Modelo de estimación espacial de consumos eléctricos para la planificación de sistemas de transmisión José Manuel Infante Tesis de magíster Ciencias de la Ingeniería Eléctrica Memoria de Título Ingeniería Civil Eléctrica Comisión Rodrigo Palma - Profesor guía Walter Brokering – Profesor coguía - primer integrante Jorge Cerda – Profesor invitado - segundo integrante Juan Carlos Araneda – Experto invitado
Indice Motivación Introducción Propuesta del modelo de estimación Anexos al modelo Conclusiones
Análisis de la industria eléctrica Motivación Análisis de la industria eléctrica Antecedentes: Sector con niveles de inversión bastante altos Recuperación de inversiones en el mediano-largo plazo Crecimiento sostenido de consumos, tanto en energía como en demanda máxima Largos períodos de estudio y construcción de obras Consecuencias Necesidad de hacer inversiones constantemente Necesidad de tomar decisiones en forma anticipada Niveles de incertidumbre bastante altos Decisiones mal tomadas se traducen en costos elevados
Etapas dentro de la planificación de SEP Motivación Etapas dentro de la planificación de SEP Estudio de la demanda Análisis de alternativas de inversión Evaluación económica Análisis de factibilidad Toma de decisiones Estimación de demanda condiciona fuertemente el proceso de planificación
Propuesta modelo de estimación de consumos Motivación Propuesta de un modelo Estimación factores ambientales Mediciones, historia Conocimiento de expertos Propuesta modelo de estimación de consumos Análisis estadístico Inteligencia artificial Optimización Señales para la expansión del sistema Entrada de datos para modelos de simulación
Introducción Estado del arte Criterios de clasificación Componente temporal Horizonte temporal Estimaciones corto plazo < 1 año Estimaciones mediano plazo ~ 5 años Estimaciones largo plazo > 10 años - Compra de materia prima - Coordinación planes de mantenimiento de unidades - Planificación de la expansión del sistema - Operación del sistema
Introducción Estado del arte Criterios de clasificación Componente espacial Resolución espacial Estimaciones globales Estimaciones espaciales - Planificación de expansión en generación - Planificación de expansión en Transmisión y distribución
Introducción Estimaciones espaciales ¿Por qué no han sido ampliamente desarrolladas en la industria? Simplificación excesiva en la abstracción del mundo real. Uso de modelos distorsionados Dificultad en la adquisición de datos espaciales (problema tecnológico) Chile: año 2000 comienzan a aparecer mediciones horarias Objetivo tesis: proponer una metodología que permita obtener resultados confiables en base a la información disponible
Propuesta modelo de estimación ¿Cómo sobrellevar las restricciones y desarrollar un modelo confiable? Enfoques de estimación Análisis de series de tiempo Modelos de regresión Estimaciones se basan en comportamiento histórico de la serie Estimaciones se basan en la causalidad del proceso Consumo eléctrico es un proceso fuertemente causal
Propuesta modelo de estimación Causalidad del consumo eléctrico Fuerte dependencia en otras variables Factores macroeconómicos Estacionalidades semanales y anuales Factores culturales (feriados) Uso del suelo de cada zona Propuesta de un modelo de estimación debe considerar integral estos factores
Propuesta modelo de estimación Características generales modelo propuesto Manejo de incertidumbres: uso de escenarios Principio de modelamiento: causalidad del consumo eléctrico Variable consideradas: PIB y uso de suelos Estimaciones se realizan a nivel de zonas Caso del SIC: 14 zonas Distinción entre consumos vegetativos y determinísticos - Diferenciación de zonas 11 zonas vegetativas 3 zonas determinísticas - Identificación de consumos principales (tratados como determinísticos) Estimaciones son prorrateadas entre barras principales del sistema Caso del SIC - 49 barras actualmente
Propuesta modelo de estimación Uso de suelos Caracterización de cada zona Uso suelos Consumo eléctrico Nivel poblacional Muy difícil de obtener Se miden indirectamente a través de empleo, datos del Censo Nivel industrial Nivel comercial
Propuesta modelo de estimación Desarrollo de estimaciones Estimaciones de variables de entrada Definición de escenarios Prorrateo de estimaciones entre barras principales Estimación de consumo a nivel de zonas
Propuesta modelo de estimación Estimación de consumo a nivel de zonas Resultados requeridos Estimación cambio de forma de perfiles de consumo Estimación crecimiento consumo energético Pueden ser tratados de manera independiente
Propuesta modelo de estimación Estimaciones cambios de perfiles Identificación de estacionalidades Relación con uso de suelos Análisis de forma de perfiles de consumo Normalización de datos División por la energía diaria consumida Análisis de componentes independientes Etapa de clustering
Propuesta modelo de estimación Estimaciones cambios de perfiles Identificación de estacionalidades – algoritmo de clustering Zona Cardones Chilectra y V Región 365 días del año 2-May 27-Sept 1-Abr 16-Oct 365 días del año
Propuesta modelo de estimación Estimaciones cambios de perfiles Relación con uso de suelos – ICA Perfil zona 1 ICA Curva base 1 Industria Comercio Residentes Curva base 2 ZONA Perfil zona 2 Uso de suelos . . Curva base n Perfil zona n
Propuesta modelo de estimación Estimaciones cambios de perfiles Resultados Desarrollo minero en zona de Chilectra – V region Desarrollo poblacional en zona de Cardones
Propuesta modelo de estimación Estimaciones crecimiento consumo energía Variables de entrada Uso de suelos Escenario económico - PIB Conocimiento de expertos Modelo fuzzy logic
Propuesta modelo de estimación Estimaciones crecimiento consumo energía Consumos estimados zona Chilectra – V Region Crecimiento PIB estimado en un 3 % Crecimiento PIB estimado en un 6 % Demandas diarias máximas [MW] Demandas diarias máximas [MW]
Propuesta modelo de estimación Consumos principales actualizados Datos históricos consumo por barra Pérdidas estimadas al interior de la zona Perfil estimado a futuro Asignación barra 1 Asignación barra 2 Asignación barra 3
Filtrado de errores en datos Aspectos finales Filtrado de errores en datos
Representación por bloques Aspectos finales Representación por bloques Estimaciones Entrada modelo de coordinación hidrotérmico Chena 110 Carrera Pinto 220
Aspectos finales Implementación Plataforma utilizada: Matlab Utilización OOP Incorporación de cambios topológicos Actualización de datos
Conclusiones Objetivos cumplidos en forma satisfactoria Aspectos pendientes Análisis de propagación de errores (faltan años de información) Incorporar un modelo de localización de actividades Incorporar efecto de GD sobre estimaciones