uso de esta tecnología para la gestión del
almacenamiento de los recursos renovables.
2.8.3. Ventajas del almacenamiento de energía eléctrica

Algunas de las ventajas fundamentales que proporcionan los sistemas de almacenamiento a
los sistemas eléctricos de potencia son:
1. Disminución de las emisiones de CO2 :
El almacenamiento de energía tiene como objetivo principal el contribuir a la red, dis-

minuyendo el uso de centrales eléctricas que utilicen carbón en cualquiera de sus formas
37
( 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:
Ya que el sistema eléctrico mexicano en su mayoría abastece de energía eléctrica a tra-

vés de plantas generadoras las cuales su principal fuente de energía son los combustibles
fósiles se debe plantear la perspectiva de reducir este tipo de fuentes de energía fini-
tos, por lo que se tiene la necesidad de buscar alternativas en cuanto a la incursión de
energías renovables y poder gestionarlas de forma adecuada, es decir brindar capacidad
para garantizar el suministro de energía eléctrica.
3. Ajuste de la oferta y demanda de energía renovable:
Un punto no menos importante es que los sistemas de almacenamiento tienen la posibili-

dad de ajustar la oferta y la demanda, provenientes de las fuentes de energía renovables,
con lo cual se puede garantizar que el sistema provea cierta flexibilidad para poder ha-
cer frente a las fluctuaciones de la demanda de energías renovables que como ya hemos
mencionado es intermitente por lo que se puede o no estar disponible en el momento
que sea requerida.
4. Confiabilidad:
Se refiere a la capacidad de respaldar al sistema eléctrico frente a las variaciones impre-

vistas de la oferta y la demanda. Una red eléctrica confiable es aquella que proporciona
la energía en todo momento cuando es requerida y en la cual existe una pérdida de car-
ga mínima. Esta problemática se incrementa cuando las fuentes de energías renovables
(intermitentes) son incorporadas al portafolio de energía. En este caso al incrementar
las variaciones imprevistas de la oferta, producto de la generación con fuentes renova-
bles deberá ser cubierto por las reservas de la red (reserva a corto plazo) esto requerirá
incrementar los requerimientos de reserva; estas variaciones pueden ser cubiertas por
las plantas hidroeléctricas reversibles [29].
5. Control de respuesta a la frecuencia:
El almacenamiento de energía también tiene la capacidad de mantener la frecuencia

del sistema en los límites operacionales adecuados (respuesta a la frecuencia). Cuando
existe una gran carga conectado a la red la frecuencia tiende a disminuir y cuando una
gran carga es eliminada la frecuencia del sistema responde aumentando. La respuesta
primaria a una variación de la carga se ve reflejada en la aceleración o disminución de
38
la velocidad en los generadores de la red.
Debido a la importancia tan fundamental de mantener los niveles de frecuencia estable-

cidos para la operación adecuada (50 o 60 Hz.) de los sistemas eléctricos de potencia,
el almacenamiento de energía tiene la capacidad de brindar una respuesta secundaria,
actuando de manera rápida con la finalidad de contrarrestar las variaciones en la fre-
cuencia (reserva rodante).
6. Estabilidad en los precios de energía:
La estabilidad del precio de la energía eléctrica depende directamente de la variación

de la oferta y demanda de energía, este precio va en función de los costos de los com-
bustibles utilizados, por lo que la inserción de energías renovables tiene la cualidad
emitir menor cantidad de emisiones de carbón por no estar directamente asociados a
los combustibles fósiles.
2.9. Clasificación de los sistemas de almacenamiento

Una de las principales características de aplicación de los sistemas de almacenamiento de
energía es que permite desacoplar la producción de energía del consumo, disminuyendo de
esta manera la necesidad de monitoreo y predicción constante ante las demandas de energía
de los consumidores. El almacenamiento ofrece beneficios económicos al permitir la reducción
de la producción de energía de la central para satisfacer la demanda promedio en lugar de
la demanda máxima. Con esto las líneas de transmisión y el equipo eléctrico de la red eléc-
trica, pueden ser diseñados con una dimensión más adecuada para la demanda de potencia
promedio; además también tiene la capacidad de mitigar algunos problemas asociados con la
intermitencia de la generación con fuentes renovables [36].
El almacenamiento de energía eléctrica puede utilizarse de manera eficaz, inicialmente el

proceso del almacenamiento requiere transformar en una forma de energía que pueda ser
almacenada y poder ser transformada nuevamente cuando sea necesario. Existen muchas
técnicas posibles para realizar el almacenamiento, las cuales se encuentran en casi todas las
formas de energía existentes: mecánica, química, térmica. Las tecnologías de almacenamiento
que respondan a especificaciones técnicas y económicas, varían considerablemente en función
de las aplicaciones y necesidades de los diferentes sistemas de almacenamiento existen en la
actualidad diversos tipos de almacenamiento pero resulta complicado hacer un análisis com-
parativo entre cada una de ellas, ya que sus aplicaciones y niveles de desarrollo son enfocadas
de manera diferente [37].
39
Existen muchas maneras para clasificar a los sistemas de almacenamiento de energía: de

acuerdo a su capacidad de almacenamiento (pequeña, mediana y gran escala), según el ti-
po de energía que utilizan para el almacenamiento (electromagnético, mecánico, térmico y
electroquímico), por la velocidad de respuesta que tienen para atender las necesidades de la
demanda de energía, etc. En la actualidad existe una gran diversidad y avances importantes
respecto a las tecnologías para el almacenamiento de energía, las cuales tienen diferentes ca-
racterísticas adaptadas a necesidades específicas, el almacenamiento puede aprovecharse en
diferentes lugares donde existe generación, transmisión y consumo de energía eléctrica, los
cuales se muestran a continuación[31]:
Sistemas de almacenamiento de potencia (GW): Utilizados para el almacenamiento a

gran escala, en esta modalidad entran el bombeo hidroeléctrico, térmico, químico y el
aire comprimido.
Sistemas de almacenamiento de red (MW): Capaces de proporcionar almacenamiento a

mediana escala como supercapacitores, superconductor magnético, volantes de inercia,
baterías de flujo, almacenamiento con hidrógeno, bombeo reversible.
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
Figura 2.13. Aplicación de los sistemas de almacenamiento.

Adaptada de [36].
Otra forma de clasificar a los sistemas de almacenamiento de energía como se mencionó

anteriormente, es mediante el tipo de energía que utilizan para el almacenamiento ya sea
electromagnético, mecánico, térmico y electroquímico, de las cuales se derivan las distintas
tecnologías existentes para cada tipo de energía: aire comprimido, volantes de inercia, su-
perconductor magnético, supercapacitores, bombeo hidroeléctrico, baterías de Plomo Ácido,
Níquel-Cadmio, Ion-Litio, Sulfuro de Sodio, baterías de flujo Redox, hidrógeno y UPS. En
la Figura 2.14 se puede observar los distintos sistemas de almacenamiento existentes y la
clasificación según el tipo de energía que utilizan para realizar el almacenamiento.
41
Figura 2.14. Clasificación de las tecnologías de almacenamiento.

Adaptada de [31].
Es importante mencionar que la tecnología de almacenamiento que predomina en la actuali-

dad por su gran capacidad de almacenamiento a largo plazo, tiempo de respuesta requerido
por parte de los sistemas eléctricos y madurez de la tecnología son los sistemas hidroeléctricos
de bombeo, la cual entra dentro de la clasificación del sistema mecánico. Aunque este tra-
bajo es particular para el análisis del almacenamiento de energía hidroeléctrica de bombeo,
42
también se describe de forma breve el panorama general de los sistemas de almacenamiento

existentes en la actualidad y sus principales características.
2.9.1. Almacenamiento electromagnético
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
Los capacitores electroquímicos de doble capa, también conocidos como supercapacitores o

ultracapacitores, son dispositivos que cubren la brecha entre los capacitores convencionales
utilizados en electrónica y las baterías en general, esto es debido al casi ilimitado ciclo de
estabilidad, la gran capacidad de potencia y la gran capacidad de almacenamiento respecto
a los capacitores tradicionales [39].
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
Figura 2.15. Sistema de almacenamiento por supercapacitores.

Adaptada de [41].
2.9.1.2. Superconductor magnético
El principio de funcionamiento del sistema de almacenamiento de energía por superconductor

magnético (SMES), se realiza inyectando energía eléctrica de corriente continua, esta corrien-
te se hace circular a través de la bobina fabricada de un material superconductor, la energía
se almacena en el campo magnético creado por el flujo de corriente continua a través de la
bobina. La bobina conductora que transporta la corriente funciona a temperaturas criogé-
nicas (temperaturas de aproximadamente 190°C por debajo del cero), la cual es necesaria
para la superconductividad, estas temperaturas son logradas mediante el uso de hidrógeno o
hidrógeno líquido.
La bobina tiene la característica de que no presenta pérdidas resistivas derivadas de la di-

sipación de calor a través del conductor; en consecuencia, la energía puede ser almacenada
por tiempo indefinido hasta que sea requerida para su uso. en general un sistema SMES
está integrado de cuatro partes esenciales: Bobina superconductora con el imán, sistema de
acondicionamiento de potencia, sistema criogénico y la unidad de control [42]. En la figura
2.16 se muestra el diagrama esquemático del funcionamiento del sistema SMES.
Figura 2.16. Sistema de almacenamiento por superconductor magnético.

Adaptada de [40].
44
2.9.2. Almacenamiento mecánico

El almacenamiento de energía mecánica es actualmente la forma más común de almacenar
energía a gran escala, de las tecnologías más maduras y con mayor implementación son
los sistemas hidroeléctricos de bombeo, el aire comprimido y los volantes de inercia. Los
sistemas de almacenamiento mecánico, consisten en dos tipos básicos de almacenamiento
producto de la aplicación de fuerzas sobre los sistemas materiales, uno implica cambios en la
energía potencial y el otro involucra cambios en la energía cinética a través del movimiento
de la masa. La energía potencial implica siempre la imposición de fuerzas sobre los sistemas
materiales y la energía cinética se relaciona con el movimiento de la masa [38].
2.9.2.1. Volantes de inercia
Un volante de inercia es un dispositivo mecánico giratorio que es utilizado para almacenar

energía rotatoria la cual puede ser utilizada de manera instantánea, los volantes de inercia
cuentan con un cilindro rotatorio, un imán levita el cilindro disminuyendo las pérdidas pro-
vocadas por fricción o rozamiento y por tanto conllevan al desgaste. El eje contenido en el
cilindro está acoplado a un motor/generador y este se encarga a su vez de realizar la conver-
sión de energía eléctrica a cinética, La energía cinética es almacenada a través del incremento
de la velocidad rotatoria del volante; la energía cinética almacenada puede ser convertida
nuevamente en energía eléctrica por medio del motor/generador disminuyendo la velocidad
de rotación del volante. En la figura 2.17 se muestra el diagrama esquemático del funciona-
miento de los volantes de inercia.
Figura 2.17. Sistema de almacenamiento mediante volante de inercia.

Adaptada de [43].
2.9.2.2. Bombeo hidroeléctrico
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
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].
El almacenamiento hidroeléctrico por bombeo es el sistema de almacenamiento actualmente

más desarrollado y utilizado en el mundo, por su eficiencia ante la gestión de la intermitencia
provocada por el uso de fuentes renovables, útil ante las variaciones semanales o estacionales
de la demanda de energía, para amortiguar los picos de la demanda máxima y en la nivelación
de carga. La justificación del proceso reversible de la central hidroeléctrica de bombeo se
vuelve factible para implementarlo cuando se evalúa desde la perspectiva de los precios de la
electricidad durante el día, ya que estos varían significativamente en diferentes momentos del
día o de la semana. En la figura 2.18 se muestra el diagrama esquemático del funcionamiento
de las centrales hidroeléctricas de bombeo.
Figura 2.18. Sistema de almacenamiento hidroeléctrico de bombeo.

Adaptada de [44].
46
2.9.2.3. Aire comprimido
La tecnología de almacenamiento de energía mediante aire comprimido se basa en el uso

de turbinas de gas convencionales y utiliza la energía eléctrica para comprimir el gas. La
energía es almacenada mediante la compresión del aire dentro de una caverna hermética es-
pecialmente diseñada o formaciones geológicas subterráneas, formaciones salitrosas, acuíferos
y campos de gas natural agotados. Posteriormente cuando se requiere disponer de la energía
para ser utilizada se extrae el aire de la caverna, se calienta y posteriormente se expande a
través de una turbina de alta y baja presión que gira y captura una parte de la energía en el
aire comprimido, después el aire previamente extraído se mezcla con combustible el cual se
somete a un proceso de combustión; las turbinas están conectadas a generadores eléctricos
para poder generar energía eléctrica y los extractores que envían el aire hacia las turbinas
deben calentar el aire comprimido con la finalidad de aumentar su energía cinética [45].
En la figura 2.19 se muestra esquemáticamente el funcionamiento del almacenamiento me-

diante aire comprimido.
Figura 2.19. Sistema de almacenamiento mediante aire comprimido.

Adaptada de [46].
47
2.9.3. Almacenamiento térmico
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.
2.9.3.1. Calor sensible
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].
A continuación se muestra esquemáticamente el almacenamiento térmico en forma de calor

sensible: la figura 2.20a muestra un sistema termoclina de almacenamiento ideal en forma
de calor sensible, en la figura 2.20b se observa un sistema termoclina de almacenamiento de
lecho compacto mediante calor sensible y la figura 2.20c muestra un sistema TES de tres
partes combinando calor sensible y latente para el proceso de carga para el almacenamiento.
48
(a) (b)
(c)
Figura 2.20. Sistema de almacenamiento térmico mediante calor sensible.

Adaptada de [48].
2.9.3.2. Calor latente
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].
Durante el proceso de acumulación, el material pasa de estado sólido a líquido y durante la

recuperación regresará a estado sólido, la transferencia de calor entre el acumulador térmico
y el ambiente exterior se lleva a cabo mediante un fluido de transferencia de calor, la energía
se almacena a una temperatura dada y cuanto mayor sea la temperatura, mayor será la
concentración [37]. En la figura 2.21 se puede observar esquemáticamente la operación de
una planta de energía solar por concentración, con un sistema térmico de sales fundidas.
49
Figura 2.21. Sistema de almacenamiento térmico mediante sales fundidas [49].
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].
La figura 2.22 representa un esquema de almacenamiento termoquímico utilizando amoniaco.
50
Figura 2.22. Sistema de almacenamiento térmico mediante amoniaco

Adaptada de [51].
2.9.4. Almacenamiento electroquímico

Los sistemas de almacenamiento electroquímico utilizan la conversión de la energía química
en energía eléctrica y viceversa; una forma en la cual se puede llevar a cabo el almacenamiento
es mediante celdas electroquímicas, las cuales mediante reacciones electroquímicas generan
electricidad. Un conjunto de estas celdas componen lo que denominamos pilas o baterías,
cada celda tiene un cátodo y un ánodo los cuales están en contacto con una sustancia sólida
o líquida llamada electrólito el cual conduce los iones (átomos o moléculas con carga eléc-
trica). Dentro de los sistemas de almacenamiento electroquímico se encuentran las baterías
convencionales, baterías de flujo y el almacenamiento mediante hidrógeno.
2.9.4.1. Hidrógeno
Los sistemas de almacenamiento mediante hidrógeno tienen un proceso de almacenamiento de

energía muy particular ya que estos utilizan dos procesos diferentes para la carga y descarga
del sistema de almacenamiento de energía. La producción de hidrógeno generalmente implica
un electrolizador el cual se encarga de separar el agua en hidrógeno y oxígeno utilizando una
dispositivo electroquímico llamado celda de combustible la cual es utilizada para producir
electricidad, el hidrógeno comprimido suele almacenarse en tanques de alta presión aunque
existen otras alternativas como el hidrógeno líquido o hidruros metálicos [39].
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
En la figura 2.23 se muestra el principio de funcionamiento del sistema de almacenamiento

utilizando hidrógeno.
Figura 2.23. Sistema de almacenamiento con hidrógeno.

Adaptada de [52].
2.9.4.2. Baterías electroquímicas
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
Figura 2.24. Periodo de carga de la batería Li-ion.

Adaptada de [54].
Figura 2.25. Periodo de descarga de la batería Li-ion.

Adaptada de [54].
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].
3.1.1. Clasificación de las centrales hidroeléctricas

La generación hidroeléctrica en el mundo es una fuente de energía muy versátil, que puede
responder a muchas necesidades de la red eléctrica, este tipo de centrales generan energía
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.
Figura 3.1. Clasificación de las centrales hidroeléctricas.

Elaboración propia.
3.1.1.1. Elementos principales que integran a las centrales hidroeléctricas
A continuación se proporciona una breve descripción de los principales elementos que integran
una central hidroeléctrica [56].
Presa: Es la construcción usualmente de hormigón que se levanta a lecho de río para

desviar el agua o para almacenarla lo cual permite disponer de ella y regular el caudal
del río.
Tomas de agua: En ellas se capta el agua necesaria para el accionamiento de las

turbinas.
Compuertas: Sirven para regular la cantidad de agua que se encuentra almacenada

en la presa, además que regula la cantidad de agua que llega a las turbinas.
Galería de conducción: Es la encargada de transportar el agua hacia las tuberías

forzadas.
56
Tubería forzada: Son las encargadas de transportar el agua a presión hacia las tur-
binas hidráulicas.
Turbinas: Es la encargada de transformar la energía mecánica en eléctrica.
3.1.1.2. Centrales hidroeléctricas a filo de agua
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.
3.1.1.3. Centrales hidroeléctricas con embalse
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].
3.1.2. Centrales hidroeléctricas de bombeo

En esta sección examinaremos con mayor detalle el principio de operación y funcionamiento
de las centrales hidroeléctricas de bombeo, ya que son el tema principal de este trabajo,
pertenecientes al esquema de los sistemas de almacenamiento de energía mecánico; las CHB
son una adaptación de las centrales hidroeléctricas convencionales, las cuales se rigen bajo
los mismos principios de operación, pero con la particularidad que las caracteriza (reversibles).
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
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.
Figura 3.2. Despacho de la CHB en demanda punta.

Adaptada de [58].
Debido a que el comportamiento de la demanda no varia drásticamente, el CENACE tiene

bien identificados los horarios de máxima demanda y demanda mínima, así como las pre-
dicciones de la demanda ya sea por periodos estacionales, por eventos relevantes en el país,
etc. En ciertas ocasiones pueden existir desviaciones en los horarios de demanda de energía
aunque no muy significativos, por lo tanto el despacho de la CHB se realiza en el horario
punta de la demanda y el bombeo se realiza en los periodos de demanda mínima, como puede
apreciarse en la figura 3.3.
58
Figura 3.3. Despacho de generación con CHB.

Adaptada de [59].
En la Figura 3.4 se muestra el perfil de demanda diario de generación, se puede observar el

periodo de compra de energía para realizar el bombeo hidroeléctrico de la CHB y el periodo
de venta de energía diario, idealmente estos periodos se dan en función del costo de la energía
en cada hora del MEM.
59
Figura 3.4. Periodos de almacenamiento y generación de energía.

Adaptada de [60].
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).
En la Tabla 3.1 se muestra la generación y la capacidad instalada con centrales hidroeléctricas

en los principales países de América al año 2015, como puede observarse la clasificación
de los cinco países que presentan mayor capacidad instalada con centrales hidroeléctricas
son: Estados Unidos (101,757 MW), Brasil (91,650 MW), Canadá (79,202 MW), Venezuela
(15,393 MW) y México (12,435 MW). Respecto a los países que cuentan con almacenamiento
hidroeléctrico de bombeo son: Estados Unidos (22,441 MW), Argentina (974 MW), Canadá
(177 MW) y Brasil (30 MW). Con lo observado en la tabla podemos asegurar que México
cuenta con recursos hídricos para poder implementar centrales hidroeléctricas de bombeo que
colaboren con la inserción de fuentes renovables.
60
Tabla 3.1. Capacidad instalada de generación con hidroeléctricas.

Adaptada de [61].
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
3.1.3. Panorama de las CHB en el mundo

A nivel mundial existe una gran cantidad de CHB, países han optado por invertir en tecno-
logías de almacenamiento y en particular el almacenamiento hidroeléctrico de bombeo por
61
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.
Tabla 3.2. Países por capacidad instalada de generación con CHB.

Datos de [62].
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
Figura 3.5. Países con mayor capacidad instalada de CHB.

Datos de [62].
62
3.1.4. Perspectiva de las CHB en México

Como se mencionó en capítulos anteriores, México recientemente dio inicio a la operación del
mercado mayorista de energía esto derivado de la reforma constitucional en materia de ener-
gía, cuya iniciativa fue propuesta por el Poder Ejecutivo el 12 de agosto de 2013, promulgada
el 20 de diciembre de 2013 y publicada en el DOF un día después. El objetivo principal de
la reforma energética es permitir mayor participación de energías renovables y limpias, con
la finalidad de mitigar la dependencia de la generación eléctrica con energías convencionales
(combustibles fósiles) la cual constituye cerca del 80 por ciento de la generación eléctrica
total en México.
México como en todo el mundo ha optado por incrementar la participación de la generación

con energías renovables en su portafolio de generación, con esta decisión se definen nuevos
retos para el SEN en cuanto a la flexibilidad operativa, la cual hace referencia a la capaci-
dad de las centrales generadoras de mitigar la intermitencia cuando se genera con ERNC, el
problema de intermitencia está ligado a la disponibilidad del recurso bajo ciertas condiciones
climáticas, es decir esta sujeta a la presencia de radiación solar para la generación fotovoltaica
o ráfagas de viento en la generación eólica.
Es importante considerar que al incrementar la penetración de generación con renovables,

se debe considerar sistemas de generación flexible para mitigar la intermitencia de dichas
fuentes y garantizar mayor estabilidad ante estas variaciones. Una alternativa es emplear
CHB, este tipo de tecnologías de almacenamiento a gran escala y con gran madurez de desa-
rrollo tecnológico, tienen la capacidad de almacenar los excedentes de energía provenientes
de las renovables y posteriormente generando energía a partir de dichos excedentes de energía.
Sin embargo México no ha recurrido a implementar la participación de este tipo de centrales,

por una parte por la inexperiencia nacional en la evaluación de la rentabilidad de las CHB
y por otra parte por la insuficiencia normativa y legal para otorgar el reconocimiento de los
beneficios de este tipo de tecnología. Haciendo frente a esta situación instituciones como la
SENER y la CFE han recurrido a instancias nacionales e internacionales con la finalidad de
intercambiar experiencias para explorar un panorama rentable en cuanto a la participación
de las CHB y la integración de energías renovables.
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
de la regulación del marco normativo referente a la energía hidroeléctrica de almacenamiento

por bombeo y la potencial participación dentro de la reforma eléctrica en México, en parti-
cular para la integración a la red de fuentes de energía renovables intermitentes. Las CHB en
especial tecnologías como las plantas de velocidad variable y plantas con la turbina separada
del conjunto de bombas, pueden desempeñar un papel significativo para la integración de
recursos eólicos y solaresen la red eléctrica [63].
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].
3.1.4.1. Proyectos de CHB en México
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.
Esto ha dado lugar a contemplar proyectos de almacenamiento en México, que como ya se

mencionó anteriormente son actualmente inexistentes en el país. Uno de estos proyectos y
quizá hasta ahora el más destacado es el proyecto híbrido Tepazolco (generación fotovoltaica
y almacenamiento hidroeléctrico con bombeo) mediante un sistema de ciclo cerrado, el cual
considera como principal objetivo aprovechar la infraestructura de la central hidroeléctrica
Tepazolco en el estado de Puebla y que actualmente se encuentra fuera de operación, en
conjunto con la generación por medio de un sistema fotovoltaico. De esta manera la central
podrá generar energía a través del sistema fotovoltaico en función de la curva de oferta solar
y el sistema hidroeléctrico de bombeo compensará la energía requerida en las horas de de-
manda pico con la operación de los embalses, cuando exista baja oferta solar.
Esta central hidroeléctrica de Tepazolco está situada en el municipio de Tlacotepec de Be-

nito Juárez (Puebla) cuenta con dos generadores para la producción de energía eléctrica con
turbinas tipo Francis con una capacidad instalada de 10 MW y, una subestación interconec-
tada a la red y un predio con superficie disponible para instalar hasta 30 MW fotovoltaicos,
con esto se pretende aprovechar la infraestructura ya existente y generar el menor impacto
medioambiental a la región. La hidroeléctrica se abastece de la Presa Ávila Camacho también
llamada presa del Valsequillo y es la encargada de abastecer del recurso hidráulico a través
de un sistema de túneles y canales [10].
64
El proyecto híbrido de Tepazolco para almacenamiento de energía considerado en México,

abre una brecha importante como nueva fuente de conocimiento, explorando las ventajas, los
beneficios y que se pueden obtenerse mediante la implementación de este tipo de tecnologías
de almacenamiento, además de contemplar condiciones reglamentarias, legales y económicas
para hacer posible la expansión de este tipo de tecnologías; ya sea que puedan ser utilizadas
como respaldo de generación, respaldo de emergencia, mitigar las desviaciones producto de la
intermitencia de las energías renovables, aminorar los picos de la demanda, etc. En la figura
3.6 se muestran las condiciones actuales de la central hidroeléctrica Tepazolco con vista al
planteamiento del proyecto híbrido considerado para esta central.
Figura 3.6. Condiciones actuales de la central hidroeléctrica Tepazolco [10].
Este proyecto híbrido tendrá grandes beneficios en cuanto al almacenamiento de energía

eléctrica en el país, además de establecer bases de conocimiento en el área de almacenamiento
de energía eléctrica al sector eléctrico mexicano, lo que proporcionará un foco importante
de interés y aprendizaje de las CHB. En el esquema de la figura 3.7, se describen algunos
beneficios que puede tener el almacenamiento hidroeléctrico de bombeo en el proyecto híbrido
de Tepazolco.
65
Figura 3.7. Beneficios del proyecto híbrido Tepazolco [10].
3.1.5. Participación de la central hidroeléctrica de bombeo en el

MEM
Las Centrales Hidroeléctricas de Bombeo, también llamadas en la literatura Centrales Hi-
droeléctricas Reversibles, pertenecen a la clasificación de los Sistemas de Almacenamiento de
Energía Mecánico; las principales aplicaciones de este tipo de centrales hidroeléctricas son
brindar flexibilidad y mejor administración de la energía generada con fuentes renovables, ya
que con el incremento de generación con energías limpias se vuelve incierto el pronóstico de
la generación con este tipo de recursos.
En la actualidad el Sistema de Almacenamiento Hidroeléctrico de Bombeo (PSHS), es la

tecnología de almacenamiento predominante a nivel mundial, la factibilidad y comerciabili-
dad de esta tecnología se debe a la capacidad de almacenar grandes cantidades de energía,
por periodos muy largos; además que colaboran con la integración de energías renovables
intermitentes como la eólica y la solar.
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
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.
Con el incremento de generación mediante fuentes renovables y la intermitencia provocada

por las condiciones meteorológicas de las cuales son dependientes para la generación eléctrica,
se tienen mayores fluctuaciones en la generación con energías renovables, las cuales se ven
reflejadas en los precios de la energía eléctrica en el MEM. Una de las ventajas del uso de
los PSHS es la capacidad de respuesta para estabilizar el sistema de potencia ante cualquier
disturbio o fluctuación de la demanda; con la capacidad de almacenamiento, pueden dispo-
ner del agua almacenada en el embalse para generar energía eléctrica en cualquier momento
que le sea requerida para satisfacer la demanda eléctrica, con ello actúan de manera eficaz y
rápida ante cualquier eventualidad en la red eléctrica.
Con las actuales modificaciones a la industria eléctrica en México y la implementación del

nuevo mercado mayorista (desregulado), el principal objetivo de los productores de energía
eléctrica es maximizar los beneficios económicos de las centrales eléctricas, la estimación de
los beneficios del productor está en función de la cantidad de energía que pueda generar para
ser vendida en el MEM, esto es directamente proporcional a la capacidad de almacenamiento
en su embalse y de la capacidad técnica de la central; la cantidad de energía que puede vender
al MEM considerando que se realizan dentro del mercado a corto plazo depende del precio
de la electricidad (PML) que se tenga asignado al nodo al que se encuentra conectado la
central hidroeléctrica de bombeo, que es cambiante dependiendo de la hora del día en el que
sea vendida.
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.
4.2. Modelo y metodología

4.2.1. Programación Lineal
La formulación del modelo de optimización para esta tesis cuenta con las características de
la programación lineal en cual todas los parámetros, restricciones y variables del problema
presentan la característica de linealidad. Todo problema de programación lineal puede ser
representado de forma general, en donde las restricciones del problema pueden estar definidas
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
s.t. a1,1 x1 + a1,2 x2 + . . . + a1,n xn ≥ b1

a2,1 x1 + a2,2 x2 + . . . + a2,n xn ≥ b2 (4.2)
..
.
am,1 x1 + am,2 x2 + . . . + am,n xn ≥ bm
x1 , x2 , . . . , xn ≥ 0
4.2.2. Programación Lineal entera mixta

A partir de un modelo de programación lineal pueden realizarse las adecuaciones para trans-
formar el problema lineal en un problema entero-mixto, la ecuación 4.3 representa la función
objetivo para un modelo a optimizar en el que se introdujo una variable entera (x1 , . . . , xk ),
que convierte el problema de programación lineal en uno de programación entera. Cualquier
problema de IP se puede considerar como una relajación de un problema de LP, aunado a
las restricciones adicionales que contemplan una o varias variables del tipo binario. En un
problema de IP la región factible debe estar contenida dentro de una región factible para el
problema de LP correspondiente [64].
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)
La mayoría de los problemas de IP se resuelven usualmente a través de la técnica de rami-

ficación y acotamiento (branch and bound), este método encuentra una solución óptima de
un problema de IP mediante la enumeración exhaustiva de los puntos en la región factible
contenidos en un subproblema. El método de ramificación y acotamiento inicia la búsqueda
de la solución de la relajación de un problema de LP del problema de IP, si todas las varia-
bles de decisión toman valores enteros en la solución óptima de la relajación LP, la solución
óptima obtenida de la relajación de LP será también una solución óptima de IP [64].
70
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].
Los métodos de solución para problemas de LP se clasifican principalmente en dos tipos:
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].
Métodos de búsqueda: Este método es realizar la búsqueda mediante una pequeña

muestra de los enteros factibles del problema de forma explícita y excluye los demás
puntos de la muestra de forma implícita; esto lo obtiene enumerando todos los puntos
enteros factibles del problema y secciona solo una parte de ellos para aplicar el método
[66].
4.2.3. Algoritmo de ramificación y acotamiento

Este algoritmo puede ser representado mediante un esquema de jerarquía de subproblemas de
LP relacionados, el cuál se denomina como árbol de búsqueda y se muestra como ramificacio-
nes descendentes [67]. Este tipo de algoritmos se basan en la filosofía de “divide y vencerás”,
si llevar a cabo la búsqueda del óptimo de un conjunto propio del problema, entonces este
algoritmo decide llevar a cabo la búsqueda en partes para dicho conjunto y posteriormente
establecer la mejor solución posible.
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
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].
Figura 4.1. Algoritmo de ramificación y acotamiento [68].
4.3. Formulación de un problema de optimización

A continuación se describen las consideraciones necesarias para plantear un problema de LP,
el cual consideraremos para el modelo de la CHB. Para plantear un problema de optimización
de LP se deben considerar un conjunto de elementos que definirán nuestro problema, estos
elementos se describen más adelante y se pueden establecer de la siguiente manera.
Conjuntos e Índices del problema.
Parámetros del problema.
Variables del problema.
Restricciones del problema.
Función objetivo del problema.
72
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.
4.3.2. Parámetros del modelo

Los parámetros del modelo son determinados en función de las características particulares
de cada problema de optimización y se definen como un valor numérico que describen ciertas
características del modelo, las cuales se tienen bien definidas y son conocidas. Existen dife-
rentes tipos de parámetros que pueden ser utilizados en el problema, sin embargo la forma
más simple de parámetro es utilizando valores numéricos independientes, como en el caso del
modelo de optimización planteado los parámetros pueden ser identificados como el periodo de
tiempo considerado, en este caso las horas del día o los PML característicos de los escenarios
planteados.
4.3.3. Variables del modelo

Las variables a determinar mediante la solución de un problema de programación lineal se
declaran como la mayoría de los parámetros, tomando en consideración que estas variables
serán determinadas una vez encontrada la solución del problema de optimización. Se debe
tener especial cuidado en la declaración de las variables que deseamos sean determinadas a
través de la optimización del problema
4.3.4. Restricciones del modelo

Las restricciones que se plantean en un problema de optimización son de primordial impor-
tancia ya que serán las que definan los alcances del modelo; las restricciones son definidas
como el conjunto de igualdades o desigualdades que pueden ser definidas sobre cualquier
parámetro o conjunto de parámetros, así como sobre las variables del problema.
El procedimiento más laborioso para determinar un modelo de programación lineal es la de-

terminación del conjunto de restricciones, esto se debe a la complejidad que implica definir
las limitaciones que debe contemplar el modelo para obtener una solución de optimización
adecuada. La cantidad de restricciones que se determinen en un problema de optimización
73
puede dar un resultado de optimización mucho más certero y adecuado.
Se debe tener especial cuidado en la determinación de las restricciones ya que si no se plan-

tean adecuadamente, pudieran restringir al modelo de optimización de tal manera que no se
pueda encontrar una solución factible o simplemente no se pueda obtener una solución. Las
ecuaciones siguientes describen las restricciones consideradas para el modelo de optimización
de la CHB.
4.3.5. Regiones factibles y no factibles

La región factible de un problema es el conjunto de todos los puntos que se encuentran
dentro de una región los cuales satisfacen todas las restricciones del problema, los cuales
se determinan por la solución del sistema de inecuaciones que conforman al conjunto de
restricciones. Dentro de la región factible se determina la solución óptima del problema, sí
este es de maximización el óptimo se determina como el valor más grande que toma la función
objetivo dentro de la región factible y si el problema es de minimización entonces se determina
por el valor más pequeño que se obtiene de la función objetivo dentro de la región factible.
Entonces la región no factible de un problema de LP es aquel conjunto de puntos que se
encuentran fuera de la región factible del problema [64].
4.3.6. Función objetivo

La función objetivo de un problema de programación lineal se plantea como una ecuación
algebraica, la cual cuenta con las propiedades de cualquier restricción, esta ecuación debe ser
descrita como un problema de maximización o minimización según sean los requerimientos
del modelo de optimización; la función objetivo a diferencia de las restricciones comunes care-
ce de operadores de relación empleados para comparación. Las ecuaciones 4.4 y 4.5 describen
la función objetivo del modelo de la CHB considerada en este trabajo.
La función objetivo considera la maximización de los beneficios obtenidos para la CHB , a

partir del costo marginal local el cual se obtuvo a partir de los resultados publicados por
el CENACE para el mes de noviembre del 2016. En general la función objetivo pretende
maximizar los ingresos del productor independiente de energía el cual es dueño de una CHB,
para lograr una operación de la central que le permita determinar los periodos óptimos, en
base a los precios de mercado para ofertar su energía al MEM o comprarla para realizar el
bombeo al embalse superior y mantenerla almacenada hasta el momento que los precios de
la energía se encuentren más elevados y poder venderla.
4.4. Modelo de optimización de la CHB

X X
max ρs · [λsh · (P Gsh − P Bsh )] (4.4)
s∈S h∈H
74
XX
max ρs · [λsh · (P Gsh − P Bsh )] (4.5)
s∈S h∈H
Dónde:
s = {1.,20} Representa la cantidad de escenarios de precios del MDA.
h = {1.,24} Representa el periodo de tiempo contemplado.
n = {1, .., N } Representa el número de grupos de generación y bombeo.
λsh Representa el precio estimado en el MDA para la hora h, en el escenario s.
ρs Es la probabilidad igualitaria asignada a cada escenario s del MDA.
P Gsh Representa la energía ofertada en el MDA en la hora h, por los generadores.
P Bsh Representa la energía adquirida en el MDA en la hora h, por las bombas.
ceg Representa el gasto de la turbina.
ceb Representa el gasto de la bomba.
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
j = {1, .., N } Representa cada una de las turbinas.
k = {1, .., N } Representa cada una de las bombas.
s
Gmin ∗ ynh s
≤ P Gsnh ≤ Gmax ∗ ynh (4.9)
Gsnh = P Gsnh (4.10)
s
P Bnh s
= Bmax ∗ znh (4.11)
s
Bnh = P Bsnh (4.12)
La restricción para el balance hidráulico, considera:
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
Dónde:
N
X
Qghs = ceg ∗ Gsnh (4.16)
n=1
N
X
Qbsh = ceb ∗ s
Bnh (4.17)
n=1
Qbsh Representa el caudal, que es el volumen correspondiente a la masa de agua bombeada

para cada h del periodo y cada escenario s.
Qghs Representa el caudal, que es el volumen correspondiente a la masa de agua turbinada

para cada h del periodo y cada escenario s.
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)
La restricción de energía máxima a ofertar en el MDA, debe cumplir:
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.
A partir del modelo de optimización planteado en la sección anterior, referente a la participa-

ción de las CHB en el mercado eléctrico mayorista, se describe en este capítulo los resultados
obtenidos del modelo de optimización utilizando el software AMPL (A Mathematical Pro-
gramming Language), que es un lenguaje de programación algebraica diseñado para modelar
y solucionar problemas de optimización con gran complejidad.
En este trabajo se propuso un modelo de optimización programado en el software AMPL;

como se verá a continuación se contempla una central hidroeléctrica de bombeo con dos
unidades de generación y bombeo, para este modelo no se consideran aportaciones externas
de agua ni vertimientos, a demás que la central hidroeléctrica considerada es 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.
5.2. Resultados obtenidos del modelo de optimización

Los resultados obtenidos del modelo de optimización propuesto, están basados en 20 esce-
narios de precios diferentes, los PML fueron obtenidos del resultado del despacho del MDA,
publicados por el CENACE para el NodoP Ixtapantongo (01IXT-115), en el mes de noviem-
bre del año 2016 del SIN. Estos precios fueron seleccionados indiscriminadamente, es decir se
tomaron los PML del 1 al 20 de noviembre del año 2016, lo cual implica que están incluidos
todos los días de la semana.
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.
Los resultados obtenidos de la simulación implementada se realizaron utilizando el sol-

ver CPLEX 12.7.0.0, que es muy eficaz para resolver problemas enteros, programación li-
neal,problemas de programación cuadrática y enteros mixtos como en este caso. El programa
también muestra el método empleado para la resolución del problema en este caso empleó el
método de ramificación y acotamiento, despliega el listado de conjuntos, variables, restric-
ciones propios del problema planteado.
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
9 parameters : Ef Ei Hf Hi bombmax ceb ceg genmax genmin

grupos precios probpmd vimax vimin vinfinicdia vsmax vsmin
vsupinicdia
10
11 sets : horas prepmd
12
13 variables : B1 B2 BTD G1 G2 GTD PSH a1 a2 b1 b2 vinf
vsup
14
15 constraints : PSHP b1plenacarga b2plenacarga compramax gen1min
gen1plenacarga gen2min gen2plenacarga nobombeogen1con1
nobombeogen1con2 nogenbom2con1 nogenbom2con2 totalbombas
totalturbinas ventamax vinfini vinft volfininf volfinsup
volinfmax volinfmin volsupmax volsupmin vsupini vsupt
16
17 objective : z
18
19 z = 90150.4
20
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:
objective: Es el valor encontrado para la función objetivo.
absmipgap: Es la tolerancia del gap de optimalidad entera mixta absoluta.
mipgap: Es la tolerancia relativa para optimizar un entero, las variables se detienen sí

(abs ((mejor acotamiento))-(mejor entero)).
MIP simplex iterations: Son las iteraciones simplex de programación entera mixta.
Branch and bound nodes: Son los nodos de ramificación y acotamiento.
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
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.
Como se mencionó con anterioridad en el escenario 1 de PML se visualiza que en el periodo

correspondiente de la 1 a las 10 horas, así como en la hora 24, se presentan los PML más
bajos, por lo cual el programa determina que estas horas representan los momentos factibles
para adquirir o comprar energía al MEM y realizar el bombeo para el almacenamiento. En las
figuras 5.26 y 5.31 del escenario 1, se observa que la bomba 1 y 2 se encontraron bombeando
durante estos periodos, respetando la restricción en la que se indica que deberán bombear a
máxima potencia en este caso 10 MW.
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
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.
Otra característica muy importante considerada en el modelo es el volumen de agua conteni-

da en el embalse superior e inferior, con lo que se puede tener una mejor gestión del recurso
primario (agua) utilizado por la CHB para operar. El programa proporciona la información
del volumen de agua almacenado por hora en ambos embalses, con esto se puede tener mayor
conocimiento del desplazamiento de la masa de agua de un embalse a otro.
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
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.
Finalmente en la figura 5.56 del escenario 1, se puede visualizar el programa de operación

de la CHB en general. Se observa que los valores negativos hacen referencia a la energía
adquirida al MEM para realizar el bombeo de agua al embalse superior para cada hora del
periodo considerado, mientras que los valores positivos representan la cantidad de energía
ofertada al MEM por lo generadores.
Figura 5.1. Escenarios de PML del nodo Ixtapantongo del 1 al 4.
84
85
86
Figura 5.6. Variable a1, escenarios del 1 al 4.
87
88
89
90
91
Figura 5.16. Variable b1, escenarios del 1 al 4.
92
93
94
95
96
Figura 5.26. Variable B1, escenarios del 1 al 4.
97
98
99
100
101
Figura 5.36. Variable G1, escenarios del 1 al 4.
102
103
104
105
106
Figura 5.46. Variable GTD, escenarios del 1 al 4.
107
108
Figura 5.51. Variable BTD, escenarios del 1 al 4.
109
110
111
Figura 5.56. Variable PSH, escenarios del 1 al 4.
112
113
Figura 5.61. Variable vinf, escenarios del 1 al 4.
114
115
116
Figura 5.66. Variable vsup, escenarios del 1 al 4.
117
118
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.
En lo que respecta al análisis de resultados expresado para el modelo de optimización plan-

teado, se puede concluir que la obtención de la función objetivo definida en el modelo, es
satisfactoria y se puede considerar como óptima ya que cumple con las restricciones que de-
limitan el problema de optimización.
Se logró demostrar mediante el análisis de las variables de decisión establecidas en el modelo

que el problema de optimización cumple con todas kas restricciones planteadas para la ope-
ración de la CHB bajo estudio.
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.
[2] S. J. Kazempour, A. Yousefi, K. Zare, M. P. Moghaddam, M.R. Haghifam, and G.R.

Yousefi. A mip-based optimal operation scheduling of pumped-storage plant in the
energy and regulation markets. sep 2008.
[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.
[9] Secretaría de Energía. Programa de desarrollo del sistema eléctrico na-

cional, Mayo 2016. URL http://www.gob.mx/sener/acciones-y-programas/
programa-de-desarrollo-del-sistema-electrico-nacional-33462?idiom=es.
123
CAPÍTULO 6. CONCLUSIONES
[10] Comisión federal de electricidad, Marzo 2017. URL http://www.cfe.gob.mx.
[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.
[16] J. C. Arango, J. Gonzalo, and M. M. Arango. La energía eléctrica en la globalización

e integración de mercados eléctricos. Scientia et Technica, 2(28):121–126, 2015. ISSN
0122-1701. URL http://www.redalyc.org/articulo.oa?id=84911707022.
[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.
[19] Diccionario de la lengua española, 2014. URL http://www.rae.es/.
[20] Enciclopedia y biblioteca virtual de las ciencias sociales, económicas y jurídicas. URL
http://www.eumed.net/.
[21] J. L. Viqueira and J. Quintanilla. La apertura externa en el sector eléctrico mexicano. In

Primer seminario sobre situación y perspectivas del sector eléctrico en México. México,
1997.
[22] Comisión reguladora de energía, Marzo 2017. URL http://www.gob.mx/cre.
[23] Centro nacional de control de energía, Febrero 2017. URL http://www.gob.mx/cenace.
[24] E. A. de la Cal Marín. Análisis y estimación de ofertas de generación en el mercado

eléctrico español mediante algoritmos genéticos. PhD thesis, 2004. URL http://sci2s.
ugr.es/keel/pdf/keel/tesis/tesisdelacal03.pdf.
[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
[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.
[30] Comisión Reguladora de Energía. Preguntas frecuentes sobre la nueva regula-

ción en temas eléctricos, Marzo 2017. URL http://www.cre.gob.mx/documento/
faq-regulacion-electricos.pdf.
[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.
[32] J. F. López. Efecto del almacenamiento de energía en el mercado eléctrico mayorista

de colombia. Master’s thesis, Universidad Nacional de Colombia, Medellín, Colombia,
2013.
[33] Fundación de energía de la comunidad de Madrid. Guía de almacenamiento de energía.

Technical report, Fundación de energía de la comunidad de Madrid, 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.
[37] H. Ibrahim, A. Ilinca, and J. Perron. Energy storage systems—characteristics and

comparisons. Renewable and Sustainable Energy Reviews, 12:1221–1250, 2008. ISSN
ISSN 1364-0321. URL (http://www.sciencedirect.com/science/article/pii/
S1364032107000238).
[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
[39] International Electrotechnical Commission. White Paper, “Electrical Energy Stora-

ge”. 2011. ISBN 978-2-88912-889-1. URL http://www.iec.ch/whitepaper/pdf/
iecWP-energystorage-LR-en.pdf.
[40] E. Barbour. Energy storage sense. URL http://energystoragesense.com/

superconducting-magnetic-energy-storage-smes/.
[41] Enerize corporation, 2016. URL http://www.enerize.com/superCap.php.
[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.
[44] General Electric Company. Pumped storage, 2014. URL http://www.think-grid.org/

pumped-storage.
[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.
[46] S. Donadei, G. S. Schneider, and KBB Underground Technologies. Long-term energy

storage with compressed air storages. EES International, 2014. URL http://www.
ees-magazine.com/long-term-energy-storage-with-compressed-air-storages/.
[47] L. G. Socaciu. Thermal energy storage: An overview. ACTA TECH-

NICA NAPOCENSIS, 55:785–795, 2012. ISSN 1221-5872. URL https:
//www.researchgate.net/profile/Lavinia_Socaciu/publication/272179305_
THERMAL_ENERGY_STORAGE_AN_OVERVIEW/links/54de43d10cf2966637858f35.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.
[51] R. Dunn, K. Lovegrove, and G. Burgess. A review of ammonia-based thermochemical

energy storage for concentrating solar power. Proceedings of the IEEE, 100(2):391–400,
2012. ISSN 1558-2256. URL http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=
&arnumber=6046217&isnumber=6132586.
126
[52] Fondo de Sustentabilidad Energética. Almacenamiento de energía, la revolución tecno-

lógica silenciosa, 2016. URL http://proyectofse.mx/.
[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.
[56] L. A. Jiménez. Modernización del mantenimiento preventivo de las turbinas pelton de

la central hidroeléctrica “juan carosio-moyopampa”, 2006. URL http://cybertesis.
uni.edu.pe/bitstream/uni/881/1/jimenez_rl.pdf.
[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.
[61] International Hydropower Association. Hydropower status report, 2016. URL

https://www.hydropower.org/sites/default/files/publications-docs/2016%
20Hydropower%20Status%20Report_1.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.
[64] Wayne L. Winston. Investigación de Operaciones. Thomson, cuarta edition.
[65] H. F. Velastegui. Modelización para la óptima selección de unidades de generación

térmica considerando la programación del combustible, 2015.
127
[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.
[72] F. S. Hillier and G. J. Lieberman. Introducción a la Investigasión de Operaciones. Mc

Graw hill, novena edition, 2010. ISBN 978-607-15-0308-4.
[73] M. Mata. Introducción a la programación lineal y entera. 2014. URL http:

//logistica.fime.uanl.mx/miguel/docs/progr-matematica.pdf.
[74] G. B. Dantzig and M. N. Thapa. Linear programming 1. Springer series in operations

research and financial engineering. Springer-Verlag New York, first edition, 1997. ISBN
978-0-387-94833-1. XXXVIII, 435 pp.
[75] P. Kaminsky and D. Rajan. Introduction to ampl, 2000. URL https:

//www.tu-chemnitz.de/mathematik/part_dgl/teaching/WS2009_Grundlagen_
der_Optimierung/amplguide.pdf.
[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.
Cualquier problema de programación matemática consta de una función objetivo la cual

puede ser maximizada o minimizada según sean los requerimientos del problema analizado,
esta función objetivo depende a su vez de un conjunto de variables de decisión cuyos valores
óptimos y de un conjunto de restricciones que delimitan el problema y es lo que denomina
“región de factibilidad”.
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.
La programación matemática tiene como objetivo ayudar en la toma de decisiones a partir de

un modelo simplificado de la realidad, la cual mediante técnicas de modelado se emplea para
auxiliar en la toma de decisiones más adecuadas, ya sea referente a situaciones de la vida
cotidiana (sociales, administrativas, que requieran organización, etc.) o en problemas relacio-
nados con la ingeniería, ciencia, industria que requieran de decisiones técnicas, operativas, etc.
131
ANEXO A. OPTIMIZACIÓN MATEMÁTICA
La optimización es actualmente de suma importancia en el sector eléctrico ya que se busca

mejorar la interacción de todos los participantes que integran a la industria eléctrica (pro-
cesos de generación, transmisión, distribución y comercialización, así como los operadores
independientes del sistema ).
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.
Un ejemplo de problemas de optimización es cuando un productor de energía eléctrica (ge-

nerador) busca incrementar las ganancias obtenidas por la venta de energía en cualquier tipo
de mercado de energía (MDA, MTR, MHA), reducir costos operativos de las centrales gene-
radoras, gestionar la generación de energía, planificación de los recursos hidráulicos, por otra
parte los consumidores de energía eléctrica buscan optimizar sus procesos para minimizar los
costos referentes a la compra de energía eléctrica,etc.
A.2. Antecedentes de la programación matemática
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
A.3. Técnicas de optimización

A.3.1. Programación Lineal
El término “Programación lineal”, originalmente en inglés “Linear Programming”, fue intro-
ducido por George B. Dantzig durante la década de 1940 con la finalidad de dar solución a un
programa de entrenamiento y abastecimiento logístico durante la segunda guerra mundial; el
cual dio lugar a la formulación del problema general de programación lineal y el desarrollo
del método simples de solución por parte de Dantzig [70].
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].
En términos de propiedades matemáticas y computacionales, existen diversas clases proble-

mas de optimización mucho más potentes y con algoritmos de solución mucho más eficaces
que la programación lineal. Sin embargo, la popularidad de la programación lineal radica
principalmente en la etapa de formulación del análisis y no en el proceso de solución.
La popularidad de la programación lineal se debe principalmente a que un gran número de

restricciones y objetivos que surgen en la práctica son indiscutiblemente lineales, además
que es mucho menos complejo de definir las restricciones y objetivos lineales. En virtud de
la simplicidad que implica la programación lineal es frecuentemente elegida para solución
de problemas de optimización; los aspectos teóricos y computacionales toman un carácter
especial para problemas lineales, siendo el método simplex el más significativo [71].
A.3.1.1. Metodología de optimización
La programación lineal es particularmente importante debido a la amplia variedad de pro-

blemas que pueden ser modelados de manera lineal, además de que actualmente con los
avances tecnológicos computacionales se pueden desarrollar métodos eficaces, confiables y
rápidos para resolver este tipo de programas lineales, incluso con gran cantidad de variables
y restricciones; aunado a esto la programación lineal es la base fundamental para resolver
problemas de programación matemática considerados como no lineales. Un problema de op-
timización requiere como cualquier problema matemático una metodología adecuada que nos
permita obtener en base a este planteamiento una solución más adecuada del problema. A
continuación se describen las fases del proceso de optimización.
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
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.
2. Construcción del modelo: En esta etapa se define el modelo que representará el

problema a plantear, este modelo debe relacionar las variables con los parámetros y las
restricciones del problema a optimizar, el modelo puede ser matemático, heurístico o de
simulación, dependiendo de la complejidad del problema matemático y sus dimensiones.
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.
5. Implementación de los resultados: Una vez obtenida la solución del modelo, se

realiza la interpretación de los resultados, realizar conclusiones y cursos de acción para
la optimización del sistema. Si el modelo validado puede ser empleado para solución de
otro problema, es necesario revisar, documentar y actualizar el modelo para su posterior
aplicación.
En un problema de programación lineal es importante definir y plantear adecuadamente

los componentes principales del problema: primero se define el conjunto de parámetros del
problema, en segunda instancia el conjunto de variables de decisión que están implicadas en
el problema y la naturaleza de las mismas, posteriormente se define de manera precisa el
conjunto de restricciones que definirán el conjunto de soluciones que admite el problema al
cual queremos implementar las técnicas de optimización y finalmente la función objetivo a
ser optimizada especificando sí la función será maximizada o minimizada, como se muestra
a continuación.
1. Conjunto de parámetros o datos del problema.
2. Conjunto de variables de decisión.
134
3. Conjunto de restricciones lineales del problema que definen el conjunto de soluciones

admisibles.
4. Función objetivo lineal que debe ser optimizada (maximizar o minimizar).
A.3.1.2. Representación matricial
La programación lineal utiliza un modelo matemático para representar un problema, se deno-

mina lineal debido a que todas las funciones matemáticas del problema deben ser funciones
lineales, La programación lineal involucra la planificación de actividades o recursos para ob-
tener un resultado óptimo, el cual se determina entre un posible conjunto de soluciones fac-
tibles que pueden ser resueltos mediante un proceso de solución llamado método simplex [72].
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
s.t. a1,1 x1 + a1,2 x2 + . . . + a1,n xn ≥ b1

a2,1 x1 + a2,2 x2 + . . . + a2,n xn ≥ b2 (A.2)
..
.
am,1 x1 + am,2 x2 + . . . + am,n xn ≥ bm
x1 , x2 , . . . , xn ≥ 0
       
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
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
1. La función objetivo está representada como c1 x1 + c2 x2 + . . . + cn xn .
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.
4. La desigualdad ai,1 x1 + ai,2 x2 + . . . + ai,n xn ≥ bi es la i-ésima restricción.
5. Los parámetros ai,j se denominan coeficientes tecnológicos.
6. Los parámetros bi representa los requerimientos del problema que deben ser cumplidos.
7. Las restricciones de no negatividad del problema están definidas por x1 , x2 , . . . , xn ≥ 0,

y un conjunto de valores para las variables que satisfacen todas las restricciones del
problema se denomina punto factible (región factible).
A.3.1.3. Formas canónica y estándar
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].
Un problema de programación lineal puede expresarse de diversas maneras realizando al-

guna manipulación matemática, existen dos formas particularmente útiles llamadas forma
estándar A.5 y forma canónica A.6. Se dice que un problema de programación lineal está
expresado en forma estándar si todas las restricciones son de igualdad y las variables son
definidas positivas (no negativas).
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
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
A.3.1.4. Método simplex
El método simplex es un algoritmo para la solución de problemas LP el cual consiste en

realizar un proceso algebraico en el que cada iteración calcula una solución factible, mediante
un criterio resuelve problemas de programación lineal moviéndose a lo largo de los límites de
un vértice (punto extremo) hacia el siguiente, este método es un procedimiento muy eficiente
para resolver computacionalmente problemas de programación lineal muy complejos [74]. El
método simplex examina los vértices de un conjunto convexo hasta encontrar la solución más
factible (óptima) que resuelve el problema A.7.
mı́n cT x
s.t. Ax = b (A.7)
x ≥ 0
Dónde:
A Es una matriz rectangular de dimensión m × n.

b Es un vector columna de dimensión m.
c Es un vector columna de dimensión n.
x Es un vector columna de dimensión n.
T Es el índice que denota transposición.
137
AMPL (A Mathematical Programming Language)
B
B.1. Introducción
La mayoría de las veces los modelos detallados de optimización de problemas referentes a

la programación matemática suelen ser muy complejos e involucran gran cantidad de res-
tricciones y variables para poder obtener una solución mucho más adecuada, por lo que al
ser problemas de gran complejidad es necesario implementarlos computacionalmente con la
finalidad de obtener resultados precisos y de manera rápida.
Por lo anterior AMPL (A Mathematical Programming Language) es un software enfocado al

modelado algebraico de problemas de programación matemática, esta herramienta permite
formular modelos detallados de optimización. AMPL permite formular un modelo de forma
separada del archivo de datos, con lo cual se pueden hacer modificaciones al problema de
forma fácil y sencilla.
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].
B.2. Implementación de un modelo en AMPL

Un problema de optimización matemática debe ser modelado de manera adecuada para obte-
ner una solución que sea adecuada a las necesidades del problema, en el caso de optimizadores
como el software AMPL el cual permite desarrollar el modelo matemático a partir de la des-
cripción de las ecuaciones algebraicas que integran el modelo, por lo cual es muy importante
describir el modelo adecuadamente para poder implementarlo en AMPL. Una metodología
adecuada para poder implementar el modelo en AMPL sería la siguiente:
1. Definir los conjuntos e índices del modelo.
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.
4. Definir las restricciones adecuadas al problema en función de los conjuntos y paráme-

tros previamente definidos.
140
5. Determinar la función objetivo del problema, definiendo si se trata de un problema de

maximizar o minimizar.
B.3. Formulación de un modelo en AMPL

AMPL es un software enfocado en en modelar y resolver modelos detallados de optimización,
en particular modelos de LP, IP y NLP. Como cualquier tipo de lenguaje de programación
AMPL tienen su propia metodología para implementar un modelo en el entorno en el que se
desarrolla. El lenguaje que utiliza el software de optimización AMPL se basa en un entorno
de descripción mediante ecuaciones algebraicas, lo cual proporciona una forma muy amigable
para el programador de definir e implementar el modelo deseado.
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].
El entorno de programación y desarrollo de los modelos en AMPL se basa fundamentalmente

en dos elementos, el primero es el procesador del lenguaje AMPL y los solvers empleados
para resolver los problemas de optimización, también llamada investigación operativa o de
operaciones.
1. El procesador del lenguaje AMPL: Corresponde al programa ampl.exe y es el encarga-

do de compilar todos los ficheros y comandos asociados al modelo, el procesador puede
ejecutarse en modo de comando en una ventana de MS-DOS o a través de una ventana
de windows ejecutando el programa sw.exe [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].
Para poder comenzar a implementar un modelo de optimización en el entorno de AMPL es

necesario comenzar por definir los archivos adecuados, en los cuales definiremos la estructura
del modelo de optimización que se desee resolver. La forma primordial para trabajar en la
implementación de un modelo de optimización, es creando los tres archivos o ficheros funda-
mentales, a los cuales se les asigna una extensión particular. En el caso de el archivo dedicado
al modelo su extensión será (.mod), para el archivo de datos se utilizará la extensión (.dat)
141
y por último el archivo (.run) que integra los dos anteriores y donde se establecen los datos
que se desean obtener [76].
B.3.1. Descripción de un modelo en AMPL

A continuación se muestra un ejemplo introductorio de la formulación algebraica de un modelo
de programación lineal [69]. Para una información más amplia acerca del uso e implementa-
ción del software AMPL, se recomienda consultar la siguiente bibliografía [77].
Dado:
P conjunto de productos
R conjunto de materias primas
T >0 número de periodos de producción
M >0 producción máxima total por periodo
aij ≥ 0 i ∈ R, j ∈ P : unidades requeridas de materia prima i para manufacturar

una unidad de producto j
bi ≥ 0 i ∈ R : Stock inicial máximo de la materia prima i
cjt j ∈ P, t = {1, ..., T } : beneficio estimado (si ≥ 0) o costo de disposición

(si ≤ 0) para el producto j en el periodo t
di ≥ 0 i ∈ R : costo de almacenamiento por periodo por unidad de materia prima

i
fi i ∈ R : valor residual estimado (si ≥ 0) o costo de disposición (si ≤ 0)

por materia prima i despues del último periodo
Definiendo:
xjt ≥ 0 j ∈ P, t = {1, ..., T } : unidades de producto j manufacturado en el periodo

t
sit ≥ 0 i ∈ R, t = {1, ..., T + 1} : unidades de materia prima i en almacenamiento

al principio del periodo t
Maximizando:
i∈R fi si,T +1 total de todos los periodos de beneficio es-

PT P P P
t=1 ( j∈P c jt x jt − i∈R d i s it ) +
timado menos el costo de almacenamiento, más el valor de las materias
primas remanentes después del último periodo
Sujeto a:
142
t = {1, ..., T + 1} : producción total en el periodo t que no debe exceder

P
j∈P xjt ≥ M
el máximo especificado
si1 ≤ bi i ∈ R : unidades de materia prima i de la mano con el principio del

periodo 1 que no debe exceder el máximo especificado
aij xjt i ∈ R, t = {1, ..., T + 1} : unidades de materia prima i de la mano

P
si,t+1 = sit − j∈P
con el inicio del periodo t+1 debe ser igual a las unidades de la mano
con el inicio del periodo t menos las unidades usadas por producción en
el periodo t
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.
C.1. Archivo del modelo

1 #CASO 1
2 #CONJUNTOS
3
4 param Hi > 0 integer ; #hora i n i c i a l d e l p e r i o d o de tiempo
5 param Hf > Hi i n t e g e r ;#hora f i n a l d e l p e r i o d o de tiempo
6 param Ei > 0 integer ; #rango i n i c i a l de e s c e n a r i o s de p r e c i o s
7 param Ef > Ei i n t e g e r ;#rango f i n a l de e s c e n a r i o s de p r e c i o s
8
9 s e t h o r a s := Hi . . Hf ; #p e r i o d o t e m p o r a l ( h )
10 s e t prepmd := Ei . . Ef ; #rango de e s c e n a r i o s de p r e c i o s
11
12 #PARAMETROS
13
14 param ceb ; #consumo e s p e c i f i c o hm3/MWh d e l c o n j u n t o de bombeo
15 param c e g ; #consumo e s p e c i f i c o hm3/MWh d e l c o n j u n t o g e n e r a d o r
16 param probpmd ; #p r o b a b i l i d a d a s i g n a d a a cada e s c e n a r i o de p r e c i o s
17 param vimax ; #c o t a maxima de volumen en e l embalse i n f e r i o r
18 param vimin ; #c o t a minima volumen en e l embalse i n f e r i o r
19 param vsmax ; #c o t a maxima de volumen en e l embalse s u p e r i o r
20 param vsmin ; #c o t a minima de volumen en e l embalse s u p e r i o r
21 param v i n f i n i c d i a ; #n i v e l v o l u m e t r i c o en e l embalse i n f e r i o r a l i n i c i o d e l d i a
22 param v s u p i n i c d i a ; #n i v e l v o l u m e t r i c o en e l embalse s u p e r i o r a l i n i c i o d e l d i a
23 param g r u p o s ; # c a n t i d a d de g r u p o s de g e n e r a c i o n
24 param bombmax ; #p o t e n c i a maxima de bombas
25 param genmax ; #g e n e r a c i o n maxima de g e n e r a d o r e s
145
ANEXO C. CÓDIGO DEL MODELO DE OPTIMIZACIÓN
26 param genmin ; #g e n e r a c i o n minima de g e n e r a d o r e s

27 param p r e c i o s {prepmd , h o r a s } ; #p r e c i o s d e l mercado d i a r i o en e l nodo
Ixtapantongo
28
29 #VARIABLES
30
31 var a1 {prepmd , h o r a s } b i n a r y ;
32 var a2 {prepmd , h o r a s } b i n a r y ;
33 var b1 {prepmd , h o r a s } b i n a r y ;
34 var b2 {prepmd , h o r a s } b i n a r y ;
35 var BTD {prepmd , h o r a s } ;
36 var B1 {prepmd , h o r a s } ;
37 var B2 {prepmd , h o r a s } ;
38 var GTD {prepmd , h o r a s } ;
39 var G1 {prepmd , h o r a s } ;
40 var G2 {prepmd , h o r a s } ;
41 var PSH {prepmd , h o r a s } ;
42 var v i n f {prepmd , h o r a s } ;
43 var vsup {prepmd , h o r a s } ;
44
45 #FUNCION OBJETIVO
46
47 maximize z : sum {h i n h o r a s } sum {d i n prepmd} ( probpmd ) ∗ ( p r e c i o s [ d , h ] ∗ (
GTD[ d , h]−BTD[ d , h ] ) ) ;
48
49 #RESTRICCIONES DEL MODELO

50
51 #Venta maxima de e n e r g i a en e l MD
52 s u b j e c t t o ventamax {d i n prepmd , h i n h o r a s } :
53 GTD[ d , h]<=g r u p o s ∗genmax ;
54
55 #Compra maxima de e n e r g i a para bombeo en e l MD

56 s u b j e c t t o compramax {d i n prepmd , h i n h o r a s } :
57 BTD[ d , h]<=g r u p o s ∗bombmax ;
58
59 #La g e n e r a c i o n t o t a l e s l a suma de e n e r g i a g e n e r a d a por l o s 2 g e n e r a d o r e s
60 s u b j e c t t o t o t a l t u r b i n a s {d i n prepmd , h i n h o r a s } :
61 GTD[ d , h]=G1 [ d , h]+G2 [ d , h ] ;
62
63 #El bombeo t o t a l e s l a suma de e n e r g i a bombeada por l a s 2 bombas
64 s u b j e c t t o t o t a l b o m b a s {d i n prepmd , h i n h o r a s } :
65 BTD[ d , h]=B1 [ d , h]+B2 [ d , h ] ;
66
67 #La bomba 1 o p e r a a p l e n a c a r g a d u r a n t e todo e l p e r i o d o ( mayor v a l o r de c a r g a

i n d i c a d a para una maquina )
68 s u b j e c t t o b 1 p l e n a c a r g a {d i n prepmd , h i n h o r a s } :
69 B1 [ d , h]=bombmax∗ a1 [ d , h ] ;
70
71 #La bomba 2 o p e r a a p l e n a c a r g a d u r a n t e todo e l p e r i o d o ( mayor v a l o r de c a r g a
i n d i c a d a para una maquina )
72 s u b j e c t t o b 2 p l e n a c a r g a {d i n prepmd , h i n h o r a s } :
73 B2 [ d , h]=bombmax∗ a2 [ d , h ] ;
74
146
75 #El g e n e r a d o r 1 o p e r a a p l e n a c a r g a d u r a n t e todo e l p e r i o d o ( mayor v a l o r de

c a r g a i n d i c a d a para una maquina )
76 s u b j e c t t o g e n 1 p l e n a c a r g a {d i n prepmd , h i n h o r a s } :
77 G1 [ d , h]−genmax∗b1 [ d , h] <=0;
78
79 #El g e n e r a d o r 2 o p e r a a p l e n a c a r g a d u r a n t e todo e l p e r i o d o ( mayor v a l o r de
c a r g a i n d i c a d a para una maquina )
80 s u b j e c t t o g e n 2 p l e n a c a r g a {d i n prepmd , h i n h o r a s } :
81 G2 [ d , h]−genmax∗b2 [ d , h] <=0;
82
83 #L i m i t e minimo de g e n e r a c i o n en e l g e n e r a d o r 1
84 s u b j e c t t o gen1min {d i n prepmd , h i n h o r a s } :
85 G1 [ d , h]−genmin ∗b1 [ d , h] >=0;
86
87 #L i m i t e minimo de g e n e r a c i o n en e l g e n e r a d o r 2
88 s u b j e c t t o gen2min {d i n prepmd , h i n h o r a s } :
89 G2 [ d , h]−genmin ∗b2 [ d , h] >=0;
90
91 #R e s t r i c c i o n e s para i m p e d i r bombear y g e n e r a r a l mismo tiempo ( b i n a r i a s ) :
92
93 s u b j e c t t o nobombeogen1con1 {d i n prepmd , h i n h o r a s } :
94 b1 [ d , h]+ a1 [ d , h] <=1;
95
96 s u b j e c t t o nobombeogen1con2 {d i n prepmd , h i n h o r a s } :
97 b1 [ d , h]+ a2 [ d , h] <=1;
98
99 s u b j e c t t o nogenbom2con1 {d i n prepmd , h i n h o r a s } :
100 b2 [ d , h]+ a1 [ d , h] <=1;
101
102 s u b j e c t t o nogenbom2con2 {d i n prepmd , h i n h o r a s } :
103 b2 [ d , h]+ a2 [ d , h] <=1;
104
105 #R e s t r i c c i o n e s de b a l a n c e h i d r i c o de volumen de agua en l o s e m b a l s e s :
106
107 #Volumen de agua d e l d i a programado para e l embalse i n f e r i o r
108
109 #Volumen a l f i n a l d e l d i a d e b e r a s e r i g u a l a l i n i c i a r e l d i a en e l embalse
inferior
110 s u b j e c t t o v o l f i n i n f {d i n prepmd , i i n Hi . . Hf } :
111 v i n f [ d , Hf]= v i n f i n i c d i a ;
112
113 #Primera hora a l i n i c i a r e l d i a
114 s u b j e c t t o v i n f i n i {d i n prepmd , i i n Hi . . Hf } :
115 v i n f [ d , Hi ]= v i n f i n i c d i a+c e g ∗GTD[ d , Hi]− ceb ∗BTD[ d , Hi ] ;
116
117 #Resto de h o r a s programadas
118 s u b j e c t t o v i n f t {d i n prepmd , i i n Hi . . Hf −1}:
119 v i n f [ d , i +1]= v i n f [ d , i ]+ c e g ∗GTD[ d , i +1]−ceb ∗BTD[ d , i + 1 ] ;
120
121 #Volumen de agua d e l d i a programado embalse s u p e r i o r

122
123 #Volumen a l f i n a l d e l d i a d e b e r a s e r i g u a l a l i n i c i a r e l d i a en e l embalse
superior
124 s u b j e c t t o v o l f i n s u p {d i n prepmd , i i n Hi . . Hf } :
147
125 vsup [ d , Hf]= v s u p i n i c d i a ;

126
127 #Primera hora d e l d i a programado

128 s u b j e c t t o v s u p i n i {d i n prepmd , i i n Hi . . Hf } :
129 vsup [ d , Hi ]= v s u p i n i c d i a −c e g ∗GTD[ d , Hi ]+ ceb ∗BTD[ d , Hi ] ;
130
131 #Resto de h o r a s programadas
132 s u b j e c t t o vsupt {d i n prepmd , i i n Hi . . Hf −1}:
133 vsup [ d , i +1]=vsup [ d , i ]− c e g ∗GTD[ d , i +1]+ ceb ∗BTD[ d , i + 1 ] ;
134
135 #R e s t r i c c i o n e s de impedimento de bombeo y g e n e r a c i o n s i m u l t a n e a
136
137 #R e s t r i c c i o n para no e x c e d e r e l volumen maximo d e f i n i d o para e l embalse
superior
138 s u b j e c t t o volsupmax {d i n prepmd , h i n h o r a s } :
139 v i n f [ d , h]<=vimax ;
140
141 #R e s t r i c c i o n para no e x c e d e r e l volumen maximo d e f i n i d o para e l embalse
inferior
142 s u b j e c t t o v o l i n f m a x {d i n prepmd , h i n h o r a s } :
143 vsup [ d , h]<=vsmax ;
144
145 #R e s t r i c c i o n para no e x c e d e r e l volumen minimo d e f i n i d o para e l embalse
superior
146 s u b j e c t t o volsupmin {d i n prepmd , h i n h o r a s } :
147 v i n f [ d , h]>=vimin ;
148
149 #R e s t r i c c i o n para no e x c e d e r e l volumen minimo d e f i n i d o para e l embalse
inferior
150 s u b j e c t t o v o l i n f m i n {d i n prepmd , h i n h o r a s } :
151 vsup [ d , h]>=vsmin ;
152
153 #C a l c u l o d e l programa t o t a l de g e n e r a c i o n y bombeo de l a PSHP
154 s u b j e c t t o PSHP {d i n prepmd , h i n h o r a s } :
155 PSH [ d , h]=GTD[ d , h]−BTD[ d , h ] ;
C.2. Archivo de datos

1 #CASO 1
2
3 data ;
4
5 param Hi := 1 ;
6 param Hf := 2 4 ;
7 param Ei := 1 ;
8 param Ef := 2 0 ;
9 param g r u p o s := 2 ;
10 param ceg :=0.023112;
11 param ceb : = 0 . 0 2 6 6 0 4 ;
12 param probpmd := 0 . 0 5 ;
13 param genmax := 1 0 ;
14 param genmin : = 5 ;
15 param bombmax : = 1 0 ;
148
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
24 #PML MES NOVIEMBRE DE 2016 PARA EL NODO 01IXT−115 NODOP IXTAPANTONGO

25
26 param p r e c i o s : 1 2 3 4 5 6 7 8 9
10 11 12 13 14 15 16 17 18 19
20 21 22 23 24 :=
27
28 1 597.09 511.44 480.18 469.15 468.45 491.71 570.93 638.05 751.76
792.20 813.52 801.20 817.26 804.71 820.37 824.75 821.32 800.61 816.50
824.82 810.25 805.68 798.36 768.74
29 2 555.22 512.81 495.82 473.33 457.76 478.44 508.76 510.55 533.36
555.26 554.00 568.68 562.95 569.09 564.67 568.89 576.35 562.98 567.39
569.65 573.56 571.11 566.24 551.98
30 3 601.40 486.53 456.32 453.85 437.84 472.07 496.19 603.90 734.80
792.00 844.59 899.73 843.67 958.51 858.42 841.14 858.64 883.10 923.21
911.32 956.48 900.65 811.40 817.04
31 4 632.38 502.90 484.30 450.51 444.45 471.85 513.26 684.57 767.01
829.21 848.42 921.57 860.07 918.45 851.69 903.90 829.19 842.63 867.62
848.70 848.78 842.80 782.79 736.73
32 5 665.88 603.68 498.27 484.13 481.47 485.92 497.07 550.50 699.22
713.17 716.00 716.42 711.90 708.93 709.12 711.79 713.93 701.75 723.30
711.77 702.95 681.95 672.51 682.23
33 6 570.42 422.71 405.64 382.12 375.68 382.37 383.57 383.34 386.14
425.44 459.44 473.35 492.70 494.01 503.53 493.72 501.65 558.02 649.35
675.02 675.09 672.81 633.77 627.14
34 7 546.70 488.27 466.69 469.30 465.50 493.45 624.16 840.83 1195.11
1342.85 1283.23 1340.11 1263.87 1264.89 1252.71 1247.39 1260.15 1270.57
1279.91 1280.61 1314.25 1292.15 1160.57 1085.69
35 8 731.26 552.15 477.68 469.39 466.55 508.41 662.64 788.66 943.97
1095.32 1147.31 1156.36 1264.20 1197.98 1151.56 1166.80 1140.47 1194.22
1176.91 1172.49 1291.77 1163.81 1126.73 968.66
36 9 640.08 521.67 493.59 475.96 470.03 496.43 592.60 738.79 836.54
1020.69 1003.90 1084.50 996.78 1076.99 1029.67 1056.69 1004.56 1003.26
1042.81 1042.17 1022.63 1038.28 956.14 844.45
37 10 598.71 510.74 467.25 460.10 443.05 475.43 541.55 677.95 778.48
871.38 1007.32 1009.29 971.39 993.06 1035.64 1027.63 1039.75 1028.92
1053.80 1092.34 1096.28 970.24 950.33 770.32
38 11 509.98 454.45 439.25 427.57 432.44 447.70 494.83 592.54 727.27
840.64 926.99 926.85 1034.60 1000.91 1094.63 1004.16 1042.03 1045.56
1075.23 1078.31 1005.46 951.40 748.71 675.47
39 12 673.05 500.38 456.06 441.45 430.66 440.24 455.08 500.75 554.06
722.16 758.22 761.99 819.31 795.28 783.19 824.07 742.65 796.48 891.04
782.29 786.78 729.92 747.09 559.53
40 13 431.65 388.32 364.62 361.92 357.52 354.78 350.53 356.63 362.77
380.01 416.30 438.10 440.03 451.29 452.83 451.36 443.41 459.82 518.72
578.19 581.65 570.52 520.71 440.72
41 14 384.79 368.32 356.52 357.39 356.88 369.84 433.33 468.95 528.54
149
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 ;
C.3. Archivo de resultados

1
2 #CASO 1
3
4 reset ;
5
6 model " /home/ c l a u d i a /CASO1 . mod" ;
7 data " /home/ c l a u d i a /CASO1 . dat " ;
8 option display_width 500;
9 o p t i o n d i s p l a y _ t r a n s p o s e −10000;
10 option solver cplex ;
11 solve ;
12
13 show ;
14
15 d i s p l a y _total_solve_elapsed_time ;
16
17 d i s p l a y _total_solve_system_time ;
18
19 d i s p l a y _total_solve_user_time ;
20
21 d i s p l a y _total_solve_time ;
22
23 display z ;
24
25 d i s p l a y a1 ;
26
27 d i s p l a y a2 ;
28
150
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
9 parameters : Ef Ei Hf Hi bombmax ceb ceg genmax genmin

grupos precios probpmd vimax vimin vinfinicdia vsmax vsmin
vsupinicdia
10
11 sets : horas prepmd
12
13 variables : B1 B2 BTD G1 G2 GTD PSH a1 a2 b1 b2 vinf

vsup
14
15 constraints : PSHP b1plenacarga b2plenacarga compramax gen1min
gen1plenacarga gen2min gen2plenacarga nobombeogen1con1
nobombeogen1con2 nogenbom2con1 nogenbom2con2 totalbombas
totalturbinas ventamax vinfini vinft volfininf volfinsup
volinfmax volinfmin volsupmax volsupmin vsupini vsupt
16
17 objective : z
18
19 z = 90150.4
20
21 _total_solve_elapsed_time = 1 . 8 8 2 0 3
22
151
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.
D.2. Escenarios de PML
Para el modelo de optimización considerado, se emplearon veinte escenarios de precios mar-

ginales locales en el NodoP PML 01IXT-115, IXTAPANTONGO, los valores se seleccionaron
para los veinte primeros días del mes de noviembre del año 2016 del Sistema Interconectado
Nacional. Es importante señalar que se considero una probabilidad de ocurrencia para cada
escenario de (1/20).
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
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].
Figura D.1. Diagrama unifilar del NodoP Ixtapantongo.

Adaptada de [23].
D.3. Parámetros contemplados para el modelo de la CHB
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
D.3.1. Parámetros de los generadores y las bombas de la CHB
Tabla D.2. Parámetros de los generadores y las bombas.
Generación Generación Bombeo Consumo

Grupos máxima mínima máximo específico
(M W ) (M W ) (M W ) (hm3 /M W h)
Generador 1 10 5 - 0.023112
Generador 2 10 5 - 0.023112
Bomba 1 - - 10 0.026604
Bomba 2 - - 10 0.026604
D.3.2. Parámetros de los embalses de la CHB

En la tabla D.3 se muestran los valores para los parámetros de los embalses superior e inferior,
empleados en el modelo de optimización de la central.
Tabla D.3. Parámetros de los embalses inferior y superior.
Volumen Volumen Volumen al final

Embalse máximo mínimo del día
(hm3 ) (hm3 ) (hm3 )
Inferior 25 0 10
Superior 50 0 20
D.4. Resultados obtenidos para la infactibilidad de bom-

beo o generación simultánea de la CHB
En esta sección se muestran los datos obtenidos para los periodos en los cuales las dos
bombas (a1 ) y (a2 ) y los dos generadores (b1 ) y (b2 ) contemplados en el modelo de la CHB, se
encuentran en modo encendido o apagado, ya que una de las consideraciones del modelo de la
central hidroeléctrica reversible es que no se pueda generar y bombear de manera simultánea.
156
D.4.1.
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-
158
D.4.2.
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.
A continuación de muestra el comportamiento de la bomba 2 durante el periodo de veinti-
D.4.3.
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
A continuación de muestra el comportamiento del generador 1 durante el periodo de veinti-
160
D.4.4.
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.
A continuación de muestra el comportamiento del generador 2 durante el periodo de veinti-
D.5. Resultados obtenidos para el periodo de bombeo de

la CHB
En esta sección se muestran los datos de la energía adquirida (MW) del MEM por las dos
bombas (B1 ) y (B2 ) contemplados en el modelo de la CHB, se observan los periodos en los
que la CHB compró la energía (MW) al MEM para realizar el bombeo de agua al embalse
superior y realizar el almacenamiento de energía.
D.5.1. Resultados para la variable (B1 )
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.
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
A continuación de muestra la cantidad de energía adquirida del MEM por la bomba 2 durante
D.6. Resultados obtenidos para el periodo de generación

de la CHB
En esta sección se muestran los datos de la energía ofertada (MW) al MEM por los dos
generadores (G1 ) y (G2 ) contemplados en el modelo de la CHB, se observan los periodos en
los que la CHB ofertó la energía (MW) al MEM, para el generador 1 y 2, durante los veinte
escenarios de precios considerados y las veinticuatro horas contempladas en el periodo del
modelo.
D.6.1. Resultados para la variable (G1 )

A continuación de muestra la cantidad de energía ofertada al MEM por el generador 1 durante
de la CHB. La tabla D.10 muestra la cantidad de energía (MW) ofertada al MEM por el
generador 1.
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
D.6.2. Resultados para la variable (G2 )

A continuación de muestra la cantidad de energía ofertada al MEM por el generador 2 durante
de la CHB. La tabla D.11 muestra la cantidad de energía (MW) ofertada al MEM por el
generador 2.
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
D.7. Resultados obtenidos para los niveles de agua alma-

cenada en los embalses
En esta sección se muestran los datos de la los volúmenes de agua en los embalses inferior y
superior (hm3 ), se observa la evolución del volumen de agua almacenada en ambos embalses,
durante los periodos en los que la CHB ofertó o adquirió energía (MW) del MEM, para los
veinte escenarios de precios considerados y las veinticuatro horas contempladas en el periodo
del modelo.
164
inferior.
D.7.1.
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 ),
166
D.7.2.
superior.
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 ),
D.8. Resultados obtenidos para la energía total bombea-

da y generada por la CHB
En esta sección se muestran los datos de la energía ofertada (MW) producto de la suma de
los dos generadores en conjunto y la energía adquirida (MW) producto de las suma de las
dos bombas en conjunto;en el MEM, durante los veinte escenarios de precios considerados y
las veinticuatro horas contempladas en el periodo del modelo.
D.8.1. Resultados para la variable BTD
A continuación se muestran los datos de la energía adquirida (MW), producto de la suma de

las dos bombas en conjunto del MEM, durante los veinte escenarios de precios considerados
y las veinticuatro horas contempladas en el periodo del modelo. La tabla D.14 muestra los
datos de la energía total (MW) adquirida por ambas bombas simultáneamente.
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.
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
D.9.
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

Tesis Claudia Villagran Velasco

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis Claudia Villagran Velasco

Cargado por

Copyright:

Formatos disponibles

INSTITUTO POLITÉCNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA

“MODELO DE OPTIMIZACIÓN PARA UNA CENTRAL

QUE PARA OBTENER EL GRADO DE:

CLAUDIA VILLAGRÁN VELASCO

DR. RICARDO OCTAVIO A. MOTA PALOMINO

Ciudad de México, Junio de 2017.

Además, la solución del problema de optimización planteado puede extrapolarse a cualquier

Un hombre provisto de papel, lápiz y goma,

Un hombre provisto de papel, lápiz y goma,

SAEE Sistemas de Almacenamiento de Energía Eléctrica

SEP Sistema Eléctrico de Potencia

AMDEE Asociación Mexicana de Energía Eólica

PSHS Pumped Storage Hydropower Systems

DOF Diario Oficial de la Federación

SEN Sistema Eléctrico Nacional

INERE Inventario Nacional de Energías Renovables

CFE Comisión Federal de Electricidad

SENER Secretaría de Energía

SHCP Secretaría de Hacienda y Crédito Público

PEMEX Petróleos Mexicanos

CENACE Centro Nacional de Control de Energía

CENEGAS Centro Nacional de Control del Gas Natural

ASEA Agencia de Seguridad, Energía y Ambiente

CRE Comisión Reguladora de Energía

CNH Comisión Nacional de Hidrocarburos

PRODESEN Programa de Desarrollo del Sistema Eléctrico Nacional

SIN Sistema Interconectado Nacional

C.C.C. Centrales de Ciclo Combinado

C.T.C. Centrales Termoeléctricas Convencionales

SMES Superconducting Magnetic Energy Storage

MEM Mercado Eléctrico Mayorista

MDA Mercado de Día en Adelanto

MTR Mercado en Tiempo Real

ISO Independent System Operator

NLP No Linear Programming

MILP Mixed Integer Linear Programming

CHB Central Hidroeléctrica de Bombeo

SMES Superconducting Magnetic Energy Storage

TES Thermal Energy Storage

ERNC Energías Renovables No Convencionales

3. Centrales hidroeléctricas de bombeo 55

A. Optimización matemática 131

B. AMPL (A Mathematical Programming Language) 139

D. Tablas de resultados obtenidos de la simulación en AMPL 153

2.1. Sistema Eléctrico Nacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.25. Periodo de descarga de la batería Li-ion . . . . . . . . . . . . . . . . . . . . . 53

3.1. Clasificación de las centrales hidroeléctricas . . . . . . . . . . . . . . . . . . 56

4.1. Algoritmo de ramificación y acotamiento . . . . . . . . . . . . . . . . . . . . 72

5.1. Escenarios de PML del nodo Ixtapantongo del 1 al 4 . . . . . . . . . . . . . 84

5.28. Variable B1, escenarios del 9 al 12 . . . . . . . . . . . . . . . . . . . . . . . . 98

5.66. Variable vsup, escenarios del 1 al 4 . . . . . . . . . . . . . . . . . . . . . . . 117

D.1. Diagrama unifilar del NodoP Ixtapantongo . . . . . . . . . . . . . . . . . . . 155

2.1. Generación bruta de energía eléctrica por modalidad al 2015 . . . . . . . . . 17

3.1. Capacidad instalada de generación con hidroeléctricas. . . . . . . . . . . . . 61

D.1. Escenarios de precios del 1 al 20 empleados para el modelo . . . . . . . . . . 154

Los sistemas de almacenamiento de bombeo no son la única opción de almacenamiento a gran

1.2.2. Objetivos específicos

Resolver de forma óptima la operación de la CHB, considerando un horizonte de tiempo

Agregado a las situaciones antes mencionadas, se suma la problemática del almacenamiento

el almacenamiento hidroeléctrico por bombeo, que ha permitido poder almacenar la energía

Estos productores independientes del mercado declaran la disponibilidad de generación que

1.4. Estado del arte

entidades generadoras a través de la implementación de este tipo de centrales hidroeléctricas