Capitulo 5 V2

CAPITULO 1.
INTRODUCCIN AL PROBLEMA
1.1
Introduccin
La energa elctrica es pilar en el desarrollo econmico y social de regiones y pases, elemento esencial para el desarrollo tecnolgico y un servicio del que las sociedades dependen en alto grado al suministrar la energa para manejar motores, iluminar hogares y calles, hacer funcionar plantas manufactureras, negocios, as como proporcionar potencia a los sistemas de comunicaciones y de cmputo. Debido a la importancia que esta tiene, el suministro en forma confiable y con calidad es fundamental; ya que cualquier interrupcin en el servicio o la entrega de energa de mala calidad son causa de inconvenientes a los usuarios, pueden llevar a situaciones de riesgo y, a nivel industrial, ocasionarn severos problemas tcnicos y de produccin. Invariablemente, en tales circunstancias, la prdida del suministro repercute en grandes prdidas econmicas. Los esfuerzos se centran en operar y/o planificar un sistema de generacin, transmisin y distribucin de energa lo ms confiable posible, ya que por razones tcnicas y econmicas no se puede alcanzar un funcionamiento totalmente fiable, debido a que sera necesario un nmero un infinito de lneas de transmisin o una potencia de generacin disponible infinita, por ejemplo.
Uno de los puntos medulares de los sistemas elctricos son las plantas generadoras que convierten energa mecnica a energa elctrica; esta energa es entonces transmitida a grandes distancias hacia los grandes centros de consumo mediante sistemas de transmisin; finalmente, es entregada a los usuarios mediante redes de distribucin. El funcionamiento de las unidades generadoras es fundamental para la confiabilidad y calidad del servicio de la energa elctrica, y para mantener su confiabilidad es necesario que estas tengan un mantenimiento preventivo, esta caracterstica adquiere especial importancia si se tiene en cuenta que la energa elctrica, a diferencia de otros tipo de energa, no puede ser almacenada en forma econmica en grandes cantidades.
Los planes de mantenimiento de todas las plantas generadoras deben de ser consolidados en un solo Plan Anual de Mantenimientos Mayores (PAMM) para el sistema elctrico de El Salvador.
La coordinacin del PAMM es una parte importante del mercado elctrico, en este se establecen las fechas en que las unidades generadoras estarn fuera de lnea. La indisponibilidad de estas unidades por mantenimiento afecta directamente la capacidad para poder suplir la demanda y los costos de operacin del sistema. El cambio en las variables antes mencionadas genera un gran desafo para la 1
Unidad de Transacciones (UT), que es la empresa encargada de administrar y operar el mercado mayorista de energa en El Salvador.
La UT siendo la responsable de la coordinacin de los mantenimientos y debido a la necesidad de minimizar los costos de operacin y adems cumplir las Normas de Calidad y Seguridad Operativa, tiene la necesidad de una herramienta para evaluar distintos escenarios que pueda optimizar estas dos variables para la coordinacin del PAMM.
Para realizar esta coordinacin, los Participantes del Mercado (PM) debern enviarle solicitudes a la UT de acuerdo a los lineamientos establecidos en el Reglamento de Operacin del Sistema de Transmisin y del Mercado Mayorista Basado en Costos de Produccin (ROBCP). En las solicitudes de Mantenimiento Mayor realizadas por los PMs propietarios de las unidades generadoras, se informa el intervalo de tiempo solicitado de indisponibilidad, con un horizonte de planeacin de 52 semanas, que van desde la semana 20 de un ao hasta la semana 19 del siguiente [SIGET, 2011: p.107-109].
Estos PMs deben de informarle a la UT su Plan de Mantenimientos Mayores que debe de tener la siguiente informacin [SIGET, 2011: p.108]:
Identificacin del Participante del Mercado. Identificacin del equipo. Descripcin del mantenimiento a efectuar. Fecha prevista de inicio y fin del mantenimiento. Identificacin de los Participantes del Mercado que resultarn afectados, si los hubiere. Identificacin de otros equipos que pueden verse afectados por la indisponibilidad.
La UT al coordinar el PAMM adems de verificar los niveles de confiabilidad del sistema de generacin, el cual se detalla en el Anexo Calidad y Seguridad Operativa del Sistema del ROBCP, debe tomar en cuenta el costo total de operacin del Sistema [SIGET, 2011: p.107].
1.2
Planteamiento del problema.
En el presente trabajo de graduacin se realizar un estudio en el rea de planificacin en el sistema elctrico de potencia de El Salvador, que responde a la necesidad de disponer de una herramienta 2
que permita obtener, a travs de un modelo, el PAMM ptimo de las unidades generadoras, para satisfacer los requerimientos de confiabilidad del sistema y minimizar los costos de operacin en un periodo determinado, respetando los periodos fuera de servicio solicitados por los distintos PMs, para el mantenimiento de los componentes.
1.3
Objetivos del trabajo.
1.3.1
Objetivo General
Desarrollar un modelo para optimizar el PAMM del sistema de generacin de El Salvador que permita obtener los periodos de mantenimiento de las unidades generadoras para satisfacer los requerimientos de confiabilidad del sistema y minimizar los costos de operacin en un periodo determinado.
1.3.2
Objetivos Especficos
Crear un algoritmo que permita optimizar los niveles de confiabilidad y los costos de operacin del sistema elctrico de potencia.
Crear un algoritmo que permita realizar los despachos de generacin por medio de una coordinacin hidrotrmica.
Crear una herramienta computacional que permita minimizar los costos de operacin manteniendo niveles de confiabilidad permisibles en el ROBCP.
1.4
Antecedentes.
El presente trabajo da continuidad a la lnea de investigacin iniciada en el ao 2011 con el trabajo de graduacin Anlisis de Confiabilidad de Sistemas de Generacin Aplicado al Sistema Elctrico de El Salvador, en el cual se buscaba desarrollar una herramienta para evaluar la confiabilidad del Sistema Elctrico de Potencia (SEP). En el ao 2012 siguiendo la misma lnea de investigacin se realiz el trabajo de graduacin Anlisis de Confiabilidad de Sistemas de Transmisin Aplicado al Sistema Elctrico de El Salvador, ambos trabajos utilizaron enfoques de evaluacin probabilstico a travs de simulaciones de Monte Carlo Secuenciales y No Secuenciales, elaborando sus propios 3
modelos para obtener los ndices de confiabilidad. El alcance de estos trabajos de graduacin se limit para el parque generador y el sistema compuesto generacin-transmisin de El Salvador, respectivamente. El trabajo de graduacin Anlisis de Confiabilidad de Sistemas de Generacin Aplicado al Sistema Elctrico de El Salvador engloba el desarrollo de una herramienta computacional en Matlab que evala la confiablidad tomando en cuenta los modelos de los generadores del sistema elctrico de nuestro pas. Para dicha evaluacin se obtienen indicadores de confiabilidad que muestran cuantitativamente las caractersticas del sistema elctrico mediante el mtodo de Monte Carlo, que tiene flexibilidad para modelar aspectos complejos de la operacin de los sistemas de generacin como en el caso de las centrales hidroelctricas con el recurso hdrico, en donde la potencia disponible depende de la cota del embalse. Este mtodo obtiene estimaciones de los ndices de confiabilidad, mediante la generacin de estados de operacin del sistema, a partir del comportamiento probabilstico de sus generadores. Tambin se considera la demanda cronolgica que requiere el sistema la cual vara a lo largo del da. Un factor importante para la evaluacin de la confiablidad es el plan de mantenimiento de los generadores, que en el trabajo de graduacin antes mencionado, no se toman en cuenta los costos de operacin del Sistema.
Continuando con esta lnea de investigacin se pretende abordar el problema de optimizacin del plan de mantenimientos mayores de generacin, lo cual est establecido en el Reglamento de Operacin, en el Captulo 16, numeral 16.2.1.3: "El criterio de calidad y seguridad en el abastecimiento a utilizar por la UT al realizar la coordinacin de los mantenimientos mayores es evaluar que est previsto satisfacer con una determinada probabilidad y al mnimo costo el abastecimiento de la demanda con los niveles de reserva necesarios...".
Para la resolucin de este problema es necesario la creacin de una funcin objetivo que se encargue de tomar en cuenta los costos variables de produccin de las unidades generadoras, la disponibilidad de dichas unidades, la energa no servida por dficit y el costo para valorar la energa no servida. La variable de energa no servida est relacionada con el nivel de confiabilidad del sistema. Las variables anteriormente mencionadas son interdependientes, esto significa que para obtener la solucin de la funcin objetivo ser necesario usar mtodos iterativos. Esto significa que ser necesaria la creacin de algoritmos que nos permitan obtener un valor ptimo con rapidez y fiabilidad.
1.5
Formulacin del problema
Para obtener un PAMM ptimo se deben de tomar en cuenta las variables: confiabilidad del sistema de generacin y costos de operacin del sistema. A travs de la evaluacin de la confiabilidad del sistema se cuantifica la adecuacin del sistema, la cual se define en la siguiente seccin. En cuanto a la determinacin de los costos de operacin del sistema determina la valorizacin monetaria de la energa necesaria para poder suplir la demanda. Para poder relacionar ambas variables es necesario la creacin de una funcin objetivo que ayudar a solucionar este problema de optimizacin.
A continuacin se presenta un esquema con las ofertas que haran los PMs para sus planes de mantenimiento, el operador del sistema verificar y ajustar estos considerando el impacto que tengan sobre la confiabilidad del sistema. La premisa a considerar es que la UT respeta el perido de mantenimiento solicitado por el PM y se hacen ajustes a las fechas de inicio del mismo [Garcs y Larisson, 2004: p.122].
Para este caso se har la hiptesis que cada PM presenta su plan de mantenimiento indicando la duracin que tendr en das de cada uno de las unidades generadoras g y el instante de , la UT considerar cierta flexibilidad del plan de y , como se muestra en la figura 1.1. En los
comienzo del perodo de mantenimiento mantenimiento con lmites dados por casos en que
, la propuesta del plan de mantenimiento del generador g
carece de flexibilidad [Garcs y Larisson, 2004: p.122].
Figura 1.1 Flexibilidad en la ubicacin del mantenimiento
La UT, como operador del sistema y debido a su funcin de mantener los niveles de confiabilidad del sistema, deber de verificar los niveles de confiabilidad que se obtengan considerando que las
unidades generadoras estarn fuera de servicio durante sus mantenimientos en los perodos previamente establecidos [Garcs y Larisson, 2004: p.122].
1.6
Funcin Objetivo.
A continuacin se presenta la formulacin de la funcin objetivo y las restricciones del problema de optimizacin planteado. Puede observarse que se ha planteado un esquema con mnima intervencin sobre las decisiones de los PMs.
* (
(Ec. 1.1)
Con: [ [ ] ]
(Ec. 1.2)
Sujeto a:
(Balance de potencia activa)
(Ec. 1.3) (Ec. 1.4) (Ec. 1.5)
(Lmites de potencia activa de generacin) (Flexibilidades de ubicacin de los mantenimientos)
En donde:
CV: Costos Variable de las unidades generadoras. : Costo de oportunidad del agua. URF: Costo de la Unidad de Racionamiento Forzado. ENS: Energa no Servida por dficit. VOLL: Costos de Falla o Valor de Perdida de Carga. Disponibilidad de las unidades generadoras.
Potencia total despachada por los generadores. Potencia demandada por el sistema. Potencia mnima de operacin de la unidad generadora. Potencia mxima de operacin de la unidad generadora. Potencia despachada por la unidad generadora. Potencia despachada por la unidad generadora trmica. Potencia despachada por la unidad generadora hidroelctrica. Lmite inferior del mantenimiento. Lmite superior del mantenimiento. Duracin del mantenimiento.
La optimizacin de la funcin objetivo busca minimizar los costos de operacin del sistema y la Energa no Servida (ENS) por dficit de generacin. La confiabilidad del sistema est relacionada directamente con la variable de Energa no Servida, ya que con la confiabilidad del sistema se obtiene el valor de la Energa no Servida Esperada (EENS) que ser la ENS dentro de la funcin objetivo. A medida que la confiabilidad del sistema aumenta la EENS disminuir.
Debido a la dificultad que lleva la resolucin ptima de la funcin objetivo se har uso de los algoritmos evolutivos en el cual se generarn distintos escenarios donde se variarn las fechas de inicio de los mantenimientos (manteniendo el periodo de duracin) que han entregado los PMs previamente en las solicitudes.
Los objetivos de optimizar un plan de mantenimiento de unidades generadoras son [Shahidehpour y Marwli, 2000: p.14]:
Reducir los costos de operacin del sistema. Mantener la confiabilidad del sistema. Extender la vida til de las unidades generadoras. Ahorrar costos de inversin para la instalacin de nuevas unidades generadoras.
El objetivo de las generadoras es el de aumentar la vida til de sus unidades a travs de un mantenimiento preventivo adecuado y obtener beneficios con la venta de energa. La 7
responsabilidad del Operador del Sistema es la de garantizar la confiabilidad del sistema y dejando fuera de consideracin beneficios de las generadoras [Shahidehpour y Marwli, 2000: p.14].
1.7
Esquema de abordaje del problema.
Para el desarrollo del trabajo de graduacin se har uso del esquema general de la figura 1.2 para optimizar la funcin objetivo (FO).
ENTRADAS
HERRAMIENTA DE COMPUTO
SALIDAS
Restricciones Tcnicas Gen. Costos Variables de Generacin PAMM Propuesto PAMM Optimo Despacho Hidrotermico Costos de FO Funcin Objetivo NO PAMM Optimo? SI ndices de Confiabilidad
Hidrologa Algoritmo Evolutivo Pronostico de Demanda Modelo de Generadores Evaluacin de Confiabilidad EENS
Costo Total de Operacin
VOLL
Figura 1.2. Esquema general de variables de la funcin objetivo.
Las entradas incluyen todos los datos necesarios para realizar la optimizacin de PAMM, estos son proporcionados por la UT las cuales son:
PAMM Propuesto: Contiene las fechas de mantenimiento de las unidades generadoras solicitados por los PMs a la UT. Hidrologa: Informacin de las series hidrolgicas histricas.
Restricciones tcnicas de los generadores: Es todo lo relacionado a cada unidad generadora respecto a potencia mnima y mxima que esta puede entregar al sistema. Costos variables de generacin: Son los costos de produccin que varan dependiendo de los despachos hidrotrmico de las distintas unidades generadoras que suplen la demanda. Pronostico de demanda: Demanda esperada para el periodo PAMM desarrollado por la UT. Modelo de generadores: Distribuciones de probabilidad de las distintas unidades generadoras del pas para la evaluacin de confiabilidad, estos datos se tomarn del trabajo de graduacin hecho en 2011.
VOLL: Valor de la energa no servida (Value Of Lost Load) o Costo de Falla el cual le dar peso a la confiabilidad en la funcin objetivo.
La herramienta computacional para lograr la optimizacin de PAMM est basada en la funcin objetivo y un proceso iterativo para encontrar la solucin la cual incluye:
Despacho hidrotrmico: Encontrar un balance entre la generacin hidroelctrica y trmica con la carga a suplir, de tal manera que los costos de operacin sean mnimos. Evaluacin de confiabilidad: Se crea un periodo ficticio de funcionamiento de las maquinas basados en los modelos probabilsticos de fallas para as determinar los ndices con los que se mide la confiabilidad como por ejemplo LOLP (Lost of Load Probabilty, Probabilidad de Perdida de Carga) y la EENS.
Algoritmo evolutivo: Su uso es dar una solucin ptima de la funcin objetivo, encargndose de mover las fechas de los planes mantenimientos, cumpliendo con las restricciones de flexibilidad de los PMs, hasta encontrar el PAMM que genere los menores gastos.
Las salidas de la herramienta presentan la solucin ptima de PAMM observable en un diagrama de Gantt, el plan con sus correspondientes ndices de confiabilidad (LOLP, LOEE y LOLE) y un costo total de operacin anual.
CAPITULO 2. COORDINACIN HIDROTERMICA
2.1
Introduccin.
El despacho de energa es un elemento importante en el planeamiento de la operacin del sistema elctrico. Dependiendo del recurso que se utilice para obtener la energa, la generacin puede ser hidrulica en el caso de utilizar el agua o trmica en el caso de utilizar algn tipo de combustible como derivados del petrleo. La combinacin de estos dos tipos de centrales lleva a obtener un sistema hidrotrmico.
En un SEP el despacho econmico consiste en encontrar una estrategia ptima de operacin para cada central termoelctrica de tal modo que se minimicen los costos, cumpliendo las diferentes restricciones del sistema de generacin y satisfaciendo los requerimientos de confiabilidad del mismo. Con la coordinacin hidrotrmica se garantiza una operacin ptima para suplir la demanda de energa elctrica para un horizonte planeado, de tal forma que se distribuyen de la mejor forma los recursos hidrulicos y trmicos.
Al realizar un despacho hidrotrmico se tienen variables con comportamientos aleatorios tales como, los caudales afluentes que llegan a los embalses de las centrales hidrulicas, ya que se desconocen los aportes que se tendrn en determinado periodo y la demanda de energa, la cual a pesar de tener un comportamiento cclico se desconoce con certeza lo valores exactos que tomar.
Cabe mencionar que la disponibilidad de las centrales viene dado por dos condiciones:
Las fechas de mantenimiento de los generadores que se encuentra en el PAMM. La indisponibilidad por falla en las centrales, la cual se tomar en cuenta en el anlisis de confiabilidad del sistema, el cual se desarrolla en el siguiente captulo.
En cuanto al despacho hidrotrmico slo se tomarn en cuenta para calcular los costos de operacin las indisponibilidades por mantenimientos programados en el PAMM y que como se menciona, el caso de indisponibilidades por falla se toma en cuenta en el anlisis de confiabilidad.
En este captulo se presentan los parmetros necesarios para llevar a cabo una coordinacin hidrotrmica y como punto final la realizacin de una simulacin de coordinacin hidrotrmica con 10
un horizonte de una semana. A medida se desarrolla el captulo se presentan las simplificaciones que se realizaron para lograr una coordinacin hidrotrmica funcional que cumpla con el propsito que se desea desarrollar.
2.2
Caractersticas de las Unidades Generadoras.
Las unidades generadoras son las que se encarga de transformar la energa mecnica de un proceso en energa elctrica, dependiendo del tipo de combustible que se utiliza para generar energa las unidades generadoras se dividen en 2 grandes grupos, unidades generadoras trmicas y unidades generadoras hidroelctricas. A continuacin se presentan de forma idealizada las caractersticas de las unidades generadoras.
2.2.1
Unidades Generadoras Trmicas.
Una unidad Trmica es aquella que a partir de la energa liberada en forma de calor mediante la combustin de petrleo, gas natural o carbn y empleando un ciclo termodinmico convencional se genera energa elctrica.
A las unidades trmicas que generan energa elctrica aprovechando el calor del interior de la tierra se les conoce como unidades geotrmicas.
Los ingenios son centrales trmicas que generan energa solo en ciertas pocas del ao, que proviene del uso del bagazo de caa como combustible para generar vapor a alta presin y mover turbogeneradores
En conjunto las restricciones a las cuales se encuentra ligada la generacin de una unidad termoelctrica son las siguientes:
Lmites de produccin: potencia mxima nominal y mnimo tcnico. Tiempos mnimos de funcionamiento y parada. Restricciones de rampa: subida, bajada. Restricciones de nmero de arranques y paradas.
En cuanto a los costos totales en la generacin trmica se encuentran divididos en los siguientes: 11
Costos de arranque: es el costo de poner en funcionamiento una central, tras haber estado desacoplada del sistema durante un determinado periodo de tiempo. Costos de parada: son tpicamente constantes para cada central y representa el desaprovechamiento de combustible y la necesidad de mano de obra que conlleva desacoplar del sistema una central.
Costos de produccin: incluye costos de combustible, de operacin y mantenimiento. Estos costos se dividen a su vez en costos fijos y costos variables.
En el presente trabajo por motivos de reducir el tiempo de clculo en la realizacin del despacho hidrotrmico se eliminarn las restricciones de tiempos mnimos de funcionamiento, parada, restricciones de rampa y nmero de arranques y paradas.
En cuanto a la operacin econmica de sistemas termoelctricos es de inters la curva caractersticas de entrada salida de una unidad trmica, ya que en ella se indica cunto es el costo de producir cierta cantidad de potencia. La entrada en esta curva puede venir especificada en trminos de dlares por hora, toneladas de carbn por hora o en pies cbicos de gas por hora y la salida es la potencia elctrica expresada en megawatts. En la Figura 2.1 se llama H a la entrada de energa en forma de calor medida en unidades de MBtu/h, sea f el costo de producir un MBtu medido en $/MBtu. Para obtener la curva de costos totales F se multiplica H y f cuyas unidades vienen expresadas en $/h. Adems se muestra una curva caracterstica de entrada salida de una unidad en forma idealizada, se puede apreciar que la operacin de unidades trmicas est acotada por potencias mnima y mxima.
12
Figura 2.1 Curva caracterstica entrada-salida de unidades trmicas [Wood, Wollenberg, 1996:p22]
2.2.2
Unidades Generadoras Hidroelctricas.
Una unidad hidroelctrica es aquella que mediante el uso de una turbina acoplada con un generador convierte la energa cintica de una masa de agua en movimiento en energa mecnica de rotacin mediante una turbina hidrulica. La energa mecnica de rotacin se emplea para accionar un generador elctrico y as producir energa elctrica, generalmente pueden haber dos tipos de centrales hidroelctricas:
Centrales hidroelctricas de pasada: son aquellas que aprovechan el paso del agua para generar electricidad. No es posible almacenar grandes volmenes de agua, por lo que la generacin debe seguir las fluctuaciones de agua disponible.
Centrales hidroelctricas de embalse: se caracterizan por que poseen la capacidad de almacenar grandes volmenes de agua y por ende energa. Segn la capacidad de almacenamiento del embalse puede hacerse una regulacin estacional o anual. La energa almacenada debe usarse en el momento ms oportuno para reducir costos de operacin del sistema en su conjunto.
Las centrales hidroelctricas usan la energa almacenada desplazando la generacin trmica y los costos asociados al consumo de combustible. Ya que la disponibilidad de energa hidroelctrica est limitada por la capacidad de almacenamiento en los embalses, se introduce una dependencia entre la decisin operativa de hoy y los costos de operacin en el futuro. En consecuencia el uso del agua en
13
un periodo de programacin afecta la disponibilidad energtica en los periodos siguientes como se puede observar en la figura 2.2.
Figura 2.2 Proceso de decisin para sistemas hidrotrmicos.
En conjunto las restricciones a las cuales se encuentra ligada la generacin de una unidad hidroelctrica son las siguientes:
Cotas mnima y mxima de embalse: La cota es el valor de la altura a la que se encuentra la superficie del embalse con respecto al nivel del mar. En las centrales hidroelctricas no pueden operar para cotas demasiado bajas en el embalse, debido a la disminucin de eficiencia y tampoco en cotas demasiado altas para evitar desperdicio de agua a travs de un vertimiento.
Dinmica hidrulica propia de cada embalse: la cual consiste en tomar en cuenta caudales de entrada, influjos, descarga de la planta, vertimiento, evaporacin de agua en embalses y filtraciones.
Existencia de centrales en cascada: la existencia de centrales en serie o en cascada hidrulica implica que el caudal de entrada de las centrales aguas abajo depender de la descarga de centrales aguas arriba. Adems debe considerarse el tiempo que demora el agua en llegar de un embalse a otro.
La curva caracterstica de entrada salida de una unidad hidroelctrica es similar a una trmica, la entrada es en funcin al volumen de agua por unidad de tiempo y su salida es la potencia elctrica. En la figura 2.3 se observa una curva tpica de entrada salida para una unidad hidroelctrica con
14
cota de embalse constante, esta caracterstica muestran una curva casi lineal de la entrada de volumen de agua por unidad de tiempo como una funcin de potencia de salida, pero a medida que se incrementa demasiado el volumen de agua la eficiencia de la unidad hidroelctrica disminuye.
Figura 2.3 Curva de entrada-salida de una unidad hidroelctrica con cota de embalse constante [Wood, Wollenberg, 1996:p21]
Debido a que la mayora de unidades hidroelctricas no son con cota de embalse constante, lo cual se debe a que los influjos no son constantes a travs de todo el ao y siendo esta la principal alimentacin del embalse es un poco ms difcil de hacer el despacho econmico que si fuera uno de cabeza constante, lo que se tiene es una curva entrada salida con mltiples curvas a considerar, en la figura 2.4 se muestra una planta hidroelctrica de cabeza variable la cual muestra diferentes curvas, cada una correspondiente a una cabeza distinta. La curva de costo incremental de este tipo de planta es similar a una de cota de embalse constante, la diferencia es que se tiene ms de una curva a considerar.
15
Figura 2.4 Curva de entrada-salida de una unidad hidroelctrica con cota de embalse variable [Wood, Wollenberg, 1996:p22]
2.3
Modelos para hacer uso ptimo del agua en sistemas Hidrotrmicos.
En un SEP como el de El Salvador que cuentan con un porcentaje considerable de generacin hidrulica, la coordinacin hidrotrmica es el primer paso para elaborar los programas de generacin. La coordinacin hidrotrmica consiste en determinar el uso ptimo del agua disponible en los embalses a lo largo del horizonte de programacin.
Para llevar a cabo una adecuada coordinacin hidrotrmica hay ciertos aspectos de especial relevancia que se deben tomar en cuenta:
Prediccin de la demanda: Debe disponerse de modelos predictivos adecuados a las particularidades del sistema, tanto para las predicciones de corto plazo, como de mediano y largo plazo.
Modelo hidrolgico: Debe disponerse de una base de datos para cada central (influjo natural, lluvia, estiaje, energa generada, niveles de embalse, costos de oportunidad del agua).
Debido a la existencia de ciclos hidrolgicos y a las limitaciones en la capacidad de los embalses, la coordinacin hidrotrmica y la elaboracin de los programas tentativos de generacin deben involucrar distintos horizontes de tiempo los cuales dependen entre as como se observa en la figura
16
2.5, estos se hacen por medio de modelos probabilsticos de largo, mediano y corto plazo los cuales son presentados a continuacin.
Figura 2.5 Organizacin de la planeacin a largo, mediano y corto plazo
2.3.1
Modelos de largo plazo
El primer paso para elaborar un programa de generacin hidrotrmica es desarrollar una estrategia de operacin de largo plazo (uno a cinco aos). La elaboracin de esta estrategia debe tomar en cuenta las predicciones de consumo, diferentes escenarios hidrolgicos, variaciones anuales y estacionales de las reservas hidrulicas, los valores y costos esperados de generacin trmica, planes de obra, los factores de indisponibilidad de cada unidad y las probabilidades de escasez de energa.
Los modelos de largo plazo consideran una representacin simplificada de la oferta y demanda del sistema para llevar a cabo simulaciones. La estrategia de la operacin de largo plazo debe arrojar como resultados los montos de energa generada termoelctrica e hidroelctricamente en una base mensual de forma de asegurar un suministro energtico al menor costo posible. La idea es minimizar el costo de operacin a travs del uso ptimo de recursos hidrulicos. . Generalmente este tipo de estudios se realiza para planificar la expansin del sistema, tanto en generacin como transmisin, en el cual se evala la adecuacin del sistema para suplir la demanda en el horizonte evaluado.
17
2.3.2
Modelos de mediano plazo
Tomando como referencia los resultados entregados por la estrategia de largo plazo, debe simularse el modelo de mediano plazo. En esta simulacin se debe determinar el criterio de operacin ptimo de los embalses para un horizonte anual en etapas mensuales o semanales.
Los modelos de mediano plazo deben usar informacin ms detallada que los modelos de largo plazo. Si bien utilizaban una representacin simplificada de la oferta y la demanda del sistema, esta representacin es ms desagregada que la de los modelos de largo plazo. Adems, deben tomarse en cuenta aspectos tales como la coordinacin de los programas de mantenimiento y los contratos de intercambio de energa, entre otros. Segn el tipo de modelo de mediano plazo que se use, los resultados de la simulacin pueden corresponder a las cotas de cada embalse para cada semana del periodo de anlisis.
Debido a la naturaleza estocstica de la disponibilidad del agua, el proceso de optimizacin (tanto largo como mediano plazo) debe tomar en cuenta diferentes escenarios hidrolgicos, para posteriormente conducir a una solucin ptima.
2.3.3
Modelos de corto plazo
La coordinacin hidrotrmica de corto plazo consiste en decidir la cantidad de agua que se usar de los embalses en cada etapa (horaria) del horizonte de programacin (semanal). El objetivo es minimizar los costos de combustible de las unidades termoelctricas, cumpliendo simultneamente las restricciones de operacin (tanto elctricas como hidrulicas) y tomando como referencia los resultados obtenidos de la simulacin de los modelos de mediano y largo plazo. [Gil, 2001: p. 22].
La coordinacin hidrotrmica de corto plazo est relacionada con la distribucin de la generacin (reparticin de carga) entre las distintas centrales hidroelctricas para cada hora del horizonte de planificacin, considerando las distintas restricciones de operacin del sistema. 2.4 Poltica Operativa del SDDP.
El despacho hidrotrmico estocstico con restricciones de red, es el mtodo de abordaje al problema realizado por el SDDP, es un modelo de coordinacin hidrotrmica con representacin de la red de 18
transmisin y es utilizado en los estudios operativos de corto, mediano y largo plazo. El modelo calcula la poltica operativa estocstica de un mnimo costo de un sistema hidrotrmico llevando en cuenta los siguientes aspectos:
Detalles operativos de las plantas hidroelctricas Detalles de plantas trmicas Incertidumbre hidrolgica Detalles del sistema de transmisin Variacin de demanda por escalones y por barra del sistema, con etapas mensuales o semanales
Todos los resultados detallados del modelo SDDP se colocan en archivos con el formato *.csv. Estos archivos poseen informacin relevante la cual ser utilizada para la realizacin de este estudio, entre estas se encuentran:
Generacin trmica Generacin hidroelctrica Volumen final de cada etapa Turbinamiento Vertimiento Energa afluente Energa almacenada Influjos Dficit del sistema Costo operativo trmico Costo de oportunidad del agua Costo marginal de la demanda Demanda pronosticada
Debido a que los caudales afluentes son de naturaleza estocstica, se deben considerar (en el SDDP) diferentes escenarios hidrolgicos con una planeacin anual con un horizonte de 52 semanas. Estos escenarios hidrolgicos sern conocidos como series hidrolgicas sintticas. El SDDP pronostica 50
19
escenarios hidrolgicos distintos, los cuales consideran desde un ao muy seco, hasta un ao muy hmedo.
Figura 2.6 Representacin de una serie hidrolgica sinttica
En la figura2.6 se presenta un esquema donde cada ramificacin es una serie hidrolgica sinttica, donde la toma de decisin es evitar un caso de vertimiento o de dficit de energa.
En la tabla 2.1 se presentan la energa hidroelctrica anual en GWh de cada uno de los 50 escenarios hidrolgicos simulados por el SDDP. Las 3 series resaltadas son la serie representativa seca (serie 3), la serie representativa normal (serie 23) y la serie representativa hmeda (serie 4). Estas series sern relevantes en el captulo 5 donde se presentaran PAMM ptimos de acuerdo a la serie hidrolgica simulada.
20
Tabla 2.1 Datos de energa hidroelctrica anual por serie hidrolgica [SDDP, 2013]
Serie 21 9 39 27 6 19 8 13 35 4 34 20 47 31 44 36 15 37 7 45 2 14 32 26 23
E Hidro 2490.909 2461.71 2461.25 2451.015 2450.51 2431.281 2423.178 2415.012 2398.876 2380.8 2367.245 2362.877 2330.55 2316.022 2288.439 2279.75 2247.759 2234.319 2223.447 2205.918 2203.302 2183.196 2179.659 2150.072 2141.528
P exc
Serie
E Hidro 2126.656 2111.23 2086.868 2079.368 2043.76 1994.911 1944.782 1933.093 1917.573 1910.543 1898.191 1872.836 1865.554 1847.443 1829.943 1818.169 1714.818 1681.571 1557.044 1538.931 1525.156 1434.849 1390.078 1389.823 961.223
P exc 52% 54% 56% 58% 60% 62% 64% 66% 68% 70% 72% 74% 76% 78% 80% 82% 84% 86% 88% 90% 92% 94% 96% 98% 100%
2% 30 4% 11 6% 40 8% 29 10% 43 12% 28 14% 46 16% 48 18% 24 20% 16 22% 10 24% 5 26% 41 28% 1 30% 49 32% 33 34% 25 36% 38 38% 50 40% 3 42% 42 44% 22 46% 17 48% 18 50% 12
Los archivos que poseen una relacin con la generacin hidroelctrica representan sus datos basndose en los escenarios de las series hidrolgicas sintticas, para motivos de este estudio solo se utilizarn los siguientes: 21
Generacin hidroelctrica: Posee las energas semanales de generacin de cada central hidroelctrica, estas energas depende de la serie hidrolgica sinttica. Volumen final de cada etapa: Posee los niveles del embalse de cada central en determinada semana y serie. Estos niveles limitan la potencia mxima que puede entregar la central hidroelctrica.
Costo de oportunidad del agua: Es el costo que refleja el beneficio econmico futuro de la energa hidroelctrica.
Los archivos que no poseen una relacin con la generacin hidroelctrica pero son necesarios para la realizacin de este estudio son:
Costo operativo trmico: Los cuales incluyen el costo del combustible ms el costo de operacin y mantenimiento de las plantas trmicas. Demanda pronosticada: Es un pronstico de demanda relacionado con el ao a simular, este con una planificacin anual con horizonte de 52 semanas, cada semana se divide en 5 bloques de energa con distinta duracin.
En el presente estudio cuyo propsito es la optimizacin de PAMM se plantea un escenario en el SDDP donde no se consideran mantenimientos y se obtienen todos los datos anteriormente mencionados. El PAMM ser considerado a la hora de llevar a cabo la coordinacin hidrotrmica.
A continuacin se presenta un ejemplo de potencia mxima disponible de las centrales hidroelctricas. Se utilizar la poltica operativa del SDDP la cual da como parte de los resultados los niveles del embalse en determinada semana por serie hidrolgica sinttica.
2.4.1
Central Hidroelctrica Guajoyo
Es una central tipo embalse que posee solo una unidad hidroelctrica y su potencia instalada es de 19.8 MW, debido a que el nivel de embalse no se puede mantener constante en todo el ao esta potencia mxima se ve reducida de acuerdo al nivel del embalse, como se puede observar en la figura 2.7.
22
Guajoyo 30
25
20
Potencia maxima
15
10
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura 2.7 Lmite de potencia mxima semanal de la unidad 1 de la central Hidroelctrica Guajoyo, a lo largo del ao
2.4.2
Central Hidroelctrica Cerrn Grande
Es una central tipo embalse que posee dos unidades hidroelctrica con una potencia mxima es de 86.4 MW cada una, es decir una potencia instalada por central de 172.8 MW, debido a que el nivel de embalse no se puede mantener constante en todo el ao esta potencia mxima se ve reducida de acuerdo al nivel del embalse en el transcurso del ao, como se puede observar en la figura 2.8.
23
Cerron Grande 100
90
80
70
Potencia maxima
60
50
40
30
20
10
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura 2.8 Lmites de potencia mxima semanales de una de las unidad de la Central Hidroelctrica Cerrn Grande a lo largo ao.
2.4.3
Central Hidroelctrica 15 de Septiembre
Es una central hidroelctrica de pasada que posee dos unidades hidroelctricas y su potencia mxima es de 92.5 MW cada una. Debido a que no es posible almacenar grandes volmenes de agua la generacin sigue los patrones de fluctuacin de agua disponible, como se puede observar en la figura 2.9.
24
15 de Septiembre 100
90
80
70
Potencia maxima
60
50
40
30
20
10
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura 2.9 Lmites de potencia mxima semanales de las una de las dos unidades de la Central Hidroelctrica 15 de Septiembre a lo largo del ao.
2.4.4
Central Hidroelctrica 5 de Noviembre
Es una central hidroelctrica de pasada que posee cinco unidades hidroelctricas y su potencia mxima es de 20 MW para las unidades 1 a 3, 18 MW la unidad 4 y 21 MW la unidad 5. Debido a que no es posible almacenar grandes volmenes de agua la generacin sigue los patrones de fluctuacin de agua disponible, como se puede observar en la figura 2.10.
25
5 de Noviembre 120
100
80
Potencia maxima
60
40
20
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura 2.10 Lmites de potencia mxima semanales de la Central Hidroelctrica 5 de Noviembre a lo largo del ao.
2.5
Modelado de la Demanda.
Para evaluar el costo del despacho hidroelctrico para un PAMM especfico es necesario el uso de un modelo de demanda. Este modelo debe ser predictivo y adecuado a las particularidades del sistema. Este modelo es obtenido de los archivos de salida que genera el SDDP el cual consiste en 5 bloques de energa semanal, cada bloque con duracin distinta como se observa en la figura 2.11 en la cual se simula la semana 20 del ao 2013. La duracin de cada bloque se observa en la tabla 2.2 esta duracin es obtenida de la Planificacin Anual Indicativa 2013 2014 [UT, 2013: p. 10].
26
Modelado de demanda semanal por bloques 1000 900 800 700

Demanda [MWh]
600 500 400 300 200 100 0
20
40
60
80 100 Duracion [h]
120
140
160
Figura 2.11 Demanda semanal modelada por bloques.
Tabla 2.2 Duracin en horas de cada bloque de demanda semanal, donde el bloque uno es el de mayor intensidad y el bloque 5 de menor intensidad. Bloque 1 2 3 4 5 Duracin [h] 10 45 34 35 44 168
Debido a que la duracin de los mantenimientos no son semanas exactas tenemos la necesidad de desacoplar los datos de la demanda semanal a una demanda diaria, este dato es suministrado en la tabla 2.3 la cual posee la cantidad de bloques que posee el da con duraciones de 1 hora esta duracin es obtenida de la Planificacin Anual Indicativa 2013 2014 [UT, 2013: p. 10].
27
Tabla 2.3 Datos de la duracin horaria por bloques para cada da de la semana
Hora 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 B1 B2 B3 B4 B5 TOTAL Lunes 5 5 5 5 5 5 4 4 3 2 2 1 2 2 1 2 2 3 2 2 2 3 4 4 2 9 3 4 6 24 Martes 5 5 5 5 5 4 4 3 3 2 2 1 2 2 1 2 2 3 2 2 2 3 4 4 2 9 4 4 5 24 Miercoles 5 5 5 5 5 4 4 3 3 2 2 1 2 2 1 2 2 3 2 2 2 3 4 4 2 9 4 4 5 24 Jueves 5 5 5 5 5 4 4 3 3 2 2 1 2 2 1 2 2 3 2 2 2 3 4 4 2 9 4 4 5 24 Viernes 5 5 5 5 5 4 4 3 3 2 2 1 2 2 1 2 2 3 2 2 2 3 4 4 2 9 4 4 5 24 Sbado 5 5 5 5 5 5 5 4 3 3 3 3 3 3 3 3 4 4 3 3 3 3 4 5 0 0 12 4 8 24 Domingo 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 4 3 3 3 4 4 5 0 0 3 11 10 24
10 45 34 35 44 168
El resultado del desacople de demanda semanal a demanda horaria puede ser observado en la figura 2.12. Esta es una demanda horaria modelada con 5 bloques pero ordenada de manera cronolgica con una duracin de 168 horas.
28
Modelado de demanda diario cronologico 1000 900 800 700

Demanda [MWh]
600 500 400 300 200 100 0
20
40
60
80 100 Duracion [h]
120
140
160
Figura 2.12 Demanda horaria cronolgica modelada haciendo uso de 5 bloques semanales.
Por motivos de simplificacin se modela la demanda de manera no cronolgica en bloques de mayor a menor diario como se observa en la figura 2.13.
Modelado de demanda diario por bloques 1000 900 800 700

Demanda [MWh]
600 500 400 300 200 100 0
20
40
60
80 100 Duracion [h]
120
140
160
Figura 2.13 Demanda horaria no cronolgica
29
2.6
Compromiso de Unidades.
En la introduccin de este captulo se mencion que el despacho econmico consiste en determinar la reparticin ptima de carga entre las unidades generadoras termoelctricas disponibles de modo que el costo de generacin sea el menor posible, a continuacin se desarrolla con mayor detalle cmo se realiza.
Sucede que la demanda a suplir por un grupo de generadores no es constante a lo largo del tiempo, la demanda es generalmente ms alta los das hbiles (de lunes a viernes) que los semi-feriados (sbado) y feriados (domingo). Pero Por qu es un problema para la operacin del SEP? Por qu no simplemente se comprometen unidades suficientes para suplir la demanda y dejarlas operando? Debemos notar que comprometer una unidad generadora en trminos prcticos es encenderla, lo que implica llevar la unidad generadora a la velocidad sncrona para poder acoplarla al sistema y que pueda brindar energa al sistema. El problema de comprometer unidades suficientes y dejarlas operando es de ndole tcnico econmico.
La reserva rodante es el trmino que se utiliza para describir la cantidad total de generacin disponible de todas las unidades sincronizadas en el sistema, menos la demanda que se est abasteciendo y las perdidas en el sistema. La reserva rodante es utilizada durante la operacin en tiempo real cuando una o ms unidades generadoras presenten fallas y es necesario regresar rpidamente al balance carga generacin. Si una unidad falla debe de haber la reserva suficiente para compensar la demanda en un tiempo especificado.
La reserva rodante debe asignarse para obedecer los niveles de confiabilidad del sistema de generacin, el cual se detalla en el anexo Calidad y Seguridad Operativa del Sistema del ROBCP. En algunos casos la norma especfica que la reserva debe de ser un porcentaje con respecto a la demanda ms prdidas, o que la reserva debe de ser capaz de compensar la prdida de la unidad ms cargada en un periodo determinado de tiempo. Para este trabajo se tomar en cuenta los requisitos de reserva de acuerdo a los requerimientos del ROBCP.
Las tcnicas ms comunes para la solucin del compromiso de unidades son:
Esquemas de lista de prioridades Programacin dinmica 30
Relajacin de Lagrange
En el presente trabajo se utilizar el esquema de lista de prioridades, la cual se construye a partir de los costos variables de cada generador ordenndolos de menor a mayor, como se muestra en la siguiente tabla:
Tabla 2.4 Lista de prioridades de las centrales generadoras ($/MWh) [SDDP, 2013] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 lang-g1 cass-g1 chap-g1 lcab-g1 berl-u3 berl-u2 berl-u1 ahua-u3 ahua-u2 ahua-u1 berl-u4 tpto-m1 tpto-m2 tpto-m3 tpto-m4 taln-m1 taln-m2 taln-m3 acaj-m1 acaj-m2 acaj-m3 0.418 0.423 0.578 0.833 1.538 1.734 2.016 2.585 3.428 3.848 5.697 135.3 135.3 135.3 135.3 145 145 145 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 acaj-m4 acaj-m5 acaj-m6 taln-m4 taln-m5 taln-m6 taln-m7 taln-m8 taln-m9 acaj-m7 acaj-m8 acaj-m9 text-m6 text-m7 text-m5 text-m1 text-m2 text-m3 text-m4 nepo-g1 152.31 42 152.31 43 152.31 44 152.38 45 152.38 46 152.38 47 152.38 48 152.38 49 152.38 50 154.29 51 154.29 52 154.29 53 157.72 54 157.72 55 158.96 56 162.54 57 162.54 58 163.03 59 163.03 60 175.29 61 soya-g1 hilc-m1 hilc-m2 hilc-m3 hilc-m4 gcsa-m1 gcsa-m2 gcsa-m3 bore-m1 bore-m2 bore-m3 bore-m4 bore-m5 bore-m6 bore-m7 bore-m8 acaj-u1 acaj-u2 acaj-u5 acaj-u4 177.58 179.6 179.6 179.6 179.6 196.33 196.33 196.33 204.47 204.47 204.47 204.47 204.47 204.47 204.47 204.47 236.05 239.62 316.74 377.91
152.31 40 152.31 41 152.31
Se desea modelar por lista de prioridades a las unidades hidroelctricas, primero se debe de comparar con las unidades trmicas. El recurso primario que utilizan las unidades hidroelctricas es el agua, que tiene un costo asociado de oportunidad de agua que al momento de optimizar el 31
despacho se toma de cero para empuntar la energa hidroelctrica y luego a esta energa se le aplica el costo de oportunidad del agua. Por lo que estas unidades presentan una gran ventaja econmica cuando se comparan con las unidades trmicas, que como se explic anteriormente el costo de produccin depende del costo del combustible. Para un determinado periodo de tiempo resulta ms conveniente para el sistema que las unidades hidroelctricas cubran los picos de demanda ya que de esta manera se minimiza el uso del recurso trmico de mayor costo.
En el presente trabajo por motivos de reducir el tiempo de clculo en la realizacin del despacho hidrotrmico se realizar una agrupacin de unidades generadoras en centrales generadoras, en la cual todas sus unidades generadoras tienen el mismo costo de operacin y forman parte del mismo PM. Tambin la suma de todas las potencias mximas de las unidades ser la potencia mxima de la central generadora.
2.7
Coordinacin Hidrotrmica.
En la operacin de un sistema de potencia hidrotrmico los problemas a solucionar dependen generalmente de encontrar un balance entre la generacin hidroelctrica y trmica con la carga a suplir, de tal manera que los costos de operacin sean mnimos.
La coordinacin de esos sistemas hidrotrmicos es un problema complejo ya que debe programar la energa a generar (sujeto a restricciones como niveles mnimos y mximos de los embalses, influjos de agua, etc.) para satisfacer la demanda y adems minimizar los costos de produccin de las plantas trmicas.
Algunas tcnicas desarrolladas para programar estos sistemas consisten en asignar un costo al agua y luego hacer el despacho econmico de carga como en un sistema trmico convencional. En sistemas donde la mayor componente de generacin es hidroelctrica puede hacerse un despacho con mnimos costos para la generacin trmica.
En el presente trabajo se desarrollar una coordinacin hidrotrmica utilizando metas de energa hidrulica semanal a ser despachada por cada central, estas metas de energa son otorgadas por la poltica operativa del SDDP la cual realiza una planeacin de la energa hidroelctrica anual (horizonte de 52 semanas) dando 50 series sintticas en las cuales se evalan 50 casos con el pronstico de demanda del presente ao. Estos escenarios hidrolgicos van desde un ao muy 32
hmedo, hasta un ao muy seco. Se utiliza el esquema de despacho por 5 bloques semanales para representar la curva de demanda con el objetivo de hacer menos intenso el esfuerzo computacional y reducir los tiempos de cmputo.
Debido a que se trabaja con las metas de energa hidroelctrica semanal a cumplir no se aplica un costo a la energa hidroelctrica en el programa de coordinacin hidrotrmica, de esta forma se despachan en los momentos ptimos y minimizan los costos de produccin de las plantas trmicas. Despus de haber realizado la coordinacin hidrotrmica semanal, al costo del despacho semanal se le agrega el costo de oportunidad del agua a la energa despachada por cada central hidroelctrica en la semana, este costo de oportunidad vara dependiendo en la semana que nos encontramos del ao y dependiendo de la serie sinttica utilizada. Y como ltimo punto se agrega un costo al dficit de energa en la semana. Todos estos costos generan la funcin objetivo de coordinacin hidrotrmica.
2.7.1
Planteamiento de coordinacin Hidrotrmica (sin simplificacin)
En esta seccin se describe el planteamiento del problema de la coordinacin hidrotrmica considerando todas las variables involucradas que esta conlleva. Esta es la manera ideal para la realizacin de coordinacin hidrotrmica semanal con intervalos horarios.
Funcin a minimizar:
* (
)+
(Ec. 2.1)
Sujeto a:
Restricciones de demanda:
(Ec. 2.2)
33
Restricciones de unidades trmicas:
(Ec. 2.3) (Ec. 2.4) (Ec. 2.5)
Restricciones de unidades hidroelctricas:
(Ec. 2.6) (Ec. 2.7) (Ec. 2.8)
Flexibilidad de ubicacin de los mantenimientos:
(Ec. 2.9)
Plantes trmicas. Plantas hidroelctricas. Nmero de plantas trmicas. Nmero de plantas hidroelctricas. Periodos.
Adems:
Potencia producida por la unidad trmica i. Costo de produccin de la plantas trmica i. Costo de arranque de la maquina i. Costos de parada de la maquina i. Potencia mnima de salida de la unidad trmica i. 34
Potencia mxima de salida de la unidad trmica i. Demanda total del sistema en una hora d. Es la rampa mxima de subida del generador i. Es la rampa mxima de bajada del generador i. Potencia producida en el periodo d por la central hidroelctrica j. Potencia mnima de salida de la central hidroelctrica j. Potencia mxima de salida de la central hidroelctrica j. Volumen mnimo del embalse en el periodo d para la central hidroelctrica j. Volumen del embalse en el periodo d para la central hidroelctrica j. Volumen mximo del embalse en el periodo d para la central hidroelctrica j. Caudal mnimo a ser turbinado en el periodo d para la central hidroelctrica j. Caudal a ser turbinado en el periodo d para la central hidroelctrica j. Caudal mximo a ser turbinado en el periodo d para la central hidroelctrica j. Dficit de potencia Costo de la Unidad de Racionamiento Forzado
2.7.2
Planteamiento de coordinacin Hidrotrmica Simulada (con Simplificaciones)
Para propsitos de la realizacin de este estudio se presentan las ecuaciones de la coordinacin hidrotrmica que se aborda. Esta funcin objetivo ya incluye los mantenimientos de las unidades generadoras para la evaluacin del despacho, se eliminan los costos de arranque y de parada de las maquinas trmicas y se agrega el costo de oportunidad del agua a la generacin hidroelctrica.
Las unidades trmicas se agrupan en centrales generadoras, donde la potencia mxima de la central es la suma de potencias mximas del conjunto de unidades que la conforman, y la potencia mnima de las maquinas se relaja a cero para llevar a cabo el compromiso de unidades.
En el caso de las centrales hidroelctricas se eliminan las restricciones de caudal turbinado y se agrega una nueva restriccin de metas de energa a producir por cada central hidroelctrica en una
35
semana. Adems se agrega la cota del embalse la cual limitar la potencia mxima de la central en la semana especfica. Funcin a minimizar:
* (
(Ec. 2.10)
Restricciones de demanda:
(Ec. 2.11)
(Ec. 2.12)
(Ec. 2.13) (Ec. 2.14) (Ec. 2.15)
(Ec. 2.16)
Centrales trmicas. Centrales hidroelctricas. Numero de Centrales trmicas. Numero de Centrales hidroelctricas. 36
Da de la semana. Hora de la semana.
Adems:
Potencia producida por la Centrales trmica i. Costo de produccin de la central trmica i. Potencia mxima de salida de la central trmica i. Demanda total del sistema en una hora d. Potencia producida en el periodo d por la central hidroelctrica j. Potencia mxima de salida de la central hidroelctrica j. Volumen mnimo del embalse en el periodo d para la central hidroelctrica j. Volumen del embalse en el periodo d para la central hidroelctrica j. Volumen mximo del embalse en el periodo d para la central hidroelctrica j. Dficit de potencia Costo de la Unidad de Racionamiento Forzado Disponibilidad de las unidades generadoras. Meta de energa semanal para cada central hidroelctrica j. Costo de oportunidad del agua
2.7.3
Resultados de Coordinacin hidrotrmica Simulada (con Simplificaciones)
Como ejemplo se presentar la simulacin de la semana 25 que corresponde a la fecha de 24 al 30 de junio utilizando el pronstico de demanda para el ao 2013 para dos series hidrolgicas sintticas del SDDP, una representado un ao hidrolgico seco y la otra un ao hidrolgico hmedo.
En la figura 2.14. Se presenta una coordinacin hidrotrmica de la semana 25 usando la serie hidrolgica sinttica mas hmeda (en este caso es la serie 21 del SDDP). Adems en la figura 2.15 se presenta los porcentajes de energa para cumplir la demanda semanal de acuerdo a su composicin. Los porcentajes de energa hidroelctrica dependen exclusivamente de la serie
37
hidrolgica sinttica utilizada. La cota de los niveles de los embalses de las centrales hidroelctricas se obtiene de la poltica operativa del SDDP y son presentados en la tabla 2.5.
Tabla 2.5 Datos obtenidos del SDDP para la simulacin de la coordinacin hidrotrmica serie hmeda Central Cota (msnm) Potencia mx. Semanal [MW] Potencia mx. Instalada [MW] Energa Semanal [GWh] GUAJ 420.9 11.8997 19.8 0.88888 CGRA 230.96 132.8662 172.8 11.39269 05-nov 180 99 99 13.8683 15SE 48.04 180.013 185 25.9624
1000 900 800 700

Demanda [MWh]
Generacin Hidro Generacin Trmica Generacin Geotrmica Dficit
600 500 400 300 200 100 0
20
40
60
80 100 Duracion [h]
120
140
160
Figura 2.14 Coordinacin hidrotrmica de semana 25 serie hidrolgica hmeda
38
Generacin Hidro: 42%
Generacin Geotrmica: 23%
Generacin Trmica: 36%
En la figura 2.16. Se presenta una coordinacin hidrotrmica de la semana 25 usando la serie hidrolgica sinttica ms seca (en este caso es la serie 12 del SDDP). Adems en la figura 2.17 se presenta los porcentajes de energa para cumplir la demanda semanal de acuerdo a su composicin. Los porcentajes de energa hidroelctrica dependen exclusivamente de la serie hidrolgica sinttica utilizada. La cota de los niveles de los embalses de las centrales hidroelctricas se obtiene de la poltica operativa del SDDP y son presentados en la tabla 2.6.
Tabla 2.6 Datos obtenidos del SDDP para la simulacin de la coordinacin hidrotrmica serie seca
Central Cota (msnm) Potencia mx. Semanal [MW] Potencia mx. Instalada [MW] Energa Semanal [GWh]
GUAJ 420 10.8234 19.8 1.530249
CGRA 229.91 129.6934 172.8 4.82173
05-nov 176 91.5 99 7.73161
15SE 47.933 180.013 185 6.62197
39
1000 900 800 700

Demanda [MWh]
Generacin Hidro Generacin Trmica Generacin Geotrmica Dficit
600 500 400 300 200 100 0
20
40
60
80 100 Duracion [h]
120
140
160
Figura 2.16 Coordinacin hidrotrmica de semana 25 serie hidrolgica seca
Generacin Geotrmica: 23%
Generacin Hidro: 18%
Generacin Trmica: 60%
Con este ejemplo se puede observar los distintos escenarios que presentan las series hidrolgicas sintticas que otorga el SDDP, adems se presenta la dependencia de energa hidroelctrica con respecto a la serie hidrolgica sinttica simulada. 40
2.7.4
Modelo Matemtico.
A continuacin se presenta un diagrama que resume los procedimientos que se realizan para hacer la optimizacin del despacho mediante la funcin linprog del programa MATLAB, el proceso se repite para cada semana del ao y actualiza los valores respectivos de demanda, cotas de los embalses, disponibilidad de la mquinas cada da de la semana, los costos de generacin y la energa que utilizar cada central hidroelctrica.
5 Bloques de Demanda Semanal (SDDP) Cotas de Centrales Hidro (SDDP) Limites de Potencia de Unidades Gen. PAMM Propuesto por Algoritmo Evolutivo Costos variables de Unidades (SDDP) Costo de Oportunidad del Agua () Energa Semanal por Central Hidro (SDDP) Funcin Objetivo de Costos Optimizacin de Despacho Limites de Potencia de Unidades Disp. Agrupacin de Unidades a Centrales Limites de Potencia de Centrales Gen. Modelado de Demanda Horaria en 5 Bloques 5 Bloque de Demanda Diaria No Cronologico Matriz de Demanda Semanal
Costos de la Funcin Objetivo
Figura 2.18 Esquema general de coordinacin hidrotrmica.
A continuacin se presenta la formulacin de la funcin objetivos de costos para realizar la optimizacin del despacho hidrotrmico
41
* (
(Ec. 2.17)
(Ec. 2.18)
(Ec. 2.19)
(Ec. 2.20) (Ec. 2.21) (Ec. 2.22)
(Ec. 2.23)
Centrales trmicas. Centrales hidroelctricas. Numero de Centrales trmicas. Numero de Centrales hidroelctricas. Da de la semana. Hora de la semana.
Adems:
Potencia producida por la Centrales trmica i. Costo de produccin de la central trmica i. 42
Potencia mxima de salida de la central trmica i. Demanda total del sistema en una hora d. Potencia producida en el periodo d por la central hidroelctrica j. Potencia mxima de salida de la central hidroelctrica j. Volumen mnimo del embalse en el periodo d para la central hidroelctrica j. Volumen del embalse en el periodo d para la central hidroelctrica j. Volumen mximo del embalse en el periodo d para la central hidroelctrica j. Dficit de potencia Costo de la Unidad de Racionamiento Forzado Disponibilidad de las unidades generadoras. Meta de energa semanal para cada central hidroelctrica j. Costo de oportunidad del agua
Como se puede observar es solo una parte de la funcin objetivo mostrada en el captulo 1, con la variante de que la optimizacin se realiza para las 52 semanas del ao debido a la forma que se ha abordado el problema.
El objetivo es obtener el costo total del ao para un PAMM especfico, con el propsito de poder evaluar para diferentes planes de mantenimiento y poder comparar los costos de cada uno de ellos, lo que realizar el algoritmo gentico que se observar en el captulo 4 del presente trabajo.
43
CAPITULO 3. ANALISIS DE CONFIABILIDAD
3.1
Introduccin.
En el presente captulo se desarrolla un modelo de evaluacin de confiabilidad para el Sistema de Generacin de un SEP con la finalidad de obtener indicadores de confiabilidad que representan cuantitativamente las caractersticas de dicho Sistema.
La Corporacin Norte Americana de Confiabilidad Elctrica (NERC, por sus siglas en ingls) define confiabilidad en dos aspectos funcionales:
Adecuacin se refiere a la existencia de infraestructura suficiente en el sistema elctrico para suministrar la demanda de potencia a los consumidores en todo el tiempo, tomando en cuenta eventos que puedan afectar la continuidad del servicio. Describe las condiciones estticas de operacin en el suministro.
Seguridad se refiere a la capacidad del sistema para soportar perturbaciones factibles como cortocircuitos, prdidas de generacin por fallas entre otras contingencias, y seguir suministrando el servicio en forma continua y de calidad despus de las perturbaciones. Describe las condiciones dinmicas del sistema.
Entre los aspectos que afectan la confiabilidad del sistema est la configuracin o topologa del mismo, el tipo de equipo disponible, el estado de operacin, falla y mantenimiento de los equipos, entre otros. Debido a lo anterior es importante evaluar la confiabilidad del sistema desde el punto de vista de la adecuacin, ya que en este trabajo al optimizar el plan de mantenimiento de las unidades generadoras del El Salvador, se toma en cuenta el impacto que ste tiene en la confiabilidad.
Los indicadores que representan la confiabilidad del sistema elctrico estn basados en la frecuencia, duracin y magnitud de eventos que produzcan dficit en el suministro, los cuales se obtienen de la simulacin de una gran cantidad de escenarios posibles a partir de modelos probabilsticos de operacin del sistema.
Ejemplos de indicadores:
44
LOLE (Loss of Load Expectation): Valor Esperado de Prdida de Carga, dado en das/ao u horas/ao. LOEE (Loss of Energy Expectation): Valor Esperado de Prdida de Energa, dado en MWh/ao. LOLP (Loss of Load Probability): Probabilidad de Prdida de Carga, dado en por unidad.
Para el propsito de este trabajo, el indicador a utilizar es LOEE que representa la Energa No Servida por Dficit (ENS) ya que junto con el Costo de Falla o Valor de Perdida de Carga (VOLL) se obtiene el costo que representa la confiabilidad en la funcin objetivo que se pretende optimizar. Mediante el algoritmo gentico se minimizan los costos de operacin y el costo de la ENS, lo que representa un aumento en la confiablidad el sistema.
3.2
Enfoques de Evaluacin.
Existen diferentes enfoques para analizar la confiabilidad en los aspectos de planificacin y operacin en los sistemas de potencia, los cuales se basan en factores determinsticos y probabilsticos.
El enfoque determinstico para evaluar la confiabilidad define qu tan confiable es el sistema mediante la existencia de suficientes reservas en la infraestructura del mismo. Este enfoque tiene la desventaja de no tomar en cuenta fallas o indisponibilidades de elementos que son muy pocos probables que ocurran aunque la severidad de la falla sea sumamente grande y tampoco la aleatoriedad de la demanda, la cual puede distanciarse del pronstico en mayor o menor medida.
Debido a la desventaja de los enfoques determinsticos se crean los enfoques probabilsticos para analizar los aspectos del sistema de potencia. Este enfoque modela la probabilidad de ocurrencia de los eventos que producen dficit en el suministro de energa elctrica, as la falla severa aunque sea poco probable se ver reflejada en la simulacin.
Un ejemplo del enfoque probabilstico son las simulaciones de Monte Carlo, la cual se basa en la generacin de nmeros aleatorios. Esta simulacin crea secuencias operativas ficticias de componentes considerando su aleatoriedad mediante modelos probabilsticos. Debido a que las simulaciones de Monte Carlo son procesos de naturaleza estocstica no alcanzan el nivel de
45
precisin de las tcnicas analticas y solo entregan estimaciones de los resultados reales por los que es necesaria la validacin del modelo.
3.3
Modelado y Anlisis de datos.
Al evaluar la confiabilidad de sistemas de potencia es fundamental describir los componentes que lo integran, de tal forma que se refleje el riesgo que dichos componentes fallen, en este caso las unidades generadoras. Para cada unidad que ser estudiada se utiliza un modelo probabilstico para detallar su comportamiento, el cual describe su disponibilidad.
Un buen modelado de las unidades generadoras es importante para la evaluacin de confiabilidad, debido a que los datos que describen la operacin de los componentes son la base de la simulacin.
3.3.1
Mtodos de Simulacin de Monte Carlo.
El mtodo de simulacin de Monte Carlo es una herramienta de anlisis probabilstico en la cual se realizan mltiples experimentos para reproducir el comportamiento de un proceso. A toda simulacin estocstica que se base en generacin de nmeros aleatorios se le denomina simulacin de Monte Carlo, cabe recalcar que un conocimiento profundo de las caractersticas del objeto a evaluar har que los resultados obtenidos de la simulacin reflejen de mejor manera la realidad.
La simulacin se realiza usando nmeros aleatorios y convirtindolos en funciones de densidad de probabilidad, luego con la observacin de una gran cantidad de experimentos, describir el patrn de comportamiento en los componentes y variables consideradas, adems de estimar valores esperados de los ndices de confiabilidad. Este mtodo es un proceso fluctuante, no hay garanta de la completa convergencia de los ndices, dado esta limitante los mtodos de simulacin se tratan con un intervalo de confianza, el cual aumenta a medida el nmero de muestras crece.
Los mtodos de simulacin de Monte Carlo para evaluar la confiabilidad en sistemas de potencia son clasificados en secuenciales y no secuenciales, lo cual se ve influenciado por la consideracin de la cronologa en la implementacin del procedimiento, de igual manera se tomara en cuenta solamente el mtodo secuencial ya que solo con este se puede obtener el ndice de la Energa No Servida.
46
3.3.2
Mtodo de Monte Carlo Secuencial.
El mtodo de Monte Carlo secuencial toma en orden cronolgico los eventos en el periodo de tiempo evaluado, normalmente realizado en pasos horarios. A esta simulacin tambin se le conoce como muestreo de la duracin de eventos, debido a la generacin aleatoria de los tiempos de residencia en el estado actual del sistema.
La funcin principal de estos modelos probabilsticos para las unidades generadoras es describir la disponibilidad de las mismas. La diferencia entre el mtodo secuencial y el no secuencial radica en que el primero toma en cuenta la secuencia cronolgica de los eventos, lo que implica conocer la duracin de las fallas y a la vez obtener ndices que dependan de ellas, como por ejemplo la Energa No Servida.
Para el propsito de este trabajo se tomar en cuenta solamente el mtodo secuencial, debido que con el otro mtodo se hace imposible encontrar el ndice de ENS ya que no es posible conocer la duracin de las fallas y por lo tanto no se puede conocer la energa que no se servir en un periodo de tiempo determinado.
Para el mtodo secuencial es importante distinguir los generadores base y los generadores pico. Los generadores base son los que estn en servicio a plena carga cuando estn disponibles, excepto en periodos de mantenimientos y fallas. Los generadores pico funcionan de igual manera agregando la limitante que no funcionan en periodos de reserva, esto es cuando la maquina est disponible pero no es necesaria para suplir la demanda al sistema.
3.3.2.1 Modelo de dos estados.
Para las unidades base se describe su comportamiento con un criterio de disponibilidad, el cual indica si el generador puede prestar el servicio o no debido a falla o mantenimiento. El caso del modelo de dos estados describe el comportamiento de los generadores mediante un proceso ficticio de operacin y reparacin que se pueden describir con las tcnicas de Markov, en las cuales la probabilidad de transicin de estados es constante.
47
Figura 3.1. Representacin del modelo de dos estados, donde es la tasa de falla y es la tasa de reparacin.
3.3.2.2 Modelo de mltiples estados.
Para algunas unidades base pueden haber fallas en las que no sea necesario la salida de servicio total, sino una salida parcial del servicio. De esta manera se crea un nuevo estado en el diagrama y ahora es necesario un modelo de mltiples estados para las unidades base.
Figura 3.2. Representacin del modelo de mltiples estados para unidades base, donde transicin desde el estado i hasta el estado j.
representa la
3.3.2.3 Modelo de cuatro estados.
Las unidades pico son las que poseen ciclos de operacin con estados de reserva que es cuando la maquina est disponible pero no es necesario la potencia de dicho generador. Para poder representar el comportamiento de estos generadores es necesario agregar ms estados a los diagramas anteriores, por lo que un grupo del comit en aplicaciones de mtodos probabilsticos del IEEE propuso el siguiente diagrama:
48
Figura 3.3. Representacin del modelo de cuatro estados para unidades pico.
En donde:
T, tiempo promedio desde periodos de reserva hasta periodos donde es requerida. S, tiempo promedio desde periodos donde es requerida hasta periodos de reserva. m, tiempo promedio desde periodos donde el generador est disponible hasta periodos donde el generador no est disponible. r, tiempo promedio desde periodos donde el generador no est disponible hasta periodos donde el generador est disponible. , probabilidad que ocurra una falla durante el arranque de la unidad generadora.
3.3.3
Modelado del Recurso Primario de Generacin.
Hasta el momento el modelo de los datos se ha enfocado desde el punto de vista de las fallas, sin embargo este tipo de eventos no son los nicos que limitan la disponibilidad de las mquinas, sino que tambin influye la aleatoriedad en la disponibilidad de los recursos primarios de generacin.
La existencia de fuentes de energa limitadas conduce a que el asumir la total disponibilidad de los recursos primarios sea errneo, como es el caso de las centrales hidroelctricas. Del nivel de almacenamiento de agua en los embalses depende la energa y potencia que la central pueda entregar en determinado periodo, segn la poltica de manejo del recurso. El estudio de estas centrales se basa en el historial de comportamiento de su reservorio, el cual depende de la hidrologa del aprovechamiento hidroelctrico, en donde factores como las precipitaciones, influjos naturales, perfil climatolgico; producen cambios significativos en el perfil peridico que presentan. 49
Se concluye en utilizar los niveles histricos de embalse como factor que definir la capacidad de cada unidad generadora, tomando como base que dicha historia de comportamiento refleja la aleatoriedad de la hidrologa. La dependencia del nivel de embalse para encontrar la potencia disponible del os generadores se muestra a continuacin:
(Ec. 3.1)
En donde:
P es la potencia de la unidad generadora en Watts. es la eficiencia del grupo generador turbina. es la densidad del agua (1000 . ). ).
es la aceleracin de la gravedad (9.81 es el caudal turbinado en
es el salto neto o desnivel disponible entre el nivel de embalse y el de descarga, ms las perdidas hidrulicas, dado en m.
3.4
Secuencia Operativa.
La secuencia operativa se realiza con los siguientes pasos:
Se especifican las condiciones iniciales de los componentes, se asume que todos los componentes estn disponibles al inicio de la simulacin. Se encuentra la duracin de residencia de estados de cada componente con la distribucin de probabilidad correspondiente. Se repite el paso anterior para completar el periodo de tiempo a evaluar para cada componentes, dando como resultado lo siguiente:
50
Figura 3.4. Secuencia de operacin y reparacin de dos unidades.
Se crea el historial de estados de todo el sistema, como se muestra en la siguiente figura:
Figura 3.5. Combinacin de estados de todo el sistema de generacin.
Se evala el comportamiento de cada estado del sistema para determinar si la demanda puede ser suministrada y se calculan los ndices de confiabilidad.
3.4.1
Modelo Cronolgico de la Demanda.
En el mtodo de simulacin secuencial es necesaria la obtencin de un modelo de demanda que respete la cronologa de los eventos, para esto se utiliz una curva horaria de demanda anual, con el objetivo de comparar cada punto de demanda con la capacidad de generacin del sistema. Este modelo es creado a partir de los pronsticos de energa y potencia mxima semanales, luego mediante factores de desagregacin diarios y de los horarios pico, valle y resto se obtienen los valores de potencia para cada hora, estos datos son proporcionados por la Unidad de Transacciones.
51
3.4.2
Estimacin de ndices de Confiabilidad.
Con la capacidad del sistema de generacin y con el modelo de la demanda ya establecidos, se realiza la evaluacin de todos los escenarios del periodo de tiempo establecido, comparando la capacidad de generacin y de la demanda hora a hora, obteniendo el margen de capacidad que posee el sistema.
Un escenario de dficit en el mtodo secuencial es donde el margen de potencia sea negativo, como se observa en la figura 3.6. En este escenario existe potencia que no es entregada, y que a diferencia del mtodo no secuencial, posee el tiempo en el cual no se suple la demanda. El tiempo de duracin de prdida de carga es importante para determinar el valor de Energa No Servida (ENS) que en conjunto con el VOLL se obtiene el Costo de la Energa No Servida, la cual es la variable a optimizar en la funcin objetivo del presente trabajo.
Figura 3.6. Comparacin de la demanda cronolgica y la capacidad de generacin del sistema.
3.5
Resultados de Anlisis de Confiabilidad.
Para el PAMM propuesto por la UT de la semana 20 de 2013 a la semana 19 de 2014 que se muestra en la tabla 3.1 se calculan los ndices de confiabilidad que muestran en la figura 3.7.
52
Tabla 3.1. PAMM propuesto para el ao 2013-2014. Unidad cgra-u2 cgra-u1 15se-u1 5nov-u2 5nov-u5 5nov-u4 acaj-m9 acaj-m4 acaj-m6 acaj-m5 acaj-u5 acaj-u2 soya-g1 bore-m8 bore-m1 bore-m4 taln-m1 taln-m2 taln-m3 ahua-u2 ahua-u3 berl-u2 berl-u4 hilc-m1 hilc-m2 hilc-m3 hilc-m4 text-m6 text-m7 text-m3 text-m5 text-m4 taln-m9 taln-m5 taln-m4 Inicio 13/05/2013 00:00 29/06/2013 00:00 04/11/2013 00:00 11/01/2014 00:00 01/02/2014 00:00 22/02/2014 00:00 18/05/2013 00:00 13/07/2013 00:00 31/08/2013 00:00 12/10/2013 00:00 13/08/2013 00:00 05/10/2013 00:00 01/07/2013 00:00 14/08/2013 00:00 18/09/2013 00:00 23/10/2013 00:00 22/06/2013 00:00 27/07/2013 00:00 31/08/2013 00:00 09/06/2013 00:00 04/08/2013 00:00 14/10/2013 00:00 14/10/2013 00:00 07/10/2013 00:00 14/10/2013 00:00 21/10/2013 00:00 28/10/2013 00:00 18/05/2013 00:00 01/06/2013 00:00 31/08/2013 00:00 14/09/2013 00:00 28/09/2013 00:00 02/02/2014 00:00 08/03/2014 00:00 12/04/2014 00:00 Fin 03/06/2013 23:59 01/07/2013 23:59 11/05/2014 23:59 26/01/2014 23:59 16/02/2014 23:59 09/03/2014 23:59 21/06/2013 23:59 08/08/2013 23:59 26/09/2013 23:59 07/11/2013 23:59 04/10/2013 23:59 10/11/2013 23:59 28/07/2013 23:59 28/08/2013 23:59 02/10/2013 23:59 06/11/2013 23:59 12/07/2013 23:59 16/08/2013 23:59 20/09/2013 23:59 07/07/2013 23:59 31/08/2013 23:59 03/11/2013 23:59 03/11/2013 23:59 12/10/2013 23:59 19/10/2013 23:59 26/10/2013 23:59 02/11/2013 23:59 27/05/2013 23:59 12/06/2013 23:59 09/09/2013 23:59 23/09/2013 23:59 07/10/2013 23:59 16/02/2014 23:59 22/03/2014 23:59 26/04/2014 23:59
Es importante notar que la tabla 3.1 tiene una cantidad de unidades generadoras diferente a la tabla 2.4 que se encuentra en el captulo 2, esto se debe a que el Algoritmo Gentico solo tomar como variables a las unidades generadoras que tengan mantenimientos mayores, esto quiere decir que el GA no toma en cuenta las unidades con mantenimientos menores y las unidades que no poseen mantenimientos en el periodo planteado.
53
Energa No Servida (ENS) 20 ENS ENS=10.8296 15
ENS (MWh/ao)
10
1000
2000 3000 Iteraciones
4000
5000
Figura 3.7. Resultado de la ENS para el PAMM propuesto del ao 2013-2014.
3.6
Modelo Matemtico.
La aproximacin de Energa No Servida para cada PAMM propuesto del Algoritmo Gentico se encuentra de la siguiente manera:
(Ec. 3.2)
En donde:
: Ao simulado. : Energa No Servida para el ao simulado. : Total de aos simulados. : Aproximacin de Energa No Servida.
A continuacin se muestra la funcin objetivo planteada en el captulo uno:
54
* (
(Ec. 1.1)
Con: [ [ ] ]
(Ec. 1.2)
Sujeto a:
(Balance de potencia activa) (Lmites de potencia activa de generacin) (Flexibilidades de ubicacin de los mantenimientos)
(Ec. 1.3) (Ec. 1.4) (Ec. 1.5)
En donde:
CV: Costos Variable de las unidades generadoras. : Costo de oportunidad del agua. URF: Costo de la Unidad de Racionamiento Forzado. ENS: Energa no Servida por dficit. VOLL: Costos de Falla o Valor de Perdida de Carga. Disponibilidad de las unidades generadoras. Potencia total despachada por los generadores. Potencia demandada por el sistema. Potencia mnima de operacin de la unidad generadora. Potencia mxima de operacin de la unidad generadora. Potencia despachada por la unidad generadora. Potencia despachada por la unidad generadora trmica. Potencia despachada por la unidad generadora hidroelctrica. Lmite inferior del mantenimiento. 55
Lmite superior del mantenimiento. Duracin del mantenimiento.
Se puede observar que es necesario encontrar la ENS en todo el ao para cada PAMM que proponga el algoritmo gentico para luego convertirlo en costo mediante la entrada de VOLL el cual dar el peso significativo para poder ser comparable con la otra componente de la funcin objetivo, si el VOLL se toma muy pequeo la componente de costo, a partir de la confiabilidad, en la funcin objetivo sera muy pequea y no se podra asegurar que el algoritmo gentico la optimice.
En la figura 3.7 se presenta un diagrama que resume los procedimientos que se realizan para hacer la simulacin de Monte Carlo realizada en el trabajo de graduacin de 2011 Anlisis de Confiabilidad de Sistemas de Generacin Aplicado al Sistema Elctrico de El Salvador
Tipo de Hidrologa
PAMM Propuesto
Sorteo de aos hidrologicos Generacin de nmeros aleatorios Ordenar nmeros aleatorios
Unidades con mant. mayores
Movimientos de Mantenimientos Simular maquina siguiente
Agregar disponibilidad hidroelctrica SI La maquina es hidroelctrica? Agregar mantenimientos y NO reducciones de potencia
NO
Tiempo final es mayor a 8736 horas? NO Agregar nmeros aleatorios
SI
Se han simulado todas las maquinas?
SI Se ha cumplido algn criterio de paro? SI ENS Anual VOLL Calculo de Indices Ordenar eventos de todas las maquinas cronologicamente
NO
Costo de Energa No Servida Costo de Despacho Hidrotrmico
Funcin Objetivo
Algoritmo Evolutivo
Figura 3.8. Estructura general de la simulacin secuencial [Basado en Trabajo de Graduacin, 2011].
56
CAPITULO 4. ALGORITMO GENTICO
4.1
Introduccin
Los Algoritmos Genticos (AGs) son tcnicas modernas utilizadas para la resolucin de problemas de bsqueda y optimizacin cuando el espacio de busqueda es complejo. La caracterstica principal de estos algoritmos, y que lo diferencia de los dems, es que estn basados en el proceso gentico de los organismos vivos. A lo largo de distintas generaciones, las poblaciones cambian (evolucionan) en la naturaleza basndose en los principios de la seleccin natural y la supervivencia de los ms aptos, postulados por Charles Darwin en su libro El Origen de las Especies por medio de la Seleccin Natural (1859). Imitando este proceso, los AGs son capaces de ir creando distintas soluciones hasta encontrar la mejor de acuerdo a los criterios de convergencia. La correcta solucin de los problemas depende de una buena codificacin de las variables. El mtodo fue desarrollado por John Holland (1975) entre los aos 1960-1970. El trabajo original de Holland se encuentra resumido en su libro La Adaptacin de los Sistemas Naturales y Artificiales (1975).
En la naturaleza los individuos de una poblacin compiten entre s en la bsqueda de recursos tales como comida, agua y refugio. Incluso existe la competencia por la bsqueda de un compaero. Aquellos individuos que tienen ms xito en la bsqueda de recursos y en atraer compaeros tienen una probabilidad mayor de generar un gran nmero de descendientes que compartirn ciertas caractersticas con sus padres. Esto significa que los genes de los individuos mejor adaptados se propagarn en las siguientes generaciones. La combinacin de buenas caractersticas provenientes de distintos ancestros ayudar a que la adaptacin de sus descendientes sea mayor que la de cualquiera de sus ancestros. As es como las especies evolucionan logrando distintas caractersticas que los adaptan mejor al entorno en el que viven.
Los AGs usan una analoga directa con el comportamiento natural. Trabajan con una poblacin de individuos (cromosomas), donde cada uno de ellos representa una solucin potencial al problema. Los individuos tienen un valor o puntuacin, que indica su cercana con el valor ptimo que se busca. En la naturaleza esto equivale a la adaptabilidad que tiene un organismo ante un determinado entorno en el que vive. A medida que esta adaptabilidad es mayor crecer la probabilidad de que sus genes se pasen a la siguiente generacin, ya que esto aumenta sus posibilidades de reproduccin con otro individuo. De esto se producirn nuevos individuos los cuales compartirn caractersticas de
57
sus padres. Cuanto menor sea la capacidad de adaptarse de un individuo, este tendr menos posibilidades de poder pasar sus genes hacia la siguiente generacin.
Al igual que en la naturaleza los AGs producen una nueva poblacin de soluciones, la cual reemplazar a la anterior y verifica que contiene una mayor proporcin de buenas caractersticas en comparacin de la generacin anterior. De esta manera a travs de las generaciones aquellas caractersticas que nos ayuden a resolver el problema se propagarn a travs de la poblacin. As se favorece el cruce de los individuos que se encuentran mejor adaptados a su entorno.
Para el presente captulo se desarrollar la estructura de los AGs para conocer los pasos que se deben hacer cuando se trabajan con stos, las diferencias entre los AGs y los mtodos tradicionales de optimizacin y as conocer qu los caracteriza, los componentes de los AGs tales como la poblacin, seleccin, cruce, mutacin, etc. y para conocer su importancia dentro del algoritmo.
4.2
Estructura de los Algoritmos Genticos
El principio de los AGs es el siguiente: imitar la gentica haciendo uso de un programa de computadora. Los parmetros del problema estn codificados como un ADN con una estructura de datos lineal, en un vector o cadena.
Los AGs usan los procesos de la seleccin natural tales como la recombinacin, mutacin, competencia entre los individuos, etc. Un ejemplo de la estructura de un AG simple se muestra en la figura 4.1 [Sumathi, Hamsapriya y Surekha 2008: p.32].
Codificar o representar todas las posibles soluciones dentro de un individuo es la primera parte, pero ciertamente no es la parte ms sencilla de un AG. Un conjunto de operadores para la reproduccin tambin deben de ser determinados. Estos operadores reproductivos sern aplicados directamente sobre la poblacin de individuos, y se encargarn de hacer las recombinaciones o cruces para la creacin de nuevas soluciones a partir de sus padres, que posteriormente sern mutados para obtener los nuevos individuos o posibles soluciones al problema. La representacin apropiada y los operadores de reproduccin son dos factores muy determinantes, ya que el comportamiento que tendr el AG es extremadamente dependiente de ellos. Frecuentemente, puede ser extremadamente difcil el encontrar una forma de representar las soluciones, que corresponde a la estructura del espacio de bsqueda y los operadores de reproduccin, los cuales deben de ser 58
coherentes y pertinentes conforme a las propiedades de los problemas [Sivanandam y Deepa 2008: p.29].
Figura 4.1 Estructura AG de una poblacin sencilla.
Se inicia con un nmero de individuos (poblacin) que son creados al azar, posteriormente se evala la funcin objetivo con los individuos de la primera poblacin. As es como se crea la generacin inicial de individuos del AG.
Si los criterios de optimizacin no se han podido cumplir entonces se tiene que crear una nueva generacin de individuos. Cada individuo es seleccionado por su capacidad de adaptabilidad al sistema para as poder producir hijos. Todos estos hijos tendrn una probabilidad de mutacin para cambiar algunos de sus genes. La adaptabilidad de estos hijos es evaluada en la funcin objetivo. Los hijos son despus insertados en la poblacin sustituyendo de esta manera a sus padres, produciendo una nueva generacin. Este ciclo se repite hasta que los criterios de optimizacin son alcanzados [Sumathi, Hamsapriya y Surekha 2008: p.33].
Si bien es cierto que estos criterios sirven mucho para distintos tipos de problemas de optimizacin la mejor manera de poder abordarlos es haciendo uso de mltiples subpoblaciones. Esto funciona porque cada subpoblacin evoluciona aislada de las otras (como el AG de poblacin sencilla) obteniendo cada una distintos genes que los diferencian, para despus poder cruzarse entre individuos de distintas subpoblaciones, esto es ms parecido a lo que pasa en la naturaleza, la estructura de los algoritmos multi-poblacin se muestra en la figura 4.2 [Sumathi, Hamsapriya y Surekha 2008: p.33]. 59
Figura 4.2 Estructura AG multi-poblacin.
4.3
Diferencias entre los Algoritmos Genticos y los Mtodos Tradicionales de Optimizacin
Como se ha hablado al principio los AGs no siguen los procesos normales de otros mtodos de optimizacin, a continuacin se muestran las diferencias ms significativas entre estos [Sumathi, Hamsapriya y Surekha 2008: p.33-34]:
Los AGs buscan una poblacin de puntos en paralelo, no un punto sencillo. Esto ayuda a la robustez del AG ya que se mejora la oportunidad de alcanzar el ptimo global y tambin ayuda en evitar puntos locales estacionarios.
Los AGs no necesitan informacin de derivadas u otro conocimiento auxiliar; solamente la funcin objetivo y los niveles de adaptabilidad correspondientes que influencian la direccin de la bsqueda. Como resultado los AGs pueden ser utilizados a cualquier tipo de problema de optimizacin sin importar si es continuo o discreto. El punto principal para lograrlo es identificar y especificar la codificacin de la funcin. 60
Los AGs usan reglas de transicin probabilsticas, no determinsticas. Los AGs son generalmente ms directo de aplicar, ya que no existen restricciones por definicin de la funcin objetivo. Los AGs pueden proveer un nmero de soluciones potenciales a un problema dado. La decisin final se deja al usuario.
4.4
Componentes de los Algoritmos Genticos
Los AGs tienen muchos procedimientos, componentes u operadores que se deben definir. Los componentes ms importantes a tomar en cuenta para los AGs son:
Representacin o Codificacin Funcin de evaluacin Poblacin Mecanismo para la seleccin de padres Operadores de variacin, recombinacin y mutacin Mecanismo para seleccionar los sobrevivientes (Reemplazo)
Asimismo, deben ser definidos tambin los procedimientos de inicializacin y las condiciones de paro o criterios de convergencia.
4.4.1
Representacin o Codificacin
La codificacin es el mecanismo por el que las soluciones del problema a resolver se representan para su manipulacin durante todo el proceso del AG. La codificacin es uno de los puntos clave para poder implementar correctamente un AG. La eleccin de una representacin u otra depender bsicamente del problema que se va a resolver. Sin embargo, para cada problema existir un gran abanico de posibles representaciones y la eleccin de la adecuada permitir una mejor adaptacin del algoritmo al problema [Arroyo 2000: p.56].
La propiedad principal para la eleccin de una codificacin gentica conveniente es que sus variables se puedan ordenar fcilmente, esto se hace asignndole un tamao fijo al nmero de variables que puede tener cada individuo. Esto facilitar las operaciones para la reproduccin de los individuos. Algunas de las representaciones genticas ms comunes son: 61
Codificacin binaria Codificacin nmeros reales rbol gentico rbol analtico rbol binario Lenguaje natural
Las codificaciones ms usadas son la codificacin binaria y la codificacin por medio de nmero reales. La codificacin binaria ha sido la tradicionalmente empleada para prcticamente todos los problemas a los que se ha aplicado la tcnica de AGs. Consiste en convertir cada variable que interviene en el problema en su equivalente binario (ceros y unos). Estas variables binarias se yuxtaponen para dar lugar al individuo que va a representar cada solucin del problema, tal como se muestra en la figura 4.3. A partir de esta codificacin se ha generado gran parte del fundamento matemtico que existe para explicar el funcionamiento de los AGs (teorema de los esquemas) [Arroyo 2000: p.56].
Figura 4.3 Codificacin binaria de dos individuos de una poblacin.
La codificacin mediante nmeros reales ha surgido posteriormente debido a que la mayora de los problemas de ingeniera a los que se han aplicado los AGs cuentan con variables reales. Al codificar estas variables como binarias se perda parte de la informacin debido a que hay que elegir un nmero finito de posiciones decimales. La codificacin mediante nmeros reales consiste en yuxtaponer cada una de las variables del problema dando lugar a cadenas de variables que representan las soluciones potenciales del problema a resolver como se muestra en la figura 4.4 [Arroyo 2000: p.56].
Figura 4.4 Codificacin con nmeros reales de dos individuos de una poblacin
62
4.4.2
Funcin de Evaluacin/Adaptabilidad
La funcin de adaptabilidad es una funcin objetivo especial que se encarga de cuantificar la aptitud de una solucin en un AG, esto quiere decir que es la encargada de indicar qu tan buena es la solucin y saber qu tan cerca se encuentra cada individuo de llegar a su ptimo global [Sumathi, Hamsapriya y Surekha 2008: p.37].
Definir la funcin de adaptabilidad no es de manera directa en varios casos y a menudo es realizado de forma iterativa si las soluciones ms adaptadas producidas por el algoritmo no son las deseadas. En algunos casos, es muy difcil o imposible llegar a incluso a un suposicin de definicin de la funcin de adaptabilidad. La funcin de adaptabilidad no solo indica la viabilidad de la solucin, sino que tambin puede corresponder a saber qu tan cerca se encuentra la poblacin de llegar al ptimo [Sumathi, Hamsapriya y Surekha 2008: p.37].
En los problemas de optimizacin la funcin de evaluacin ha de estar relacionada con la funcin objetivo de estos problemas. De esta forma, si el problema es de maximizacin la funcin de adaptabilidad ser el negativo de la funcin, esto se hace porque los AGs buscan los mnimos de las funciones.
Los AGs que emplean estas funciones de evaluacin directamente ligadas con la funcin objetivo deben ser capaces de llevar a cabo un compromiso entre la exploracin del espacio de bsqueda y la explotacin de los mejores individuos [Arroyo 2000: p.56]. Debido a esto es necesario que la eleccin de una funcin adecuada para poder medir la optimizacin sea capaz de proporcionar los valores que permitan poder diferenciar aquellos individuos que son buenos y malos para la resolucin del problema. La funcin de evaluacin debe ser diseada para cada problema de una manera especfica.
La regla general para construir una buena funcin de evaluacin es que est debe ser capaz de dar los valores reales de cada individuo dentro del problema, ya que esta verificar que los individuos de la poblacin se encuentran cercanos en el espacio de bsqueda. Por otra parte una dificultad que puede ocurrir es la existencia de una gran cantidad de ptimos locales, los cuales pueden frustrar la bsqueda del ptimo global de igual manera que el ptimo global se encuentre muy aislado.
63
4.4.3
Poblacin
Una poblacin es el colectivo de individuos. La poblacin consiste en un nmero de individuos a los que se les prueban sus parmetros o variables que los define dentro del espacio de bsqueda, tal como se ve en la figura 4.5. Se deben tomar en cuenta dos cosas muy importantes para poder iniciar una poblacin en un AG:
El tamao de la poblacin. La poblacin inicial.
Figura 4.5 Poblacin de cuatro individuos en codificacin binaria.
Para iniciar el AG es necesaria la creacin de una poblacin de posibles soluciones a los cuales se les empezar a aplicar los distintos operadores genticos. Estas posibles soluciones deben de estar codificadas segn sea la necesidad del problema a resolver. El mtodo que generalmente es usado para la creacin de la poblacin suele ser de una naturaleza totalmente aleatoria.
Para el tamao de la poblacin es necesario tomar en cuenta los siguientes problemas, el trabajar con poblaciones pequeas se corre el riesgo de no poder cubrir de una manera adecuada el espacio de bsqueda, mientras que el trabajar con poblaciones que tienen un gran tamao se corre el riesgo de tener problemas con los recursos computacionales, tales como la capacidad de memoria y el tiempo para poder resolver el AG [Sivanandam y Deepa 2008: p.42].
Para la poblacin inicial es recomendado comenzar y mantener poblaciones pequeas, ya que con estas se obtienen mejores resultados ya que estas no demandan de manera excesiva los recursos de memoria en la computadora que conlleva a un aumento en el tiempo de ejecucin [Sumathi, Hamsapriya y Surekha 2008: p.37].
Para generar la poblacin se puede hacer de dos maneras: 64
Heurstica Aleatoria
La forma aleatoria es la ms utilizada ya que tiende a generar una gran diversidad dentro del espacio de bsqueda dentro del problema. Al usar la forma heurstica puede generar una aceleracin de la convergencia del AG sin embargo esto puede ser una desventaja, ya que esto suele indicar la convergencia hacia un ptimo local.
4.4.4
Seleccin
La seleccin es la encargada de escoger cules sern los dos individuos de la poblacin que se reproducirn (recombinarse) y determinar el nmero de descendientes que se producirn. El propsito de la seleccin es hacer hincapi en los individuos mejor adaptados con la esperanza que sus descendientes tengan una mejor adaptacin que la de sus predecesores tal como se muestra en la figura 4.6 [Sivanandam y Deepa 2008: p.46].
Figura 4.6 Esquema de seleccin en un AG
La seleccin es un mtodo que escoge al azar individuos de la poblacin de acuerdo a su valor de adaptabilidad. Entre mejor sea el valor de adaptabilidad, ms grande ser la probabilidad de que el individuo se elegido. La presin selectiva se define como el grado en que se ven favorecidos los individuos mejor adaptados. Cuanto mayor sea la presin selectiva, los mejores individuos sern
65
ms favorecidos. Esta presin selectiva conduce el AG a mejorar la adaptabilidad de la poblacin a travs de las generaciones sucesivas [Sivanandam y Deepa 2008: p.46].
Cada individuo de la poblacin que ha sido seleccionado tiene una probabilidad de reproduccin que depende de dos valores, el primero es el valor propio y el segundo es el valor de los dems individuos que han sido seleccionados [Sumathi, Hamsapriya y Surekha 2008: p.38].
Para hacer la seleccin de los padres existen mtodos que algunos de los ms comunes se mostrarn en este captulo, empezando desde los ms simples hasta los ms complejos.
4.4.4.1 Emparejamiento de arriba abajo.
Se comienza en la parte superior de la poblacin y los individuos se emparejan de dos en dos hasta que los primeros individuos que deben de sobrevivir son seleccionados para aparearse. De esa manera, el algoritmo se encarga de emparejar los individuos de las filas impares con los de las filas pares, tal como se ve en la figura 4.7. Esta aproximacin no sigue bien un modelo de la naturaleza pero es muy sencillo de programar [Haupt y Haupt 2004: p.38-39].
Figura 4.7 Emparejamiento de arriba abajo para seis individuos en un AG.
66
4.4.4.2 Emparejamiento aleatorio.
Este enfoque usa un generador uniforme de nmeros aleatorios para seleccionar los padres. En trminos de ruptura de los cdigos genticos, el emparejamiento al azar es un tanto perjudicial para la optimizacin, ya que no siempre escoger los individuos ms ptimos para los emparejamientos [Haupt y Haupt 2004: p.39]. 4.4.4.3 Seleccin tipo ruleta.
Es una de las tcnicas de seleccin ms tradicional en los AGs. El operador de apareamiento comnmente usado es el operador reproductivo de proporcionalidad donde un individuo es seleccionado de la piscina de emparejamiento con una probabilidad proporcional a su adaptabilidad. El principio de la seleccin tipo ruleta es una bsqueda lineal a travs de una ruleta con sus ranuras proporcionales a los valores de adaptabilidad de los individuos, tal como se muestra en la figura 4.8. Para generar la seleccin tipo ruleta lo primero es definir la probabilidad que un individuo i sea seleccionado, a partir de la ecuacin 4.5 [Sivanandam y Deepa 2008: p.47]:
(Ec. 4.1)
En donde
es el valor de adaptacin que tiene el individuo i y n es el tamao de la poblacin.
Figura 4.8 Seleccin tipo ruleta para cuatro individuos en un AG.
Para simular el funcionamiento que tiene una ruleta se deben generar nmeros aleatorios y se define una nueva probabilidad, a partir de la probabilidad acumulada de los individuos.
67
(Ec. 4.2)
De esta manera, los individuos seleccionados sern todos aquellos cuya probabilidad acumulada sea la menor de todas las que superan o igualan a los nmeros aleatorios generados [Arroyo 2000: p.61].
4.4.4.4 Emparejamiento aleatorio ponderado.
Las probabilidades asignadas a los individuos en la piscina de emparejamiento son inversamente proporcionales a su valor. Un individuo con el valor ms bajo tiene la mayor probabilidad de apareamiento, mientras el individuo con el valor ms alto tiene la menor probabilidad de apareamiento. Un nmero aleatorio determina cul individuo es elegido [Haupt y Haupt 2004: p.3940].
1. Ponderacin por rango. Este enfoque es un problema independiente y encuentra la probabilidad del rango, n, del individuo con la ecuacin 4.7:
(Ec. 4.3)
En donde:
= total de sobrevivientes de la poblacin para el emparejamiento. = posicin del individuo ordenado desde el mejor hasta el peor apto con valores [1, ]
Se usan las probabilidades acumuladas para la seleccin de los individuos que sern emparejados. Un nmero aleatorio entre cero y uno es generado para la seleccin. Empezando desde la parte de arriba de la poblacin, el primer cromosoma cuya probabilidad acumulada sea mayor que el nmero aleatorio es seleccionado de la piscina de emparejamiento. Una de las razones por las que se usa la ponderacin por rango es porque las probabilidades no cambian durante cada generacin, esto significa que la probabilidad se debe calcular solamente una vez.
68
2. Ponderacin por adaptabilidad. La probabilidad de seleccin es calculada del valor de adaptabilidad del individuo en vez de su rango en la poblacin. Un valor de adaptabilidad normalizado se calcula para cada individuo restando el menor valor de adaptabilidad de los individuos descartados ( ) de la piscina de emparejamiento:
(Ec. 4.4)
Al restar
se asegura la existencia del caso en que todos los valores de adaptabilidad
sean negativos, cuando se estn buscando mnimos en la funcin objetivo. Para calcular los valores de probabilidad se hace uso de la ecuacin 4.9
(Ec. 4.5)
Este enfoque tiende a ponderar mejor al individuo ms apto cuando existe una gran dispersin entre los mejores y peores valores de adaptabilidad en la poblacin. Por otro lado, tiende a ponderar los individuos de manera uniforme cuando todos los cromosomas tienen aproximadamente el mismo valor. A diferencia de la ponderacin por rango ac deben de calcularse las probabilidades en cada generacin.
4.4.4.5 Seleccin por torneo.
Constituye un procedimiento de seleccin de padres muy extendido y en el cual la idea consiste en escoger aleatoriamente un nmero de individuos de la poblacin, tamao de la poblacin (normalmente entre dos o tres individuos), seleccionar al individuo que est mejor adaptado de este grupo, este proceso se repite hasta llenar la piscina de emparejamiento. La piscina de emparejamiento comprendida por los ganadores del torneo tendr un valor medio elevado de adaptabilidad. Este mtodo es ms eficiente y conduce a una solucin ptima [Sivanandam y Deepa 2008: p.49].
Cada esquema para la seleccin de los padres resulta en un diferente conjunto de padres. Por lo tanto, la composicin de la prxima generacin ser diferente para cada esquema de seleccin.
69
4.4.5
Recombinacin o Cruce
La recombinacin es la encargada de crear nuevos individuos a partir de la informacin que tienen los padres. Dependiendo del tipo de representacin de las variables de los padres se har el tipo de recombinacin [Sumathi, Hamsapriya y Surekha 2008: p.52]:
Recombinacin de valor real o o o Recombinacin intermedia Recombinacin de lnea Recombinacin de lnea extendida
Recombinacin de valor binario o o o o Cruce de un punto/ dos puntos/multipunto Cruce uniforme Cruce barajeado Cruce con sustituto reducido
Otro tipo de cruces o o Cruce aritmtico Cruce heurstico
El trmino de cruce es usado en las variables binarias, mientras que el trmino de recombinacin es usado en las variables reales, hay que tomar en cuenta que ambos trminos tienen el mismo significado [Sumathi, Hamsapriya y Surekha 2008: p.52].
A continuacin se explicarn los operadores de cruce y recombinacin, ms utilizados en los AGs, que son utilizados sobre los padres para la creacin de la siguiente generacin de soluciones, antes de poder aplicar los distintos operadores de cruce se debe elegir, de forma aleatoria, dos individuos que estn dentro de la piscina de emparejamiento. La aplicacin de los operadores de cruce permite obtener dos nuevos individuos para la siguiente generacin. Este proceso se repite hasta obtener un nmero total de individuos igual al tamao de la poblacin.
4.4.5.1 Cruce de un punto.
Este operador de cruce es el ms simple. En primer lugar, se elige de manera aleatoria el punto de cruce dentro del individuo, este punto se debe encontrar entre [1, m-1], donde m es la longitud del 70
individuo. La formacin de los descendientes se hace cruzando los valores de los padres que se encuentran a la derecha del punto de cruce, dando as la creacin de dos nuevos individuos, tal como se ve en la figura 4.9.
Figura 4.9 Operador de cruce basado en un punto.
4.4.5.2 Cruce de dos puntos.
Este operador trabaja de forma analgica al cruce de un punto. Las diferencias que existen son en primer lugar, se eligen dos puntos de cruce manera aleatoria en vez de uno, estos puntos se encontrarn entre los valores [1, m-1]. La segunda diferencia se da en la formacin de los descendientes ya que se hace cruzando los valores de los padres que se encuentran en medio de los dos puntos de cruce, tal como se muestra en la figura 4.10.
Figura 4.10 Operador de cruce basado en dos puntos.
4.4.5.3 Cruce multipunto.
Este cruce es una extensin directa del cruce de dos puntos a un nmero n de puntos de cruce, con un mximo de puntos de cruce m-1. Estos puntos de cruce sern elegidos de manera aleatoria. Para la formacin de los descendientes se hace cruzando los valores de los padres que se encuentran a la derecha de los puntos de cruce impares y a la izquierda de los pares, en la figura 4.11 se observa un cruce multipunto para n=3.
71
Figura 4.11 Operador de cruce multipunto para tres puntos.
4.4.5.4 Cruce uniforme.
El operador de cruce uniforme est basado en el uso de una mscara de cruce la cual es una cadena de unos y ceros del mismo tamao de los individuos generada aleatoriamente. Para la formacin de los descendientes se hace uso de los valores que tendr la mscara, cuando el valor sea 1 en la mscara, el valor que tendr el primer descendiente vendr del primer padre, mientras que el valor del segundo descendiente vendr del segundo padre. Si, por el contrario el valor de la mscara fuera 0, el valor que tendr el primer descendiente vendr del segundo padre, mientras que el valor del segundo descendiente vendr del primer padre, esto se puede observar de manera clara en la figura 4.12.
Figura 4.12 Operador de cruce uniforme.
4.4.5.5 Recombinacin Intermedia.
Este es un mtodo que slo puede ser utilizado cuando las variables estn codificadas con valores reales. Los valores que tomarn las variables de los descendientes se eligen en los alrededores y entre los valores que tienen los padres. Para le creacin de los descendientes se usa la ecuacin 4.10.
(Ec. 4.6)
72
En donde:
= valor de la variable n del nuevo descendiente. = valor de la variable n del padre 1. = valor de la variable n del padre 2. = factor de escala aleatorio de la variable n dentro del intervalo [ ]
El factor de escala debe generarse para cada variable de los nuevos descendientes, es decir, que si se quieren dos descendientes con tres variables cada uno se crearn tres valores aleatorios de a por cada descendiente dando un total de seis distintos valores de a. El valor del parmetro d define el tamao del rea de informacin que se desea abarcar para los descendientes. Para un valor d=0 el rea de informacin para los descendientes ser del mismo tamao que la de sus padres. A travs de las generaciones, las fronteras (valores mximos y mnimos) de las variables se contraen, este efecto provoca que la probabilidad de que estas puedan ser elegidas disminuya, esto conlleva a que la mayor parte de las variables generadas (recombinacin o poblacin inicial) no se encuentren cerca de las fronteras provocando que se pierda parte de la informacin de los padres, para evitar esto se asigna un valor de d=0.25 que asegura (estadsticamente) que el rea de informacin de los descendientes ser la misma que abarcan los padres [Sumathi, Hamsapriya y Surekha 2008: p.54].
4.4.5.6 Recombinacin de lnea.
Este mtodo es muy similar a la recombinacin intermedia, con la excepcin que el factor de escala a es generado una sola vez para cada descendiente, y por lo tanto, es usado para todas las variables de los descendientes. Para la creacin de los descendientes la ecuacin 4.10 puede ser usada, siempre que no se olvide la excepcin antes mencionada.
4.4.5.7 Cruce Aritmtico.
Un operador de cruce que combina de manera lineal a dos padres para producir dos nuevos descendientes de acuerdo con las ecuaciones 4.11 y 4.12:
(Ec. 4.7) (Ec. 4.8)
73
En donde
es un factor de ponderacin aleatorio, que a diferencia de los dos casos anteriores es el
mismo valor para la creacin de los dos descendientes.
4.4.6
Mutacin
Despus de la recombinacin cada descendiente es sometido a la mutacin. La mutacin es la encargada de evitar que el algoritmo se quede atrapado dentro de un mnimo local y de recuperar el material gentico que se ha perdido durante la seleccin y la recombinacin de los individuos. Con la recombinacin se explota la solucin actual para encontrar mejores, la mutacin en cambio ayudar a la exploracin de nuevas posibles soluciones dentro del espacio de bsqueda. La
mutacin ayuda tambin a mantener la diversidad gentica en la poblacin debido a su habilidad de exploracin.
Las variables de los descendientes son mutadas por pequeas perturbaciones, con una probabilidad muy baja. Dependiendo de la representacin de las variables as ser el operador que se usar, que pueden ser:
Operadores de mutacin para variables de valor real Mutacin para variables de valor binario
Las mutaciones de los individuos son alteradas al azar, las variaciones que suceden a sus variables son normalmente muy pequeas y normalmente los descendientes son mutados despus de haber sido creados por la recombinacin. Para poder conocer el nmero de mutaciones que se hacen a la poblacin es necesario conocer primero el concepto de probabilidad de mutacin . La
probabilidad de mutacin es la encargada de decidir la frecuencia con que se mutarn las variables de los individuos. Si la probabilidad de mutacin es 100%, se cambian todas las variables del individuo, si es 0%, no se cambiar ninguna variable. La mutacin es un evento que no debe ocurrir mucho en la poblacin, porque de pasar eso el AG cambiara a una bsqueda aleatoria. El nmero de mutaciones que ocurren en la poblacin se calcula haciendo uso de la ecuacin 4.13. ( )
(Ec. 4.9)
En donde:
74
= Probabilidad de mutacin. = Tamao de la poblacin. = longitud del individuo.
La mutacin para variables de valor binario, se harn cambios sencillos de los valores, debido a que cada variable tiene nicamente dos estados (0,1). Esto quiero decir que despus de seleccionar las variables que van a ser mutadas estas cambiarn de la siguiente forma si el valor seleccionado es 0 en un 1 y si el valor seleccionado es 1 en un 0, como se puede observar en la figura 4.13.
Figura 4.13 Mutacin binaria de una variable.
La mutacin para variables de valor real, se har en cambios ms complejos de los valores, esto se debe a que las variables que se encuentran en los individuos estn dentro de un intervalo de valores previamente elegidos. Al igual que con la mutacin para valores binarios despus de seleccionar las variables que sern mutadas estas cambiarn por un valor que se obtendr de manera aleatoria con la ecuacin 4.14.
(Ec. 4.10)
En donde:
= nuevo valor de la variable mutada. = valor mnimo de una variable. = valor mximo de una variable. = nmero aleatorio entre [0,1].
4.4.7
Reemplazo
Una vez los descendientes han sido creados por la seleccin, recombinacin y mutacin de los individuos de la poblacin anterior, la adaptabilidad o aptitud de estos debe ser determinada. Los descendientes al ser evaluados en su adaptabilidad se encargan de sustituir a los individuos de la
75
antigua poblacin que son considerados los menos aptos para poder resolver el problema [Sumathi, Hamsapriya y Surekha 2008: p.67].
Para hacer los reemplazos en un AG es necesaria la decisin de cuntos sobrevivientes habrn de la generacin anterior, este valor determina tambin cuntos descendientes sern creados, ya que estos se encargarn de sustituir o reemplazar a los menos aptos de la generacin anterior sin importar si los nuevos descendientes tienen una adaptabilidad menor que la generacin anterior, de esta manera se sigue manteniendo la diversidad de soluciones que caracteriza a los AGs.
Otra forma usada para el reemplazo en los AGs consiste en producir una descendencia del tamao de la poblacin que se encargar de sustituir completamente a todos los individuos de la generacin anterior. Claramente este tipo de reemplazo tiene el problema que los individuos solamente podrn recombinarse con los individuos de la misma generacin, esto puede causar tambin la perdida de individuos mejor adaptados en generaciones anteriores.
Despus del reemplazo se comprueba que se ha llegado a un ptimo, de haber encontrado el valor termina el AG, caso contrario se vuelven a repetir todos los componentes hasta encontrar el ptimo deseado.
4.4.8
Criterio de Paro
Debido a que el proceso de optimizacin realizado por el AG es iterativo es necesaria la implementacin de un criterio de paro que detenga la creacin de generaciones dentro del AG, estos criterios se encargan de disminuir los tiempos de computo que pueden llegar a ser muy grandes cuando se realizan este tipo de optimizaciones. A continuacin se muestran los criterios de paro ms comunes en un AG:
Nmero mximo de generaciones: El AG se detiene cuando el nmero predefinido de generaciones ha evolucionado. Tiempo transcurrido: El proceso del AG se termina cuando ha transcurrido un tiempo previamente especificado. Sin cambio en la adaptabilidad: El proceso del AG se termina cuando no existe cambio en el mejor individuo de la poblacin durante un nmero especfico de generaciones.
76
Es importante resaltar que el criterio de paro principal es el nmero de generaciones, si este valor es alcanzado antes de los otros dos criterios de paro mencionados entonces el AG se detendr.
4.5
Ventajas de los Algoritmos Genticos
Las ventajas del uso de los AGs sobre las otras tcnicas o mtodos de optimizacin globales son [Sumathi, Hamsapriya y Surekha 2008: p.72-73]:
El rendimiento del AG es una representacin independiente en contraste con otras tcnicas numricas, que podran ser aplicables slo para valores continuos u otros conjuntos limitados.
Los AGs ofrecen un marco que permite fcilmente la incorporacin de datos previamente conocidos acerca del problema. La incorporacin de dicha informacin es donde se centrar la bsqueda evolutiva, produciendo una exploracin ms eficiente del espacio de bsqueda de las posibles soluciones.
Los AGs se pueden combinar fcilmente con otras tcnicas de optimizacin ms tradicionales. Esto puede ser tan simple como el uso de una minimizacin de gradiente despus de una bsqueda primaria con un algoritmo evolutivo o puede implicar la aplicacin simultnea de otros algoritmos.
Los AGs pueden ser evaluados de forma paralela y slo la seleccin (que requiere, al menos, la competencia por pares) requiere un procesamiento serial. Paralelismo implcito no es posible en muchos algoritmos de optimizacin global.
Los mtodos tradicionales de optimizacin no son robustos a los cambios dinmicos en el problema del medio ambiente y a menudo requieren un reinicio completo con el fin de proporcionar una solucin (por ejemplo, programacin dinmica). En contraste, los AGs se pueden utilizar para adaptar las soluciones a las circunstancias cambiantes.
La mayor ventaja de los AGs proviene de la capacidad para resolver los problemas para los que no hay expertos humanos.
4.6
Parmetros del Algoritmo Gentico Desarrollado
Para la resolucin del problema planteado en captulos anteriores es necesario definir los distintos parmetros que deber tener el AG, tales como la codificacin, el tipo de cruce que se usar, etc.
77
Para definir estos parmetros es necesario conocer las variables ya que es fundamental para tomar la decisin del tipo de codificacin que se usar dentro del AG.
Primero se define el tipo de codificacin que se usar dentro del algoritmo, para esto se tienen que tomar en cuenta el nmero de variables y los valores que estos pueden tener. Para el primer parmetro se sabe que el nmero de variables que se usarn sern todas las generadoras que se encuentran dentro del PAMM, que son 61 mquinas termoelctricas y 10 unidades hidroelctricas para un total de 71 mquinas que pueden formar parte del PAMM y por lo tanto el nmero mximo de variables que puede tener el algoritmo. Para el segundo parmetro a tomar en cuenta, se considerar que los mantenimientos pueden desplazarse a lo sumo dos semanas, que sern tomadas normalmente como un intervalo de [-7,7] das, pero este valor puede ser cambiado dependiendo de la disposicin que tengan las generadoras para atrasar o adelantar sus mantenimientos, es decir, que el intervalo puede ser cambiado a [0,14] das o a [-14,0], estos valores sern discretos dando as un nmero mximo de 15 valores que pueden tomar las variables.
Ya se conoce el nmero mximo de variables y los valores que estos pueden tener se tomar la decisin de cul tipo de codificacin es la ms adecuada. Se observ que con base al nmero mximo de variables y valores es mejor utilizar una codificacin de nmeros reales, ya que con el uso de la codificacin binaria, para los valores de las variables, debera utilizarse un mnimo de 4 bits por variable que multiplicndole las 71 mquinas que puede ser el nmero mximo de variables resultara en un tamao mximo de 284 bits a un individuo de la poblacin, que deben ser decodificados para poder ser evaluados, en cambio, con la codificacin de nmeros reales el tamao mximo ser de 71 valores que pueden ser manipulados en forma ms sencilla.
La funcin de evaluacin a usar para poder cuantificar las distintas soluciones que se obtendrn en el AG ser la ecuacin 1.1, cuando es tomada en cuenta la confiabilidad en la optimizacin, segn lo explicado en captulos anteriores. Si no se llegar a tomar en cuenta la confiabilidad del sistema para la optimizacin del PAMM se har uso de la ecuacin 2.17 como funcin de evaluacin.
* (
(Ec. 1.1)
78
Con: [ [ ] ]
(Ec. 1.2)
Sujeto a:
(Balance de potencia activa) (Lmites de potencia activa de generacin) (Flexibilidades de ubicacin de los mantenimientos)
(Ec. 1.3) (Ec. 1.4) (Ec. 1.5)
En donde:
CV: Costos Variable de las unidades generadoras. : Costo de oportunidad del agua. URF: Costo de la Unidad de Racionamiento Forzado. ENS: Energa no Servida por dficit. VOLL: Costos de Falla o Valor de Perdida de Carga. Disponibilidad de las unidades generadoras. Potencia total despachada por los generadores. Potencia demandada por el sistema. Potencia mnima de operacin de la unidad generadora. Potencia mxima de operacin de la unidad generadora. Potencia despachada por la unidad generadora. Potencia despachada por la unidad generadora trmica. Potencia despachada por la unidad generadora hidroelctrica. Lmite inferior del mantenimiento. Lmite superior del mantenimiento. Duracin del mantenimiento.
79
* (
(Ec. 2.17)
(Ec. 2.18)
(Ec. 2.19)
(Ec. 2.20) (Ec. 2.21) (Ec. 2.22)
(Ec. 2.23)
Centrales trmicas. Centrales hidroelctricas. Numero de Centrales trmicas. Numero de Centrales hidroelctricas. Da de la semana. Hora de la semana.
80
Adems:
Potencia producida por la Centrales trmica i. Costo de produccin de la central trmica i. Potencia mxima de salida de la central trmica i. Demanda total del sistema en una hora d. Potencia producida en el periodo d por la central hidroelctrica j. Potencia mxima de salida de la central hidroelctrica j. Volumen mnimo del embalse en el periodo d para la central hidroelctrica j. Volumen del embalse en el periodo d para la central hidroelctrica j. Volumen mximo del embalse en el periodo d para la central hidroelctrica j. Dficit de potencia Costo de la Unidad de Racionamiento Forzado Disponibilidad de las unidades generadoras. Meta de energa semanal para cada central hidroelctrica j. Costo de oportunidad del agua
Se ha determinado que la poblacin ser de 50 individuos porque se cubre de manera adecuada el espacio de bsqueda y adems ayuda a mejorar los tiempos de ejecucin en las simulaciones de confiabilidad, llegando de esa manera a un equilibrio entre tiempo de ejecucin y recursos computacionales. Para la creacin de la poblacin inicial es necesario el uso de la creacin aleatoria porque es necesaria la diversidad en el espacio de bsqueda con la diferencia que el primer individuo de la poblacin no ser creado aleatoriamente, sino que ser el PAMM preliminar el cual es el punto de partida para la optimizacin debido a que son las fechas originalmente solicitadas por los PMs y las cuales, como se ha mencionado anteriormente, depende de las horas de funcionamiento de las unidades generadoras, disponibilidad de repuestos, de mano de obra para mantenimiento o de especialistas de fbrica en sitio. Sobre esta fecha es que se mantiene la ventana de 7 das respecto al inicio del mantenimiento
Para la seleccin de las parejas el mtodo a utilizar ser el emparejamiento aleatorio ponderado por rango, este ha sido elegido principalmente por su singularidad de no calcular nuevamente las probabilidades para elegir las parejas, pero tambin porque este da una probabilidad mayor a los 81
individuos mejor evaluados en las poblaciones despus de que esta ha sido ordenada de mejor a peor adaptado.
Para la creacin de los nuevos individuos es necesario saber qu tipo de cruce o recombinacin es la ms adecuada para el problema planteado. Hay que tomar en cuenta que la codificacin usada en el algoritmo es la de nmeros reales sin olvidar que los valores que pueden tomar estos son discretos, haciendo que los valores no se encuentren en un intervalo de nmero sino en un conjunto de nmeros enteros, al tomar en cuenta estas caractersticas se observan semejanzas con la codificacin binaria ya que se tiene un lmite en la cantidad de valores que se pueden utilizar. Con base en lo anterior, se utilizarn cruces binarios debido a la sencillez que tienen, usando el cruce de punto sencillo.
La mutacin dentro de un AG depender de la probabilidad de mutacin que para el caso que se est desarrollando se utiliz una Pm = 0.2 con este valor se pretende que la exploracin de nuevas posibles soluciones sea elevada pero sin afectar mucho a los individuos, permitiendo as un comportamiento en el que 20% del total de variables que existen en una poblacin sean mutados.
Aquellos individuos que no fueron elegidos para formar parte de la piscina de emparejamiento sern reemplazados por la nueva generacin de individuos que fueron creados con los parmetros antes mencionados, de esta forma se asegura que todas las generaciones se encargarn de sustituir los individuos menos aptos logrando as que las nuevas generaciones tengan una tendencia a mejorar, esto se observar de una forma muy acentuada en las primeras generaciones donde estn los resultados menos ptimos. Como criterio de paro en las optimizaciones realizadas se ha usado el nmero mximo de generaciones con un valor de 60 generaciones, este valor ha sido elegido por las limitaciones que existen en los recursos computacionales y el tiempo necesario para obtener las soluciones que da el algoritmo.
82
CAPITULO 5. RESULTADOS DEL MODELO
5.1
Introduccin
A medida se ha ido desarrollando este trabajo se han mencionado 2 temas principales que se contemplan en la funcin objetivo los cuales son: la optimizacin de costos de generacin utilizando un modelo de coordinacin hidrotrmica y los ndices de confiabilidad del sistema de generacin para el escenario de mantenimientos determinado.
Si el problema se tratara de manera directa, es decir evaluar todos los casos posibles, para el PAMM preliminar, existen 28 mantenimientos mayores y cada uno de estos se puede atrasar o adelantar hasta cierta cantidad de das (por ejemplo 7 das) con respecto a su fecha de mantenimiento original, esto entrega la cantidad de de la funcin objetivo. posibilidades que deberan ser evaluadas para encontrar el mnimo
Debido a que evaluar todos los casos posibles no es computacionalmente posible y tampoco eficiente, se propone una solucin a la funcin objetivo haciendo uso del algoritmo gentico definido en el captulo 4, el cual proporciona una respuesta a la funcin objetivo que puede no ser el mnimo total del sistema, pero puede estar muy cercano a este por medio de las tcnicas de bsqueda que el algoritmo gentico posee.
Los resultados se presentan en 2 partes:
La primera consiste en simulaciones que se optimizan el costo de generacin del sistema con el desplazamiento de los mantenimientos mayores sin evaluar la confiabilidad del sistema en la funcin objetivo. Cabe mencionar que a pesar que no se ejecuta el modelo incluyendo en la funcin objetivo la componente de confiabilidad, esta se evala posteriormente luego de obtener el PAMM ptimo utilizando el modelo del trabajo de graduacin Anlisis de confiabilidad de sistemas de generacin aplicado al sistema elctrico de El Salvador del ao 2011.
La segunda parte de presentacin de resultados consiste en simulaciones donde se incluye en la funcin objetivo del algoritmo gentico la evaluacin de confiabilidad a travs de la Energa No Servida Esperada obtenida del modelo de evaluacin de confiablidad, el cual se ejecuta a medida se desarrolla la optimizacin de PAMM por medio del algoritmo gentico. 83
Finalmente, partiendo de los atributos y desventajas que tenga cada propuesta de PAMM, en cuanto a costos de operacin y su evaluacin de confiabilidad, se tomar una decisin de cul propuesta de PAMM es la ms apta basndose en tcnicas multicriterio logrando as ofrecer una propuesta de PAMM que represente las mayores ventajas para el Sistema de Potencia.
5.2
Hidrologa anual a simular.
Debido a que los caudales afluentes son de naturaleza estocstica se deben considerar diferentes escenarios hidrolgicos. Tomando esto en consideracin, la poltica operativa del SDDP genera 50 escenarios hidrolgicos para una planeacin anual con un horizonte de 52 semanas que poseen la caracterstica de tener diferentes cantidades de energa hidroelctrica, tanto en sus metas semanales como en la energa hidroelctrica total utilizada, con esto, cada serie representa un escenario hidrolgico distinto que va desde muy secos hasta muy hmedos. La energa total afluente para cada escenario hidrolgico esta presentada en la tabla 5.1.
Tabla 5.1. Ordena las series hidrolgicas de mayor a menor generacin de energa hidroelctrica.
Orden Serie 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Energa [GWh]
34 1803.9093 4 1693.2593 21 1678.6323 8 1585.9547 20 1562.0437 39 1543.2341 9 1483.2137 35 1442.97236 30 1410.5935 13 1401.5819 6 1382.8385 7 1350.3593 19 1338.6612 47 1338.5072 31 1330.86077 26 1313.8306
Probabilidad de Orden Serie excedencia 2% 26 11 4% 27 44 6% 28 40 8% 29 43 10% 30 23 12% 31 33 14% 32 28 16% 33 38 18% 34 24 20% 35 37 22% 36 16 24% 37 49 26% 38 46 28% 39 41 30% 40 48 32% 41 25 84
Energa [GWh] 1175.86 1167.757 1160.505 1160.426 1104.102 1045.195 1029.791 1018.657 1003.927 1000.049 951.4759 888.7586 876.0168 874.1721 867.3052 866.4986
Probabilidad de excedencia 52% 54% 56% 58% 60% 62% 64% 66% 68% 70% 72% 74% 76% 78% 80% 82%
17 2 1309.53638 18 27 1274.8279 19 36 1274.1203 20 14 1262.9715 21 15 1248.7763 22 29 1227.7717 23 5 1214.852 24 45 1184.6618 25 32 1184.0085 Las series con probabilidad de excedencia
34% 42 1 863.2965 84% 36% 43 3 823.5455 86% 38% 44 50 821.3626 88% 40% 45 42 799.432 90% 42% 46 10 789.2554 92% 44% 47 22 727.2398 94% 46% 48 18 695.0245 96% 48% 49 17 670.9801 98% 50% 50 12 508.0929 100% de 90%, 50% y 20% de probabilidad de excedencia son
las que representan los aos hidrolgicos seco, normal y hmedo, respectivamente. En la figura 5.1 se observan las metas de energa hidroelctrica semanal para estas series. Se observa tambin que el incremento de energa hidroelctrica se ve reflejado durante la poca lluviosa del ao.
x 10
Serie humeda Serie normal Serie seca
Energia MWh
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura 5.1. Metas de energa hidroelctrica semanal para la serie representativa seca normal y hmeda.
Al ejecutar la optimizacin de PAMM se fijarn las metas de energa hidroelctrica semanal de una de estas series, luego se procede a hacer el uso del modelo de optimizacin del PAMM para 85
encontrar una solucin ptima para la serie fijada. Para la presentacin de los resultados a un PAMM propuesto que se obtenga con el uso de las metas hidrolgicas entregadas por la serie seca (90% de probabilidad de excedencia) ser conocido como PAMM serie seca, lo mismo suceder para una propuesta con el uso de la serie normal (50% de probabilidad de excedencia) ser llamado PAMM serie normal y el PAMM serie hmeda ser definido con el uso de la serie hmeda (20% de probabilidad de excedencia).
5.3
Caractersticas de PAMM preliminar.
Para la presentacin de resultados primero se definen las caractersticas del caso base que se denomina PAMM preliminar, del cual se presentan las fechas de mantenimiento y su duracin, los costos econmicos de la simulacin de despacho anual evaluando dicho PAMM en cada serie hidrolgica, los ndices de confiabilidad (LOLP, LOLE, LOEE) y la potencia de generacin disponible en el horizonte de estudio.
Las fechas del PAMM preliminar se presentan a continuacin, la fecha de inicio es la fecha desde la cual los mantenimientos sern atrasados o adelantados de acuerdo a la cantidad de das que se desean. Para que los resultados sean comparables, todas las optimizaciones realizadas poseen desplazamientos semanales en adelanto o en atraso con respecto a las fechas de la tabla 5.2.
Tabla 5.2. Se presentan las fechas del PAMM aprobado
Orden 1 2 3 4 5 6 7 8 9 10
Central cgra-u2 cgra-u1 15se-u1 5nov-u2 5nov-u5 5nov-u4 acaj-m9 acaj-m4 acaj-m6 acaj-m5
Fecha Fecha Final inicial 13/05/2013 09/06/2013 24/06/2013 30/06/2013 04/11/2013 11/05/2014 06/01/2014 26/01/2014 27/01/2014 16/02/2014 17/02/2014 09/03/2014 13/05/2013 16/06/2013 08/07/2013 04/08/2013 26/08/2013 22/09/2013 07/10/2013 03/11/2013 86
Duracin 28 7 189 21 21 21 35 28 28 28
11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
acaj-u5 acaj-u2 soya-g1 taln-m1 taln-m2 taln-m3 ahua-u2 ahua-u3 berl-u2 berl-u4 text-m6 text-m7 text-m3 text-m5 text-m4 taln-m9 taln-m5 taln-m4
12/08/2013 06/10/2013 30/09/2013 10/11/2013 01/07/2013 28/07/2013 17/06/2013 07/07/2013 22/07/2013 11/08/2013 26/08/2013 15/09/2013 03/06/2013 07/07/2013 29/07/2013 25/08/2013 14/10/2013 03/11/2013 14/10/2013 03/11/2013 13/05/2013 26/05/2013 27/05/2013 09/06/2013 26/08/2013 08/09/2013 09/09/2013 22/09/2013 23/09/2013 06/10/2013 27/01/2014 16/02/2014 03/03/2014 23/03/2014 07/04/2014 27/04/2014
56 42 28 21 21 21 35 28 21 21 14 14 14 14 14 21 21 21
Los costos de operacin del despacho anual se obtienen con el modelo de coordinacin hidrotrmica presentado en el captulo 2. La diferencia en los costos de cada escenario est directamente relacionada con la cantidad de energa hidroelctrica asociada a cada serie. Adems se presentan las series que presentan dficit y la magnitud de este dficit.
Tabla 5.3 Resultados del PAMM aprobado evaluado en todos los escenarios hidrolgicos simulados por el SDDP.
Costos Probabilidad Costos Hidroelctrico Orden de Serie Trmicos en s en Miles de excedencia Miles de USD USD 1 2 3 4 5 2% 4% 6% 8% 10% 34 4 21 8 20 $ $ $ $ $ 325,826.07 334,740.88 316,940.85 323,278.31 323,038.99 $ $ $ $ $ 87
Dficit de potencia [MWh]
Costos Totales en Miles de USD
168,910.74 399.160007 $ 494,736.81 188,199.03 4.82E-06 $ 522,939.91 181,945.35 2.50E-06 $ 498,886.19 174,144.14 3.63E-06 $ 497,422.45 191,412.09 4.20E-06 $ 514,451.08
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
12% 14% 16% 18% 20% 22% 24% 26% 28% 30% 32% 34% 36% 38% 40% 42% 44% 46% 48% 50% 52% 54% 56% 58% 60% 62% 64% 66% 68% 70% 72% 74% 76% 78% 80% 82% 84% 86% 88% 90% 92% 94% 96%
39 9 35 30 13 6 7 19 47 31 26 2 27 36 14 15 29 5 45 32 11 44 40 43 23 33 28 38 24 37 16 49 46 41 48 25 1 3 50 42 10 22 18
$ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $
317,353.87 317,041.01 312,805.98 356,428.77 320,494.65 341,380.46 351,350.38 314,077.15 341,428.02 347,212.19 339,945.92 352,712.69 344,282.52 355,184.46 362,981.80 358,389.62 329,221.23 371,093.89 356,807.08 350,724.06 361,370.58 343,838.34 349,297.35 356,748.46 371,579.58 346,118.65 369,295.16 377,880.18 384,264.80 366,009.81 395,858.51 410,553.67 403,280.99 416,692.56 403,070.97 412,832.63 404,365.84 422,763.14 432,031.34 422,145.55 422,696.46 450,644.24 457,449.15
$ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ 88
157,570.71 177,687.76 175,176.84 175,151.67 176,463.03 190,007.01 191,385.76 169,030.20 193,357.34 198,966.85 172,218.47 191,345.47 227,330.09 211,814.34 222,896.05 217,442.19 199,763.68 208,594.77 208,361.61 215,619.92 217,223.61 220,994.46 224,625.49 215,415.36 226,355.36 203,118.35 236,865.86 233,422.21 231,404.14 243,659.94 235,401.71 220,864.51 240,269.12 226,346.20 235,277.80 231,081.21 230,452.49 238,715.24 244,938.19 241,458.58 232,303.66 214,677.71 239,407.33
3.64E-06 5.85E-06 2.89E-06 399.130006 9.10E-06 7.77E-06 399.170007 4.47E-06 4.73E-06 1.08E-05 3.11E-06 6.14E-06 3.70E-06 399.140004 8.54E-06 399.170003 5.68E-06 8.68E-06 4.05E-06 6.11E-06 4.52E-06 399.150008 399.140004 581.345991 3.81E-06 9.17E-06 7.42E-06 4.29E-06 3.33E-06 3.85E-06 4.30E-06 399.104005 7.74E-06 2.78E-06 1.44E-05 4.48E-06 5.35E-06 399.170007 7.95E-06 6.51E-06 399.09001 1.27E-05 2227.85343
$ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $
474,924.58 494,728.76 487,982.82 531,580.44 496,957.68 531,387.47 542,736.15 483,107.34 534,785.36 546,179.03 512,164.39 544,058.16 571,612.61 566,998.80 585,877.86 575,831.81 528,984.91 579,688.66 565,168.70 566,343.98 578,594.19 564,832.80 573,922.84 572,163.82 597,934.95 549,237.00 606,161.02 611,302.39 615,668.93 609,669.75 631,260.22 631,418.17 643,550.11 643,038.76 638,348.77 643,913.84 634,818.33 661,478.37 676,969.53 663,604.13 655,000.12 665,321.96 696,856.48
49 50
98% 100%
17 $ 471,086.16 $ 234,727.23 992.837337 $ 705,813.40 12 $ 519,616.73 $ 190,752.35 8.47E-06 $ 710,369.08
Los ndices de confiabilidad anuales (LOLP, LOLE y LOEE) del PAMM preliminar se presentan en la Tabla 5.4, los cuales se obtienen de acuerdo a lo mencionado en el captulo 3.
Tabla 5.4. ndices anuales de confiabilidad de PAMM preliminar.
LOLP [%] LOLE [h/ao] LOEE [MWh/ao]
Resultados de la Simulacin 0.018561362 1.62152055 33.7387699
Los ndices de LOLP, LOLE y LOEE semanal se presentan en la figura 5.2 correspondiente al PAMM preliminar.
0.4
LOLP [%]
Indice Semanal PAMM Preliminar
0.3 0.2 0.1 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana 3 5 7 9 11 13 15 17 19
LOLE [h/semana]
0.4 0.3 0.2 0.1 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana 10 3 5 7 9 11 13 15 17 19
LOEE [MWh/semana]
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
89
Figura 5.2. ndices de LOLP, LOLE y LOEE semanal para el PAMM preliminar.
La potencia mxima disponible depende de dos aspectos los cuales son: Potencia indisponible por mantenimiento mayor: Reduccin de la capacidad instalada debido a un mantenimiento programado en el horizonte de estudio Potencia mxima de las centrales hidroelctricas: Esta depende directamente de la cota que posea el embalse en la semana analizada, estas cotas guardan relacin con cada uno de los escenarios hidrolgicos que genera el SDDP. Para lograr hacer los resultados comparables entre todos los planes propuestos, la potencia anual disponible depender nicamente de los mantenimientos programados para el horizonte de estudio. En la figura 5.3 se presenta la potencia anual disponible debida a mantenimientos mayores del PAMM preliminar, adems se presenta la capacidad instalada, el margen de reserva y la demanda mxima semanal, estos ltimos 3 parmetros son iguales para todos los escenarios de optimizacin.
1400
1300
1200
1100
[MW]
1000
900
800
700
600
Capacidad instalada Potencia maxima disponible PAMM preliminar Modelo de Demanda de SDDP Margen de Reserva
500 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura 5.3. Potencia anual disponible de PAMM preliminar
90
5.4
Resultados de Modelo de Optimizacin sin evaluar Confiabilidad en Funcin Objetivo.
Los resultados de los distintos PAMM ptimos, generados con las distintas series hidrolgicas, sern comparados entre ellos y contra el PAMM preliminar, donde se observarn:
Los ahorros o prdidas con respecto al PAMM preliminar en todos los escenarios hidrolgicos. El dficit de energa. Los desplazamientos de los planes propuestos con respecto al preliminar. Los ndices de confiabilidad del plan propuesto. La potencia disponible semanalmente.
5.4.1
Resultados Algoritmo Gentico.
Los primeros resultados a presentar son los de evolucin del algoritmo gentico a medida este va llegando a una convergencia, este valor puede que no sea el mnimo total del sistema pero aun as estar muy cercano a ste.
Los parmetros utilizados en el algoritmo gentico son 60 generaciones de 50 individuos cada una y una tasa de mutacin de 0.2. En la figura 5.4 se presenta la optimizacin del PAMM serie seca, en la figura 5.5 la del PAMM serie normal y en la 5.6 la optimizacin del PAMM serie hmeda.
91
4.23
x 10
Evolucion del Costo Serie Seca Minimo Media
4.225
costo
4.22
4.215
10
20
30 generacin
40
50
60
6 5 4 3 2 1
x 10
Evolucion del Ahorro Serie Seca
ahorro
10
20
30 generacin
40
50
60
Figura 5.4 Resultados de Algoritmo gentico de optimizacin de la serie Seca.

x 10
8
Evolucion del Costo Serie Normal Minimo Media
3.514 3.512 3.51

costo
3.508 3.506 3.504 3.502 0 10 20 30 generacin 40 50 60
x 10
Evolucion del Ahorro Serie Normal
4
ahorro
10
20
30 generacin
40
50
60
Figura 5.5. Resultados de Algoritmo gentico de optimizacin de la serie Normal.
92
3.23 3.225 3.22

costo
x 10
Evolucion del Costo Serie Humeda Minimo Media
3.215 3.21 3.205 3.2 0 10 20 30 generacin 40 50 60
5 4 3 2 1 0
x 10
Evolucion del Ahorro Serie Humeda
ahorro
10
20
30 generacin
40
50
60
Figura 5.6. Resultados de Algoritmo gentico de optimizacin de la serie Hmeda.
Los desplazamientos realizados por cada PAMM propuesto con respecto al PAMM preliminar se presentan en la tabla 5.5. Es de notar que los mantenimientos solo se desplazaron de manera semanal para una presentacin de resultados simplificada, el programa posee la capacidad de realizar estos desplazamientos diarios.
Tabla 5.5. Fechas originales de los mantenimientos mayores y los cambios que estas presentaron con respecto a la fecha original.
Central
Fecha inicial
Fecha Final
Desplazamiento Desplazamiento Desplazamiento PAMM serie PAMM serie PAMM serie seca normal hmeda 0 -7 0 0 0 93 0 0 0 0 0 0 0 0 -7 -7
cgra-u2 cgra-u1 15se-u1 5nov-u2 5nov-u5
13/05/2013 09/06/2013 24/06/2013 30/06/2013 04/11/2013 11/05/2014 06/01/2014 26/01/2014 27/01/2014 16/02/2014
5nov-u4 acaj-m9 acaj-m4 acaj-m6 acaj-m5 acaj-u5 acaj-u2 soya-g1 taln-m1 taln-m2 taln-m3 ahua-u2 ahua-u3 berl-u2 berl-u4 text-m6 text-m7 text-m3 text-m5 text-m4 taln-m9 taln-m5 taln-m4 5.4.2
17/02/2014 09/03/2014 13/05/2013 16/06/2013 08/07/2013 04/08/2013 26/08/2013 22/09/2013 07/10/2013 03/11/2013 12/08/2013 06/10/2013 30/09/2013 10/11/2013 01/07/2013 28/07/2013 17/06/2013 07/07/2013 22/07/2013 11/08/2013 26/08/2013 15/09/2013 03/06/2013 07/07/2013 29/07/2013 25/08/2013 14/10/2013 03/11/2013 14/10/2013 03/11/2013 13/05/2013 26/05/2013 27/05/2013 09/06/2013 26/08/2013 08/09/2013 09/09/2013 22/09/2013 23/09/2013 06/10/2013 27/01/2014 16/02/2014 03/03/2014 23/03/2014 07/04/2014 27/04/2014
0 7 7 0 7 0 -7 0 7 7 7 7 -7 0 0 7 7 0 0 7 -7 0 0
0 7 -7 7 0 7 0 7 -7 -7 -7 7 0 0 0 7 7 -7 7 0 -7 7 -7
0 7 7 7 0 7 7 0 -7 -7 -7 7 0 -7 -7 7 7 -7 -7 -7 -7 7 0
Resultados de coordinacin hidrotrmica anual.
Los ahorros de los PAMM propuestos con respecto al PAMM preliminar se presentan en la tabla 5.6, los cuales estn ordenados desde la serie ms hmeda hasta la serie ms seca. Se observan en color rojo las series que presentan perdidas a la hora de la evaluacin de ese PAMM propuesto en esa serie hidrolgica, en este caso el PAMM seco es el que presenta ms prdidas con respecto al PAMM preliminar en todas las series.
Tabla 5.6 Ahorros y perdidas al evaluar el PAMM propuesto en todos los escenarios hidrolgicos
PAMM seco Serie 34 4 Ahorro [$]
PAMM normal Ahorro [$]
PAMM hmedo Ahorro [$] Serie 11 44
PAMM seco Ahorro [$] $272,511.05 -$274,317.63
PAMM normal Ahorro [$]
PAMM hmedo Ahorro [$]
$1,715.78 $711,025.76 $560,400.77 $434,999.27 $438,991.81 $449,489.28 94
$287,084.40 $329,124.07 $746,581.25 $793,090.08
21 8 20 39 9 35 30 13 6 7 19 47 31 26 2 27 36 14 15 29 5 45 32
$427,871.66 $465,961.47 $354,803.38 $442,612.87 $455,253.40 $485,654.82 -$352,962.34 $373,941.51 $277,053.33 $340,202.14 $387,683.14 $277,795.02 -$529,949.97 -$877,681.46 $766,732.08 -$1243,557.24 -$729,340.04 $598,037.40 -$243,862.53 $206,894.92 $143,626.88 $180,815.82 $391,682.20 -$691,297.36 $509,096.23 $243,221.40 $699,227.89 $171,200.67 $165,596.59 -$6,275.10 $338,792.76 $248,230.12 $409,963.40 $654,323.43 $394,177.80 $392,413.15 $721,216.64 $426,399.75 $371,750.16 $118,752.60 $400,113.46 $424,113.31 $433,597.92 $781,537.86 $226,535.20 $755,730.19 $398,390.38 $281,168.17 $401,400.23 $497,671.95 $282,079.20 $325,257.81 $596,815.26 $431,554.61 $438,739.71 $595,064.31 $309,748.39 $398,416.37 $249,536.26 $418,533.36 $473,060.23 $442,878.94 $823,719.05 $340,337.13 $764,934.23 $222,086.63 $322,418.68 $348,740.42 $326,959.19
40 43 23 33 28 38 24 37 16 49 46 41 48 25 1 3 50 42 10 22 18 17 12
-$104,513.14 $713,040.00 $508,749.53 $479,639.31 $818,811.59 $818,920.79 $322,697.07 $435,691.62 $478,275.09 $421,099.06 $429,111.48 $1157,447.22 $389,442.58 $433,273.00 $430,019.56 $224,139.30 $255,717.19 $257,362.80 $406,780.28 $294,645.14 $304,007.51 $113,312.96 $423,815.85 $275,645.61 -$608,356.62 $482,436.53 $470,993.44 -$29,103.16 $706,343.68 $755,070.80 $348,443.89 $396,183.89 $318,246.98 $310,221.48 $298,413.98 $304,195.70 $279,011.01 $385,130.44 $375,284.73 $45,265.32 $346,929.06 $356,902.05 -$198,623.18 $493,756.90 $418,273.47 $663,221.54 $636,864.55 $597,808.99 $354,866.19 $322,164.91 $286,659.98 $505,451.29 $277,601.45 $122,185.38 -$225,867.42 $619,548.68 $677,729.13 $414,782.79 $298,353.34 $274,896.67 -$772,651.39 $905,897.99 $55,982.79 -$711,853.47 $1463,341.91 $751,836.25 $589,368.21 $261,985.85 $124,581.65
El dficit de potencia de cada PAMM propuesto evaluado en la serie determinada se presenta en la tabla 5.7
Tabla5.7. Dficit de potencia presentado por cada PAMM evaluado
Serie 34 4 21 8 20 39
PAMM seco Dficit de potencia [MWh] 7.51E-06 4.92E-06 2.95E-06 5.28E-06 3.77E-06 5.34E-06
PAMM normal Dficit de potencia [MWh] 5.96E-06 4.99E-06 1.34E-06 4.56E-06 4.41E-06 5.69E-06
PAMM hmedo Dficit de potencia Serie [MWh] 4.49E-06 11 4.92E-06 44 1.49E-06 40 4.82E-06 43 2.09E-06 23 5.31E-06 33 95
PAMM seco Dficit de potencia [MWh] 2.97E-06 7.65E-06 4.01E-06 6.39E-06 2.30E-06 7.23E-06
PAMM normal Dficit de potencia [MWh] 2.04E-06 7.84E-06 8.70E-06 5.77E-06 5.58E-06 8.37E-06
PAMM hmedo Dficit de potencia [MWh] 2.52E-06 6.39E-06 3.69E-06 5.35E-06 6.43E-06 6.97E-06
9 35 30 13 6 7 19 47 31 26 2 27 36 14 15 29 5 45 32
6.19E-06 4.62E-06 1.31E-06 8.18E-06 2.30E-06 2.91E-06 4.20E-06 2.88E-06 6.40E-06 4.76E-06 7.20E-06 8.32E-06 3.81E-06 1.03E-05 2.97E-06 6.99E-06 1.07E-05 2.27E-06 4.04E-06
28 4.20E-06 2.82E-06 5.48E-06 38 2.24E-06 5.00E-06 8.52E-06 24 4.55E-06 5.20E-06 4.40E-06 37 4.01E-06 3.68E-06 4.08E-06 16 9.64E-06 4.86E-06 6.04E-06 49 5.98E-06 4.72E-06 5.08E-06 46 7.32E-06 1.01E-05 7.33E-06 41 2.92E-06 3.62E-06 4.59E-06 48 6.00E-06 3.90E-06 3.14E-06 25 1.17E-05 1.35E-05 1.24E-05 1 4.14E-06 5.98E-06 4.75E-06 3 8.02E-06 8.90E-06 1.22E-05 50 7.56E-06 7.83E-06 6.29E-06 42 1.26E-05 1.39E-05 1.13E-05 10 7.09E-06 4.66E-06 4.02E-06 22 7.89E-06 1.06E-05 7.49E-06 18 3084.75343 1340.52011 2197.4201 17 1450.56734 4.65E-06 563.234007 12 8.77E-06 8.58E-06 1.37E-05
5.4.3
ndices de confiabilidad anual y semanal.
Los ndices de confiabilidad anual se presentan en la tabla 5.8, estos corresponden a cada PAMM propuesto y se comparan con el PAMM preliminar, se observa que a pesar que la confiabilidad no ha sido incorporada en la funcin objetivo del algoritmo gentico se obtiene una mejora en los ndices de confiabilidad respecto al PAMM preliminar.
Tabla 5.8. ndices de confiabilidad anual LOLP, LOLE y LOEE para cada PAMM propuesto
PAMM Preliminar
PAMM serie seca
PAMM serie normal
PAMM serie humeda 1.3392859
LOLP [%] 0.01856136 0.01587187 0.01467433 0.01533065 LOLE [h/ao] 1.62152055 1.38656643 1.28194919 LOEE [MWh/ao] 33.7387699 27.7642508 25.6599034 26.6033945
96
Los ndices de confiabilidad semanal LOLP LOLE y LOEE se presentan en la figura 5.7 5.8 y 5.9, en la figura 5.10 se presenta una comparacin de cada uno de los resultados con el PAMM propuesto, cada uno con su color correspondiente.
0.4
LOLP [%]
0.3 0.2 0.1
Indice Semanal PAMM Preliminar Indice Semanal PAMM Serie Seca
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
LOLE [h/semana]
9 11 13 15 17 19
0.4 0.3 0.2 0.1 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana 10 3 5 7 9 11 13 15 17 19
LOEE [MWh/semana]
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura5.7 Comparacin de ndices de confiabilidad de PAMM propuesto Seco.
97
0.4
LOLP [%]
0.3 0.2 0.1
Indice Semanal PAMM Preliminar Indice Semanal PAMM Serie normal
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
LOLE [h/semana]
9 11 13 15 17 19
0.4 0.3 0.2 0.1 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana 10 3 5 7 9 11 13 15 17 19
LOEE [MWh/semana]
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura5.8. Comparacin de ndices de confiabilidad de PAMM propuesto Normal.
0.4
LOLP [%]
0.3 0.2 0.1
Indice Semanal PAMM Preliminar Indice Semanal PAMM Serie humeda
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
LOLE [h/semana]
9 11 13 15 17 19
0.4 0.3 0.2 0.1 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana 10 3 5 7 9 11 13 15 17 19
LOEE [MWh/semana]
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura 5.9. Comparacin de ndices de confiabilidad de PAMM propuesto Hmedo.
98
0.4
LOLP [%]
0.3 0.2 0.1
Indice Semanal Indice Semanal Indice Semanal Indice Semanal
PAMM PAMM PAMM PAMM
Preliminar Serie seca Serie normal Serie humeda
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
LOLE [h/semana]
9 11 13 15 17 19
0.4 0.3 0.2 0.1 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana 10 3 5 7 9 11 13 15 17 19
LOEE [MWh/semana]
0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17 19
Figura 5.10. Comparacin de ndices de confiabilidad PAMM propuestos vs PAMM preliminar.
5.4.4
Potencia Disponible.
En la figura 5.5 se presenta la potencia disponible del PAMM propuesto con respecto al PAMM preliminar, se observan 3 grficos la lnea roja representa al PAMM seco, la verde al PAMM normal y la azul al PAMM hmedo.
99
1400 1300 1200 1100 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 1400 1300 1200 1100 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 1400 1300 1200 1100 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1
9 11 13 15 17 19
9 11 13 15 17 19
9 11 13 15 17 19
Figura 5.5. Comparacin de potencia disponible de PAMM preliminar (negro) con respecto a PAMM propuesto (rojo, verde y azul) la lnea magenta representa la capacidad instalada del sistema.
En la seccin de Anlisis multicriterio de este captulo se tomarn en cuenta los distintos resultados presentados en esta seccin para la eleccin de una propuesta de PAMM ptimo que tiene un mejor desempeo global.
5.5
Resultados de Modelo de optimizacin evaluando Confiabilidad en la Funcin Objetivo.
Debido a que ahora se incluye la componente de la ENS en la funcin objetivo en el momento de la optimizacin, los resultados de los distintos PAMM ptimos, generados con las distintas series hidrolgicas, sern comparados entre ellos y contra el PAMM preliminar, y a estos se les agregara los resultados de confiabilidad en la optimizacin:
Los ahorros o prdidas con respecto al PAMM preliminar en todos los escenarios hidrolgicos.
100
El dficit de energa. Los desplazamientos de los planes propuestos con respecto al preliminar. Los ndices de confiabilidad del plan propuesto. La potencia disponible semanalmente.
Es de inters, antes de realizar las optimizaciones para las distintas series hidrologicas, encontrar un valor de VOLL el cual permita una optimizacin de los ndices de confiabilidad sin afectar considerablemente el ahorro en el despacho econmico, esto se logr fijando la serie normal y realizando pruebas de distintos valores del VOLL, encontrando el que genere mejor desempeo en el algoritmo gentico, de estos resultados se presentaran: Evolucin del costo total de generacin de sistema a medida se desarrolla el algoritmo gentico Evolucin del Ahorro de los PAMM propuestos contra el PAMM preliminar. Evolucin de los costos de la energa no suministrada en la funcin objetivo. Los desplazamientos con respecto a la fechas de origen de los planes propuestos, con sus respectivos VOLL Los ndices de confiabilidad anual y semanal de cada PAMM propuesto.
El valor principal del VOLL es el que menciona el reglamento el 110% de la maquina ms costosa del sistema, esto nos da un VOLL de 400 USD, aparece un VOLL representativo de 1000 USD los dems valores de VOLL aparecen en mltiplos de 10 del valor del reglamento 4000, 40000 y 40000. En la figura 5.6, 5.7, 5.8, 5.9 y 5.10 se observa la evolucin de los costos de generacin del sistema a medida se desarrolla el algoritmo gentico, una segunda grafica donde se presenta el ahorro del sistema y una final con la evolucin del costo de la parte de confiabilidad en la funcin objetivo.
101
3.515 3.51 3.505 3.5
x 10
Evolucion del Costo Serie normal VOLL 400 Minimo Media
costo
0 x 10
5
10
20
30 40 generacin Evolucion del Ahorro Serie normal
50
60
6
ahorro
5 4 3
0 x 10
4
10
20
30 generacin Costos de Confiabilidad
40
50
60
2
Costo [$]
Costo de ENS 1.5
10
20
30 Generacin
40
50
60
Figura 5.6. Resultados de Algoritmo gentico de optimizacin de la serie Normal con un VOLL de 400$.
3.515 3.51 3.505 3.5
x 10
costo
0 x 10
5
10
20
50
60
6
ahorro
4 2 0
0 x 10
4
10
20
40
50
60
5
Costo [$]
Costo de ENS 4
10
20
30 Generacin
40
50
60
Figura 5.7. Resultados de Algoritmo gentico de optimizacin de la serie Normal con un VOLL de 1,000$.
102
3.515 3.51 3.505 3.5
x 10
costo
0 x 10
5
10
20
50
60
6
ahorro
4 2 0
0 x 10
5
10
20
40
50
60
1.6
Costo [$]
Costo de ENS 1.4
1.2
10
20
30 Generacin
40
50
60
x 10
8
3.53
costo
3.52
3.51
0 x 10
5
10
20
50
60
10
ahorro
0 x 10
6
10
20
40
50
60
1.6
Costo [$]
Costo de ENS 1.4 1.2 1
10
20
30 Generacin
40
50
60
103
3.7
costo
x 10
3.65
3.6
0 x 10
6
10
20
50
60
6
ahorro
5 4 3
0 x 10
7
10
20
40
50
60
1.2
Costo [$]
Costo de ENS 1.1 1 0.9
10
20
30 Generacin
40
50
60
Es evidente que a medida se aumenta el valor del VOLL los ahorros y los costos de la ENS comienzan a oscilar, esto se debe a que la ENS es el valor obtenido con las simulaciones de Montecarlo, este valor es el que ms tarda en converger y su precisin depende del nmero de iteraciones con el cual se realice las pruebas, si este valor es muy alto, la optimizacin de PAMM no puede ser realizada en corto tiempo. Adems el valor del VOLL le ingresa una variable de amplificacin al error de convergencia de la ENS.
Con las optimizaciones realizadas procedemos a presentar los desplazamientos de los PAMM propuestos con respecto a las fechas iniciales que presenta el PAMM preliminar, esto se observa en la tabla 5.9.
Tabla 5.9 Desplazamientos de los PAMM propuestos de diferente VOLL con respecto al PAMM preliminar Sin confiabilidad Central cgra-u2 Fecha inicial 13/05/2013 Fecha Final 09/06/2013 Cambio 0 VOLL 400 Cambio 0 VOLL 1000 Cambio 0 VOLL 4000 Cambio 0 VOLL 40000 Cambio 0 VOLL 400000 Cambio 0
104
cgra-u1 15se-u1 5nov-u2 5nov-u5 5nov-u4 acaj-m9 acaj-m4 acaj-m6 acaj-m5 acaj-u5 acaj-u2 soya-g1 taln-m1 taln-m2 taln-m3 ahua-u2 ahua-u3 berl-u2 berl-u4 text-m6 text-m7 text-m3 text-m5 text-m4 taln-m9 taln-m5 taln-m4
24/06/2013 04/11/2013 06/01/2014 27/01/2014 17/02/2014 13/05/2013 08/07/2013 26/08/2013 07/10/2013 12/08/2013 30/09/2013 01/07/2013 17/06/2013 22/07/2013 26/08/2013 03/06/2013 29/07/2013 14/10/2013 14/10/2013 13/05/2013 27/05/2013 26/08/2013 09/09/2013 23/09/2013 27/01/2014 03/03/2014 07/04/2014
30/06/2013 11/05/2014 26/01/2014 16/02/2014 09/03/2014 16/06/2013 04/08/2013 22/09/2013 03/11/2013 06/10/2013 10/11/2013 28/07/2013 07/07/2013 11/08/2013 15/09/2013 07/07/2013 25/08/2013 03/11/2013 03/11/2013 26/05/2013 09/06/2013 08/09/2013 22/09/2013 06/10/2013 16/02/2014 23/03/2014 27/04/2014
0 -7 -7 7 -7 7 7 0 -7 -7 0 0 7 7 7 7 7 -7 -7 7 7 0 0 -7 -7 -7 0
0 0 0 0 0 7 0 7 -7 -7 7 0 -7 -7 -7 7 0 0 0 7 7 -7 0 7 -7 0 -7
0 0 0 0 0 7 0 0 0 7 7 0 -7 -7 -7 7 0 0 0 7 7 -7 7 0 0 7 -7
0 0 0 0 0 7 0 7 0 0 0 7 -7 -7 -7 7 0 0 0 7 7 -7 0 7 -7 7 0
0 0 0 0 0 7 0 7 -7 7 -7 0 7 7 7 7 7 0 0 7 7 -7 7 -7 0 0 -7
7 -7 0 0 0 7 0 7 -7 -7 -7 0 -7 -7 -7 7 7 -7 -7 7 7 7 7 0 0 7 -7
Los ndices de confiabilidad anuales de cada PAMM propuesto se presentan en la tabla 5.10 adems en esta se presentan los ahorros de la parte de la funcin objetivo que solo incluye el despacho econmico y los ahorros en toda la funcin objetivo.
Tabla 5.10. Resumen de resultados de ndices de confiabilidad anuales y resultados de funcin objetivo.
LOLP [%]
LOLE [h/ao]
LOEE Ahorro de la Ahorro Despacho [MWh/ao] sin confiabilidad funcin objetivo $497,671.95 -
PAMM 0.01856136 1.62152055 33.7387699 Preliminar PAMM sin 0.01467433 1.28194919 25.6599034 VOLL
105
PAMM VOLL 400
0.01461506
1.2767714 25.1208337
$496,395.84 $492,079.02 $498,455.92 $457,461.27
$499,889.18 $499,883.86 $525,918.93 $847,531.18
PAMM 0.01443793 1.26129759 24.3739025 VOLL 1000 PAMM 0.01461245 1.27654375 25.1382816 VOLL 4000 PAMM VOLL 0.01356687 1.18520192 22.9092846 40000 PAMM VOLL 0.01140514 0.99635339 19.4192641 400000 5.5.1 5.5.2 5.5.3 5.5.4 Resultados del Algoritmo gentico. Resultados de coordinacin hidrotrmica anual. ndices de confiabilidad anual y semanal. Potencia disponible.
-$482,279.46
$5246,279.32
5.6
Resumen de resultados.
5.7
Validacin del modelo de optimizacin.
Habiendo definido el modelo de optimizacin y luego de haber presentado resultados se procede a la validacin del mismo utilizando el modelo SDDP y corroborar que los ahorros obtenidos en los resultados al desplazar las fechas de los mantenimientos tambin se reflejaron en este modelo.
Para lograr esta validacin la herramienta computacional desarrollada en Matlab tuvo que ser acoplada a ciertas caractersticas que posee el SDDP para las simulaciones de costos de operacin del sistema de generacin tomando en cuenta los mantenimientos anuales, que son las siguientes:
Duracin de mantenimientos: el SDDP no posee la capacidad de simular indisponibilidades con resolucin diaria, es decir, si el generador posee un mantenimiento de 2 das en la semana, el SDDP no lo tomar en cuenta. Esto se solucion utilizando mantenimientos con duraciones de mltiplos de 7 das
Inicio del mantenimiento: para el SDDP una semana inicia lunes y finaliza el da domingo, si en algn momento existe un mantenimiento que dure 5 das y este inicia sbado el SDDP tomara indisponible 2 semanas completas esta mquina causando problemas de precisin. 106
Esto se solucion ubicando el inicio de los mantenimientos los das lunes y este finalizando los das domingo de su duracin correspondiente (7, 14, 21, das). Numero de iteraciones para la resolucin de coordinacin hidrotrmica: de manera terica, la energa hidroelctrica es utilizada para reducir los costos de generacin trmica, la manera ms eficiente para lograrlo es empuntando la energa hidroelctrica en los momentos que exista mayor demanda. El SDDP trabaja tratando de mantener constante la generacin de energa hidroelctrica en el transcurso de una semana, cuando en esta exista abundante energa hidroelctrica, esto ocasion diferencias en la optimizacin que hace el SDDP y la herramienta computacional desarrollada en Matlab para el ao hmedo. Esto se solucion reduciendo el nmero de iteraciones en la realizacin de la coordinacin hidrotrmica semanal.
El ltimo punto de las caractersticas del SDDP puede ser comprobado al observar los resultados de las figuras 5.6, 5.7 y 5.8 las cuales consisten en la reparticin de la energa hidroelctrica realizada por el SDDP (negro) y la realizada por la herramienta computacional desarrollada en Matlab (azul) para la serie seca, normal y hmeda, respectivamente, donde la primera grafica consiste en la reparticin hidroelctrica con mximas iteraciones y la segunda con 4 iteraciones.
107
Maximas iteraciones 1000 800

Potencia (MWh)
Demanda SDDP Programa
600 400 200 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana 4 iteraciones 1000 800 Demanda SDDP Programa
9 11 13 15 17
Potencia (MWh)
600 400 200 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17
Figura 5.6 Reparticin hidroelctrica con cambio de iteraciones serie Seca

Potencia (MWh)
9 11 13 15 17
Potencia (MWh)
600 400 200 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17
Figura 5.7 Reparticin hidroelctrica con cambio de iteraciones serie Normal
108

Potencia (MWh)
9 11 13 15 17
Potencia (MWh)
600 400 200 0 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 Semana
9 11 13 15 17
Figura 5.8 Reparticin hidroelctrica con cambio de iteraciones serie Hmeda.
Cabe mencionar que al reducir el nmero de iteraciones los costos de operacin del sistema anuales aumentaban debido a que la respuesta no haba llegado a una convergencia, sin embargo, estos costos guardaban cierta similitud que los costos obtenidos a travs del SDDP, lo cual se muestra en la tabla 5.8, donde se presenta la resolucin de la operacin del sistema obtenida en la herramienta computacional desarrollada en Matlab con el nmero mximo de iteraciones y con iteraciones reducidas.
Tabla5.8. Comparacin de costos de generacin obtenidos con el programa Matlab y SDDP Costo Hmedo (Matlab) en Miles de USD PAMM Preliminar (Mximas iteraciones) Costo Hmedo (SDDP) en Miles de USD Costo Costo Seco Normal Costo Normal (Matlab) en (Matlab) en (SDDP) en Miles de Miles de Miles de USD USD USD Costo Seco (SDDP) en Miles de USD
$320,494.65 $365,411.55 $350,724.06 $391,306.21 $422,145.55 $469,037.97
109
PAMM Preliminar (4 iteraciones)
$363,127.91 $365,411.55 $385,326.86 $391,306.21 $457,371.11 $469,037.97
Con base en los resultados anteriores se realiz la optimizacin del PAMM a travs de la herramienta computacional desarrollada en Matlab de la serie hidrolgica seca, normal y hmeda. Cabe mencionar que debido a que los mantenimientos ya estn ajustados para iniciar da lunes, los desplazamientos de fecha de inicio de estos sern de 1 semana sin resolucin diaria. En la tabla 5.9 se presentan los desplazamientos que sufrieron los mantenimientos con respecto a su fecha de inicio donde siempre se mantiene la presentacin de un resultado con mximas iteraciones, y este acompaado del resultado con 4 iteraciones.
Tabla5.9. Fechas de mantenimiento y desplazamientos obtenidos por medio del algoritmo gentico para validar modelo de optimizacin. Seca Normal Hmeda Seca (4 Normal (4 Hmeda (4 (mximas (mximas (mximas iteraciones) iteraciones) iteraciones) iteraciones) iteraciones) iteraciones)
Central cgra-u2 cgra-u1 15se-u1 5nov-u2 5nov-u5 5nov-u4 acaj-m9 acaj-m4 acaj-m6 acaj-m5 acaj-u5 acaj-u2 soya-g1 taln-m1 taln-m2 taln-m3 ahua-u2 ahua-u3 berl-u2 berl-u4
Fecha inicial
Fecha Final
13/05/2013 09/06/2013 24/06/2013 30/06/2013 04/11/2013 11/05/2014 06/01/2014 26/01/2014 27/01/2014 16/02/2014 17/02/2014 09/03/2014 13/05/2013 16/06/2013 08/07/2013 04/08/2013 26/08/2013 22/09/2013 07/10/2013 03/11/2013 12/08/2013 06/10/2013 30/09/2013 10/11/2013 01/07/2013 28/07/2013 17/06/2013 07/07/2013 22/07/2013 11/08/2013 26/08/2013 15/09/2013 03/06/2013 07/07/2013 29/07/2013 25/08/2013 14/10/2013 03/11/2013 14/10/2013 03/11/2013
0 -7 0 0 0 0 7 7 0 7 0 -7 0 7 7 7 7 -7 0 0 110
0 -7 0 -7 0 0 7 7 -7 7 -7 7 -7 0 0 0 7 -7 -7 -7
0 0 0 0 0 0 7 -7 7 0 7 0 7 -7 -7 -7 7 0 0 0
0 0 0 0 -7 0 7 0 7 -7 0 -7 0 0 0 0 0 0 -7 -7
0 0 0 -7 -7 0 7 7 7 0 7 7 0 -7 -7 -7 7 0 -7 -7
0 0 0 0 0 0 7 -7 0 -7 7 0 7 -7 -7 -7 0 7 -7 -7
text-m6 text-m7 text-m3 text-m5 text-m4 taln-m9 taln-m5 taln-m4
13/05/2013 26/05/2013 27/05/2013 09/06/2013 26/08/2013 08/09/2013 09/09/2013 22/09/2013 23/09/2013 06/10/2013 27/01/2014 16/02/2014 03/03/2014 23/03/2014 07/04/2014 27/04/2014
7 7 0 0 7 -7 0 0
0 7 0 0 0 0 0 0
7 7 -7 7 0 -7 7 -7
0 0 -7 0 0 -7 7 -7
7 7 -7 -7 -7 -7 7 0
7 7 0 0 7 -7 7 -7
Los resultados de estos desplazamientos se presentan en la tabla 5.10, estos costos son obtenidos de los datos de simulacin del SDDP, en estos se presentan los ahorros que se obtuvieron al comparar el PAMM propuesto para esa serie con respecto al costo del PAMM preliminar para la misma serie manteniendo que V1 es el resultado con el nmero mximo de iteraciones y V2 con solo 4 iteraciones.
Tabla5.10. Costos obtenidos por el SDDP para el PAMM preliminar y los PAMM propuestos.
Costo Seco en Miles de USD PAMM Preliminar $469,037.97 PAMM serie seca (Mximas $468,700.25 iteraciones) PAMM serie seca (4 $468,597.05 iteraciones) PAMM serie normal (Mximas iteraciones) PAMM serie normal (4 iteraciones) PAMM serie hmeda (Mximas iteraciones) PAMM serie hmeda (4 iteraciones)
Ahorro en Miles de USD $337.71
Costo Normal en Miles de USD $391,306.21 -
Ahorro en Miles de USD -
Costo Hmedo en Miles de USD $365,411.55 -
Ahorro en Miles de USD -
$440.91
$391,229.73
$76.48
$391,245.05
$61.16
$366,523.55 -$1,112.00
$365,179.74
$231.82
111
Se observa que en la versin de ms iteraciones no se logr ahorro al evaluar el PAMM propuesto en la serie hmeda, lo cual se solucion reduciendo el nmero de iteraciones.
112

Capitulo 5 V2

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Capitulo 5 V2

Uploaded by

Copyright:

Available Formats

CAPITULO 1.

Planteamiento del problema.

Objetivos del trabajo.

Formulacin del problema

, la propuesta del plan de mantenimiento del generador g

carece de flexibilidad [Garcs y Larisson, 2004: p.122].

Figura 1.1 Flexibilidad en la ubicacin del mantenimiento

(Balance de potencia activa)

(Ec. 1.3) (Ec. 1.4) (Ec. 1.5)

(Lmites de potencia activa de generacin) (Flexibilidades de ubicacin de los mantenimientos)

Esquema de abordaje del problema.

Costo Total de Operacin

Figura 1.2. Esquema general de variables de la funcin objetivo.

CAPITULO 2. COORDINACIN HIDROTERMICA

Caractersticas de las Unidades Generadoras.

Unidades Generadoras Trmicas.

Unidades Generadoras Hidroelctricas.

Figura 2.2 Proceso de decisin para sistemas hidrotrmicos.

Modelos para hacer uso ptimo del agua en sistemas Hidrotrmicos.

Figura 2.5 Organizacin de la planeacin a largo, mediano y corto plazo

Modelos de largo plazo

Modelos de mediano plazo

Modelos de corto plazo

Figura 2.6 Representacin de una serie hidrolgica sinttica

Central Hidroelctrica Guajoyo

Central Hidroelctrica Cerrn Grande

Cerron Grande 100

Central Hidroelctrica 15 de Septiembre

Central Hidroelctrica 5 de Noviembre

Modelado de demanda semanal por bloques 1000 900 800 700

600 500 400 300 200 100 0

80 100 Duracion [h]

Figura 2.11 Demanda semanal modelada por bloques.

Modelado de demanda diario cronologico 1000 900 800 700

600 500 400 300 200 100 0

80 100 Duracion [h]

Modelado de demanda diario por bloques 1000 900 800 700

600 500 400 300 200 100 0

80 100 Duracion [h]

Figura 2.13 Demanda horaria no cronolgica

Las tcnicas ms comunes para la solucin del compromiso de unidades son:

Esquemas de lista de prioridades Programacin dinmica 30

152.31 40 152.31 41 152.31

Planteamiento de coordinacin Hidrotrmica (sin simplificacin)

Restricciones de unidades trmicas:

(Ec. 2.3) (Ec. 2.4) (Ec. 2.5)

Restricciones de unidades hidroelctricas:

(Ec. 2.6) (Ec. 2.7) (Ec. 2.8)

Flexibilidad de ubicacin de los mantenimientos:

Planteamiento de coordinacin Hidrotrmica Simulada (con Simplificaciones)

Restricciones de unidades trmicas:

Restricciones de unidades hidroelctricas:

(Ec. 2.13) (Ec. 2.14) (Ec. 2.15)

Flexibilidad de ubicacin de los mantenimientos:

Da de la semana. Hora de la semana.

Resultados de Coordinacin hidrotrmica Simulada (con Simplificaciones)

1000 900 800 700

Generacin Hidro Generacin Trmica Generacin Geotrmica Dficit

600 500 400 300 200 100 0

80 100 Duracion [h]

Figura 2.14 Coordinacin hidrotrmica de semana 25 serie hidrolgica hmeda

Generacin Hidro: 42%

Generacin Geotrmica: 23%

Generacin Trmica: 36%