Clase Nº3

Las energías renovables variables y los

desafíos de flexibilidad

Curso:
Herramientas para el Análisis de la Industria de las
Energías Renovables

Profesor

Enzo Sauma (Ph.D.)

Clase Nº3:
Las energías renovables variables y los desafíos
de flexibilidad

Contenido
Resultados de aprendizaje esperados u objetivos de la clase 3
1. Introducción 3
2. Variabilidad e incertidumbre en la generación de las energías renovables variables 3
3. Modelos de predicción 4
3.1 Modelos de predicción basados en series estadísticas 5
3.2 Modelos de predicción basados en series estadísticas y meteorología 5
3.3 Requisitos generales de los pronósticos de los recursos 5
4. Impacto de la variabilidad de algunos recursos renovables en los sistemas eléctricos 6
4.1 Relación entre variabilidad y factor de planta 7
4.2 Los servicios complementarios necesarios para enfrentar la variabilidad 9
4.3 La necesidad de flexibilidad en el sistema eléctrico 10
5. Proveedores de flexibilidad en el sistema eléctrico 11
6. Conclusión 12
7. Bibliografía 13

© Enzo Sauma
Bienvenido(a) a la clase: “Las energías renovables variables y los desafíos de flexibilidad”. En esta clase
abordaremos los siguientes temas y sus respectivos contenidos:

- Variabilidad e incertidumbre en la generación de las energías renovables variables.

- Modelos de Predicción.
- Impacto de la variabilidad de algunos recursos renovables en los sistemas eléctricos.
- Proveedores de flexibilidad en el sistema eléctrico

Esperamos que en esta clase logres entender por qué las energías renovables variables imponen un desafío
de flexibilidad al sistema eléctrico y cómo se puede proveer dicha flexibilidad. Además, en esta clase
aprenderás cómo es posible mejorar la predicción de la generación de fuentes renovables variables usando
modelos de predicción basados en series estadísticas y en meteorología.

Resultados de aprendizaje esperados u objetivos de la clase

Los objetivos de esta clase son:

● Comprender el significado de que algunas fuentes de energía renovable sean variables.

● Analizar distintos modelos de predicción basados en series estadísticas y en meteorología.
● Evaluar el impacto de la variabilidad de algunas energías renovables en el sistema eléctrico.
● Analizar las distintas alternativas que existen para proveer de flexibilidad al sistema eléctrico.

1. Introducción
Las energías renovables se utilizan cada día más en la matriz energética mundial, contribuyendo
enormemente a la descarbonización de las economías. Indudablemente, lo que está sucediendo es una
noticia muy positiva. Sin embargo, a diferencia de las energías termoeléctricas, algunas de las energías
renovables presentan desafíos asociados a la variabilidad en la generación de energía. Es por ello que se debe
analizar cuidadosamente cómo enfrentar y resolver dichos desafíos para permitir que las energías renovables
sigan contribuyendo cada vez más a las matrices energéticas de cada país.

2. Variabilidad e incertidumbre en la generación de las energías renovables variables

Cuando hablamos de la variabilidad de un recurso, generalmente nos referimos tanto a la intermitencia como
a la incertidumbre en la disponibilidad de este. Sin embargo, son conceptos diferentes. Definiremos
variabilidad como todos aquellos cambios a lo largo del tiempo de las condiciones iniciales que permitieron
obtener un recurso. Por otro lado, entenderemos la incertidumbre en todo proceso en el cual exista una gran
dificultad en predecir con precisión la generación de energía.

En este contexto, debemos entender que cualquier tipo de tecnología de generación está sujeta a variabilidad
(paro por mantención programada) e incertidumbre (paro por falla del sistema). No obstante, en el caso de
los proyectos eólicos y solares la generación con dichos recursos renovables se caracteriza por tener una alta
variabilidad asociada a las condiciones climáticas. Por ejemplo, la figura 1 nos muestra la variabilidad en la
velocidad diaria del viento en una estación de monitoreo de un parque eólico localizado al norte de Chile
© Enzo Sauma
durante el mes de septiembre del año 2009. A su vez, la velocidad del viento observada presenta una gran
incertidumbre dado que es muy difícil predecir con exactitud dicha velocidad con antelación.

Figura 1: Variabilidad en la velocidad del viento en una estación de monitoreo ubicada en un parque
eólico localizado en el norte de Chile

Naturalmente, la variabilidad es diferente entre la energía eólica y la energía solar, puesto que depende de
las condiciones climáticas del lugar. Por ejemplo, en el caso del norte de Chile, dado que las condiciones
climáticas permiten disponer de días despejados durante casi todo el año, la radiación solar es considerada
estable (cambia poco durante el año) y, además, puede ser predicha con mayor precisión, a diferencia de la
velocidad del viento.

En términos generales, el recurso solar es menos variable que el recurso eólico de un día a otro; es decir, es
relativamente sencillo predecir cuándo va a salir el sol y cuando se va a poner en cada día de la siguiente
semana. Además, en lugares con muchos días despejados, como el norte de Chile, la radiación solar no
cambia mucho de día en día, lo que hace más fácil predecir la energía solar de todo un año. Sin embargo,
sabemos con certeza que el sol se va a poner cada tarde y saldrá en la mañana siguiente, impidiendo disponer
del recurso solar durante la noche. Esto, obviamente, presenta un desafío en la continuidad de la generación
eléctrica mediante energía solar fotovoltaica.

3. Modelos de predicción
Como una forma de disminuir la incertidumbre asociada a los recursos renovables variables (especialmente
la velocidad del viento) se usan modelos de predicción. Estos modelos son herramientas que permiten
elaborar pronósticos acerca del comportamiento del recurso en un determinado lugar.

© Enzo Sauma
3.1 Modelos de predicción basados en series estadísticas
Tradicionalmente, estos modelos son construidos con previo análisis estadístico de series históricas de las
variables relevantes. En primera instancia, se debe contar con una base de datos que contenga las mediciones
de las variables de interés. Luego, dicha data debe ser analizada desde la perspectiva estadística con la
finalidad de determinar cuáles son las variables a utilizar, los grados de correlación entre estas e indicadores
de importancia relativa. A continuación, se procede a la construcción de diagramas de causalidades entre las
variables. Este análisis es iterativo, de tal forma de ajustar y validar tanto el modelo como los datos
involucrados en él, hasta tener una completa seguridad en la consistencia y exactitud de los datos
recopilados.

En el proceso de construcción de modelos predictivos se aplican varias técnicas, incluyendo análisis de

regresión, modelos de función de transferencia, modelos de rezagos distribuidos, modelos ARIMA, GARCH,
entre otros. La selección de los modelos adecuados se hace en base a su calidad predictiva, para cuyo efecto
se comparan las series históricas de datos contra las proyecciones que proporciona cada modelo. Una vez
seleccionado el tipo de modelo, éste es objeto de diversos análisis que nos permitirán mejorar su calidad
predictiva hasta lograr un modelo eficaz y confiable.

Es importante mencionar que también se han desarrollado otro tipo de modelos de predicción como aquellos
basados en distribuciones probabilísticas de disponibilidad de recursos.

3.2 Modelos de predicción basados en series estadísticas y meteorología

En los modelos de predicción se han ido incorporado, adicionalmente, variables físicas del ámbito de la
meteorología como lo son la presión atmosférica, la temperatura, entre otras. Las investigaciones han
mostrado que los modelos que incorporan modelación física tienen mejor nivel de exactitud en el pronóstico
obtenido.

Un ejemplo es el de la Red Eléctrica de España. Este sistema utiliza el modelo conocido como El SIPREÓLICO
(González et al., 2004) para predecir la variabilidad del viento. Este modelo combina series históricas de
velocidad del viento con variables físicas, todo lo cual termina siendo analizado bajo la óptica de técnicas
estadísticas. Existen muchos otros tipos de modelos predictivos similares al modelo SIPREÓLICO, entre los
cuales cabe mencionar: Prediktor: modelación física a partir de pronósticos HIRLAM con utilización del
modelo WASP/PARk y MOS (Riso de Dinamarca); WPPT: modelación estadística basada en redes neuronales
a partir de pronósticos HIRLAM (IMM Universidad Técnica de Dinamarca); Zephir: combinación de un modelo
WPPT y Prediktor (Riso e IMM, ambos de Dinamarca); Previento: (Universidad de Oldenburg de Alemania);
AWPPS: modelación estadística basada en redes neuronales (Escuela de Minas de París/ ARMINES de
Francia); Local Pred: modelación física a partir de pronósticos HIRLAM y módulo MOS (CENER de España);
HIRPOM (Universidad de Cork de Irlanda e Instituto Meteorológico Danés); y AWPT (ISET de Alemania).

3.3 Requisitos generales de los pronósticos de los recursos

En general, las entidades financieras de proyectos renovables solicitan al menos un par de años de medición
de las variables relevantes para analizar la posibilidad de financiar un proyecto. Para ello es clave definir los
sitios con mayor potencial, lo que se puede realizar recurriendo a modelos de simulación del

© Enzo Sauma
comportamiento de la atmósfera.1 Una vez seleccionados los sitios, se debe medir el recurso. En el caso de
la energía eólica, se deben instalar torres de medición considerando diferentes alturas, de tal forma de
detectar cuál es el perfil de la velocidad del viento a la altura en que estarán ubicadas las aspas del
aerogenerador.

Por otro lado, si el usuario de las predicciones es el operador del sistema, entonces lo más probable es que
se requieran pronósticos de corto plazo (12 a 48 horas), con la finalidad de utilizarlos en la operación del
sistema eléctrico. En este contexto, en algunos países existe un mercado diario donde se pueden presentar
ofertas de energía con 24 horas de antelación respecto del período real de operación. El desajuste entre la
generación real y la predicha tendrá un impacto económico con menores ingresos para el generador, lo que
depende de las regulaciones que imperan en cada mercado.

Adicionalmente, los pronósticos deben cumplir con ciertos requisitos en cuanto a su actualización,
periodicidad, variable proyectada y nivel de agregación de parques. Los pronósticos deben ser actualizados
a medida que se obtengan nuevos datos de la generación eléctrica, de tal forma de ir incorporando cambios
que no necesariamente tienen representatividad en la serie histórica de datos medidos. Por ejemplo, por
cambios inducidos por el Cambio Climático. Por otro lado, la variable proyectada en forma horaria puede ser
expresada en términos del recurso (por ejemplo, la velocidad del viento), no obstante, para el operador es
más efectivo si es expresada en términos de potencia con sus respectivos estadísticos descriptivos (intervalos
de confianza, entre otros). En cuanto al nivel de agregación, es importante indicar que para predecir
correctamente la generación renovable (por ejemplo, eólica) es fundamental contar con la predicción
individual (por ejemplo, de cada aerogenerador), además de la información agregada a nivel de parque,
región y país.

4. Impacto de la variabilidad de algunos recursos renovables en los sistemas eléctricos

Como mencionamos anteriormente, algunas energías renovables como la energía eólica y la solar presentan
variabilidad en la generación, lo cual es un factor que desafía la operación de los sistemas eléctricos. En la
generación eléctrica esto es considerado un factor crucial al momento de evaluar los costos de operación del
sistema eléctrico.

Ante la variabilidad inherente a la energía eólica y solar, hay diferentes soluciones para resguardar la correcta
operación de los sistemas eléctricos. En este sentido, la regulación del mercado eléctrico chileno establece
condiciones a la operación de los sistemas, a fin de mantener una adecuada calidad en el servicio de
generación eléctrica. En cuanto a la calidad de servicio, se establecen condiciones a la continuidad, cantidad
de reactivos, nivel de voltaje, armónicos y regulación de frecuencia. En relación a la continuidad del servicio
de generación eléctrica, la legislación toma en consideración la cantidad de interrupciones y la duración de
éstas.

1
Los modelos de simulación del comportamiento de la atmósfera o del clima son representaciones matemáticas que
simplifican el sistema climático, y los procesos que en él tienen lugar, con el fin de conocer sus propiedades, reproducir,
en lo posible, el clima presente observado e intentar prever como pueda evolucionar hacia el futuro.
© Enzo Sauma
4.1 Relación entre variabilidad y factor de planta
Para entender el impacto de la variabilidad de algunos recursos renovables en los sistemas eléctricos, es
necesario comprender primero la relación entre la variabilidad del recurso y el factor de planta del proyecto
energético que utiliza dicho recurso.

El factor de planta de una central de generación eléctrica se define como el cuociente entre la energía
generada real y la energía que potencialmente podría haber sido generada si hubiera operado a plena carga,
ambas energías determinadas considerando el mismo período de tiempo. En el caso de la energía que podría
haber sido generada, esta se determina considerando los valores nominales de las placas de identificación
de los equipos.

© Enzo Sauma
 Cálculo del Factor de Planta: La capacidad instalada (o Factor de planta en centrales a carbón y
potencia) de una central que genera energía eléctrica se mide eólica
generalmente en millones de Watts, cuyo símbolo es [MW], y
la generación de energía eléctrica se mide generalmente en
miles de millones de Watts-hora, cuyo símbolo es [GWh].

1.- Una central a carbón de una capacidad instalada de 100

[MW], que opera 7.884 horas del año, produciría 788,4 [GWh]
de energía eléctrica, lo que se obtiene de multiplicar los 100
[MW] por 7.884 horas del año y dividir por 1000. A su vez, si
esta misma planta hubiese operado durante la totalidad de
las horas del mismo año (8.760 [horas/año]), la energía que
potencialmente habría generado sería 876 [GWh]. El factor de
planta de esta central es 90%, lo que resulta de dividir la
generación real (788,4 [GWh]) por la generación potencial Fuente: Elaboración Propia
(876 [GWh]) y multiplicar por 100. Se asume que el restante
10% es destinado a detenciones programadas.

2.- Una central eólica de una capacidad instalada de 100

[MW] que opera 2.628 horas del año, produciría 262,8 [GWh]
de energía eléctrica, lo que se obtiene de multiplicar los 100
[MW] por 2.628 horas del año y dividir por 1000. A su vez, si
esta misma planta hubiese operado durante la totalidad de
las horas del mismo año (8.760 [horas/año]), la energía que
potencialmente habría generado sería 876 [GWh]. El factor de
planta de esta central es 30%, lo que resulta de dividir la
generación real (262,8 [GWh]) por la generación potencial
(876 [GWh]) y multiplicar por 100. Se asume que el restante
70% es producto principalmente de la variabilidad del recurso
del viento.

Cuadro 1: Infografía sobre el cálculo del factor de planta

El factor de planta difiere significativamente entre los diferentes tipos de tecnologías. La diferencia del factor
de planta entre ellos se explica por diversas causas, entre las cuales se pueden mencionar las siguientes:

1. Paro de planta por mantención preventiva o fallas en los equipos.

2. Ajustes entre la energía ofertada y demandada.
3. Variabilidad en la disponibilidad de las fuentes de generación.
4. Falla de suministro del sistema eléctrico.

© Enzo Sauma
En el caso de la energía eólica y solar fotovoltaica, la causa más relevante que explica las grandes diferencias
de factor de planta con las energías basadas en combustibles fósiles es la variabilidad asociada a la
disponibilidad del recurso, viento y radiación solar. En Chile, el factor de planta promedio anual de las
centrales eólicas varía entre 15% y 40% en las distintas localidades del sistema eléctrico nacional; mientras
que el factor de planta promedio anual de los parques solares varía entre 10% y 35% en las distintas
localidades del sistema eléctrico nacional.

4.2 Los servicios complementarios necesarios para enfrentar la variabilidad

Si consideramos que la planta eólica de nuestro ejemplo anterior (ver el cuadro 1 sobre el cálculo del factor
de planta) cuenta con una de capacidad instalada de 100 [MW], está operando a plena capacidad y el recurso
eólico sufre una variabilidad que la obliga a parar completamente su generación en la siguiente hora, el
sistema eléctrico necesita 100 [MWh] de respaldo en esa siguiente hora mediante algún sistema, de tal forma
de asegurar que la demanda quede satisfecha durante esa hora.2 Este respaldo, que debe tener el sistema
hora a hora, se conoce como “reservas en giro”, puesto que se requiere que dicho respaldo esté preparado
para generar electricidad en el minuto que se requiera.

Con la finalidad de asegurar que el sistema eléctrico disponga de generación suficiente que permita satisfacer
la demanda, se requieren unidades de respaldo todo el tiempo. Este servicio forma parte de los llamados
“Servicios Complementarios”, pues complementan el abastecimiento de energía segura. En Chile, las
unidades que proveen los Servicios Complementarios, en general, son plantas de generación térmica, cuya
misión es mantenerse disponibles para operar ante contingencias, de acuerdo a lo que establece el Decreto
130 de la Ley eléctrica chilena, que define los servicios complementarios en un sistema eléctrico. Estas
plantas térmicas cumplen la función de disponer de reservas en giro, lo que significa, en términos simples,
que disponen de energía de respaldo que es rápidamente obtenible en caso de que ocurra una contingencia.
En nuestro ejemplo, la reserva en giro debiera ser de 100 [MWh]. Con este fin, las centrales térmicas que se
utilizan como respaldo en giro se mantienen en operación a un nivel mínimo, conocido como “mínimo
técnico”, que les permite operar de modo tal de aumentar rápidamente su generación en caso de ser
necesario.

La capacidad de reserva de las centrales de respaldo que operan a mínimo técnico no es considerada para el
cálculo del costo marginal del sistema, no obstante, si contribuyen en la seguridad y continuidad de la
coordinación del sistema eléctrico. Esta contribución se reconoce como un servicio complementario en la
legislación chilena (Decreto 130), el cual debe ser valorizado y remunerado de acuerdo a los precios de
energía y potencia que la Ley General de Servicios Eléctricos (LGSE) establece. En Chile, la Ley N° 20.936 de
2017 establece la posibilidad de que el operador del sistema eléctrico (Coordinador Eléctrico Nacional)
realice una subasta para proveer servicios complementarios, si es que considera que se dan las condiciones
de competencia necesarias.

2 Vale la pena destacar que estas reservas se requieren (y son asignadas por el operador del sistema) hora a hora. De
este modo, el operador del sistema debe garantizar en cada hora que hay suficiente capacidad de reserva para abastecer
la demanda eléctrica presente en esa hora.
© Enzo Sauma
4.3 La necesidad de flexibilidad en el sistema eléctrico
Como resulta evidente de lo aprendido en las secciones anteriores, mientras mayor es la variabilidad de un
recurso, mayor será la necesidad de servicios complementarios en la forma de reservas en giro. Estas reservas
en giro son centrales de respaldo que deben tener la característica de poder entrar en operación con mucha
rapidez en el sistema eléctrico.

En el caso de la energía eólica, dada su más baja predictibilidad, se debe disponer de reservas en giro en todo
momento por la eventualidad que deje de soplar el viento. En el caso de la energía solar, su predictibilidad
es más alta, especialmente en el norte de Chile, donde es posible predecir la radiación solar horaria con
mucha exactitud, por lo que no requiere de tantas reservas en giro a toda hora. Sin embargo, se sabe con
absoluta certeza que al terminar el día el sol se pondrá y dejaremos de percibir su radiación. Es decir, sabemos
con absoluta certeza que si el sol se pone a las 6pm (día de invierno), la generación de un parque solar
fotovoltaico sin almacenamiento disminuirá a cero luego de que se ponga el sol. Por lo tanto, mientras mayor
sea la penetración o uso de la energía solar, mayor será la necesidad de reservas en giro a la hora que se
ponga el sol, para compensar dicha generación que disminuye. Una situación similar ocurre al amanecer,
donde el efecto opuesto sucede. Es decir, al amanecer las plantas solares empezarán a producir electricidad,
desplazando (y obligando a disminuir su capacidad o apagarse) a las centrales térmicas que operaban antes
de que saliera el sol. Este efecto se conoce como el efecto de la curva del pato.

La figura 2 presenta un ejemplo de la curva del pato. En esta, la línea azul representa la demanda por
electricidad en un día cualquiera en cierta localidad (nodo del sistema eléctrico), la línea verde corresponde
a la generación eólica disponible en dicha localidad, la línea amarilla corresponde a la generación solar
fotovoltaica disponible en dicha localidad y la línea roja representa la demanda neta en dicha localidad. La
demanda neta se obtiene al restar la generación eólica (curva verde) y solar (curva amarilla) de la demanda
total (curva azul). Esta demanda neta (curva roja) se conoce como la curva del pato, dada su forma particular,
y generalmente se satisface con centrales térmicas e hidroeléctricas.

Figura 2: La curva del pato en un sistema eléctrico (elaboración propia)

© Enzo Sauma
Dado que la figura 2 representa la generación eléctrica en una localidad con mucha generación solar
fotovoltaica, se aprecia que, al amanecer, cuando entran en operación las centrales solares, deben salir de
operación varias centrales térmicas que estaban funcionando para satisfacer la demanda neta. Sin embargo,
al atardecer, es probable que estas mismas centrales térmicas deban entrar en operación, cuando las
centrales solares dejen de generar electricidad. Esto implica que se necesita una operación flexible de las
centrales térmicas, que permita variar el nivel de generación de acuerdo a las necesidades del sistema. Esto
es lo que se conoce como el “ciclaje” de las centrales térmicas.

Lamentablemente, el ciclaje de las centrales térmicas hace que sea más costosa y más contaminante su
operación y, mientras mayor sea la generación solar, mayor será la capacidad de centrales térmicas que debe
realizar ciclaje para compensar la entrada (al amanecer) y la salida (al atardecer) de las centrales solares. En
la figura 2, esto se observa de modo tal que mientras mayor sea la generación solar, más bajo llega a ser el
punto mínimo de la demanda neta (curva roja), lo que implica que más pronunciadas son las “rampas de
bajada” al amanecer y “rampas de subida” al atardecer que debe sufrir la capacidad de generación térmica
que actúa como respaldo.

5. Proveedores de flexibilidad en el sistema eléctrico

Si bien las centrales termoeléctricas son las que principalmente proveen los servicios complementarios de
reservas en giro en Chile, estos servicios también pueden ser provistos por otros medios tales como las
centrales hidroeléctricas, los sistemas de almacenamiento y la gestión de la demanda.

Las centrales hidroeléctricas son usadas como fuente de servicios complementarios, además de proveer el
servicio de generación eléctrica de base, naturalmente. Sin embargo, en Chile, los efectos del Cambio
Climático han provocado que cada año la disponibilidad de agua para generación hidroeléctrica disminuya.
De hecho, un estudio del Ministerio de Medioambiente estimó que, en promedio, la disponibilidad de agua
para generación hidroeléctrica en el sistema eléctrico nacional de Chile disminuirá anualmente un 1% (con
respecto a la disponibilidad del año anterior) hasta el 2050 (Ministerio de Medioambiente, 2021). Esto hace
que sea cada vez menos probable que la flexibilidad que se requiere al tener una alta penetración de energías
renovables variables provenga masivamente de las centrales hidroeléctricas.

Los sistemas de almacenamiento y la gestión de la demanda son dos mecanismos alternativos para proveer
los servicios complementarios. Sin embargo, aún su costo es muy superior al de las centrales térmicas. No
obstante, algunos sistemas de almacenamiento, tales como algunos tipos de baterías y sistemas
hidroeléctricos de bombeo, están disminuyendo sus costos en forma muy acelerada.

A continuación, se presenta una breve descripción de algunos tipos de tecnologías de almacenamiento que
prometen una importante disminución de sus costos en el futuro cercano.

● Baterías de sulfuro de sodio (NaS)

Comenzaron a introducirse en los años 60. Hoy en día se les considera una de las opciones más
prometedoras para el almacenamiento de energía a gran escala. Estas requieren mantenimiento
menor y tienen una respuesta extremadamente rápida, por lo cual son un buen complemento de un
parque eólico. Además, se estima que estas son las baterías de menor costo. Actualmente este tipo
© Enzo Sauma
 de batería se comercializa, pero aún presentan restricciones asociadas al manejo térmico y a la
seguridad que requieren. Necesitan de un aislamiento efectivo de cada módulo y equipos auxiliares
para mantener las temperaturas de operación en los rangos definidos.

● Baterías de Ion Litio

Su desarrollo se inicia en los años 80. Tienen una buena relación capacidad-peso (menor densidad y
mayor potencial electroquímico). Actualmente este tipo de batería es utilizada en teléfonos móviles,
aparatos electrónicos portátiles y vehículos eléctricos. La escalabilidad de este tipo de baterías se ha
retrasado, principalmente por razones de seguridad (sobrecalentamiento) y costos (cobalto). Entre
las principales ventajas se encuentra la vida útil y la rapidez de las descargas, lo que la convierte en
una opción con aplicaciones a gran escala en sistemas de potencia.

● Baterías de flujo‐redox
Se han investigado numerosos tipos de baterías de flujo‐redox desde la década de los años 70. Los
tipos de batería de Zinc‐Bromo y Vanadio son los más avanzados en la actualidad. Una de las ventajas
más importantes es la posibilidad de desacoplar la capacidad de potencia de la energía. Además,
presenta una escalabilidad y flexibilidad en el diseño para distintas aplicaciones de almacenamiento,
y son sistemas de fácil mantenimiento. A pesar de las ventajas, aún no es comercializable al nivel de
lo que requiere un parque eólico.

● Sistemas hidroeléctricos de bombeo

Estos sistemas de almacenamiento, conocidos generalmente como Pumped Hydroelectric Storage
(PHS), son bastante utilizados a nivel mundial. Estos sistemas almacenan energía en forma de energía
potencial cuando esta es levantada en contra de la gravedad. Para ello es utilizada agua, la cual es
bombeada desde el reservorio inferior al superior. Si existiera abundancia de energía renovable en
el sistema, este tipo de tecnología podría beneficiarse de estas holguras. Entre las principales
ventajas se pueden mencionar: gran capacidad de potencia, respuesta rápida, larga vida útil, gran
capacidad de almacenamiento, alta eficiencia y bajos costos de mantenimiento.

6. Conclusión
En esta clase hemos aprendido el significado de que algunas fuentes de energía renovable sean variables. La
variabilidad de los recursos eólicos o solares se refiere a los cambios de una cierta condición ocurridos en el
transcurso del tiempo; mientras que una variable con un alto grado de incertidumbre asociado se refiere a
cuando existe una gran dificultad en predecirla con precisión. En el caso de los proyectos eólicos y solares, la
generación con dichos recursos renovables se caracteriza por tener una variabilidad, asociada a las
condiciones climáticas, más alta que en el caso de la generación mediante termoeléctricas.

Para disminuir la incertidumbre asociada a los recursos renovables variables (especialmente la velocidad del
viento) se usan modelos de predicción. Estos modelos son herramientas que permiten elaborar pronósticos
acerca del comportamiento del recurso en un determinado lugar. Tradicionalmente, estos modelos son
construidos con previo análisis estadístico de series históricas de las variables relevantes. En los modelos de
predicción más recientes se han incorporado, adicionalmente, variables físicas del ámbito de la meteorología
como son la presión atmosférica, la temperatura, etc.
© Enzo Sauma
Mientras mayor es la variabilidad de un recurso, mayor será la necesidad de servicios complementarios en la
forma de reservas en giro. Estas reservas en giro son centrales de respaldo que deben tener la característica
de poder entrar en operación con mucha rapidez en el sistema eléctrico. Es decir, estas centrales de respaldo
rápido proveen de flexibilidad al sistema, de manera de poder funcionar con energías renovables variables
sin poner en riesgo la seguridad del sistema.

La curva de demanda neta (igual a la resta de la demanda total menos la generación eólica y solar), también
conocida como la curva del pato, nos muestra que mientras mayor sea la generación solar, más pronunciadas
son las “rampas de bajada” al amanecer y “rampas de subida” al atardecer que debe sufrir la capacidad de
generación térmica que actúa como respaldo. Esto implica que mayor es la necesidad de una operación
flexible del sistema eléctrico.

Hay diversas formas de otorgar mayor flexibilidad al sistema eléctrico. Si bien las centrales termoeléctricas
son las que principalmente proveen los servicios complementarios de reservas en giro (que otorgan la
flexibilidad necesaria), estos servicios también pueden ser provistos por otros medios tales como las
centrales hidroeléctricas, los sistemas de almacenamiento y la gestión de la demanda. Algunos sistemas de
almacenamiento, tales como algunos tipos de baterías y sistemas hidroeléctricos de bombeo, están
disminuyendo sus costos en forma muy acelerada y podrían llegar a ser competitivos antes de la próxima
década.

7. Bibliografía

Bustos, C., Sauma, E., De la Torre, S., Aguado, J., Contreras, J., Pozo, D. (2018). Energy storage and
transmission expansion planning: substitutes or complements? IET Generation, Transmission & Distribution
12(8): 1738-1746.

González, G., Díaz-Guerra, B., Soto, F., López, S., Sánchez, I., Usaola, J., Alonso, M., Lobo, M. (2004).
SIPREÓLICO - wind power prediction tool for the Spanish peninsular power system. Actas de la conferencia
anual de CIGRE, sesión C2-101. Disponible on-line en:
https://www.researchgate.net/publication/268176432_SIPREOLICO_-
WIND_POWER_PREDICTION_TOOL_FOR_THE_SPANISH_PENINSULAR_POWER_SYSTEM#fullTextFileContent

Ministerio de Medioambiente. (2021). Atlas de Riesgos Climáticos (ARCLIM). Publicación realizada por el
Ministerio de Medioambiente. Disponible on-line en:
https://arclim.mma.gob.cl/#:~:text=ARClim%20es%20un%20proyecto%20del,desarrollado%20por%20el%2
0Centro%20de

© Enzo Sauma
Moreira, A., Pozo, D., Street, A., Sauma, E. (2017). Reliable Renewable Generation and Transmission
Expansion Planning: Co-Optimizing System’s Resources for Meeting Renewable Targets. IEEE Transactions on
Power Systems 32(4): 3246-3257.

Pica, A., Sauma, E. (2015). Los desafíos de la utilización de energías renovables no convencionales
intermitentes. Documentos de la serie Temas de la Agenda Pública, Centro de Políticas Públicas UC.
Disponible on-line en: http://politicaspublicas.uc.cl/wp-content/uploads/2015/09/N%C2%B0-81-Los-
desaf%C3%ADos-de-la-utilizaci%C3%B3n-de-energ%C3%ADas-renovables-no-convencionales-
intermitentes.pdf

Pozo, D., Contreras, J., Sauma, E. (2014). Unit commitment with ideal and generic energy storage units. IEEE
Transactions on Power Systems 29(6): 2974-2984.

Rosende, C., Sauma, E., Harrison, G. (2019). Effect of Climate Change on Wind Speed and its Impact on
Optimal Power System Expansion Planning: The Case of Chile. Energy Economics 80: 434-451.

Urzúa, I., Olmedo, J.C., Sauma, E. (2016). Impact of intermittent non-conventional renewable generation in
the costs of the Chilean main power system. Renewable and Sustainable Energy Reviews 60:810-821.

© Enzo Sauma