PROYECTO DE PRACTICA PROCESO DEMANDA …...PROYECTO DE PRACTICA PROCESO DEMANDA OPERATIVA Author JOE...

Todos los derechos reservados para XM S.A. E.S.P.Todos los derechos reservados para XM S.A. E.S.P.

Métodos de Pronósticos parael consumo de la demanda deenergía eléctrica

Dirección Programación Operación

Proceso Gestión Integral de la Demanda

1


Objetivo General

Socializar las experiencias y herramientas de pronósticosutilizadas en XM para la construcción de la propuesta depronósticos del CND, ante los cambios y el aumento deincertidumbres que ha impactado el comportamiento delconsumo medio de la demanda de energía.

2


Transformación en el SIN

3

Generación centralizada y una bajaparticipación de los usuarios en el mercado.

Mayor participación de recursos renovablesno despachado centralmente.

Mayor participación del Consumidor.

Aumento de la variabilidad de la demanda aabastecer.


Manejo de la Incertidumbre

4

Demanda neta CAISOFuente: (Caiso, 2016)

Reducción del consumo por la implementación de generación distribuida solar.

Mayor variabilidad en el consumo dada la incertidumbre inherente a la producción de fuentes renovables.

Estimar el consumo esperado se convierte en una tarea de alta importancia.



5

Pronóstico Semanal

Pronóstico diario

Pronóstico intra-diario

Operación tiempo real

Incertidumbre actual

Horizontes de Pronósticos

Variables de Impacto

Efecto Calendario

Intervenciones - Outliers

Temperatura - Humedad

Velocidad del Viento

Radiación - Nubosidad



6



7

0

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000Aditivo

3,200

3,300

3,400

3,500

3,600

3,700

3,800

3,900

4,000

4,100

Ene

-95

Jul-

95

Ene

-96

Jul-

96

Ene

-97

Jul-

97

Ene

-98

Jul-

98

Ene

-99

Jul-

99

Ene

-00

Jul-

00

Ene

-01

Jul-

01

En

e-0

2

Jul-

02

Ene

-03

Jul-

03

GW

h

Demanda mensual de energíaCambio de Nivel

0.

1000.

2000.

3000.

4000.

5000.

6000.

7000.

8000.

9000.

10000.

H1

H4

H7

H1

0

H1

3

H1

6

H1

9

H2

2

H1

H4

H7

H1

0

H1

3

H1

6

H1

9

H2

2

H1

H4

H7

H1

0

H1

3

H1

6

H1

9

H2

2

Mie Jue Vie

Innovativo

Cambio Temporal


¿ Cómo proceder ?

8


¿ Cómo proceder ?

9

1. Conciencia en el manejo y calidad de la información


¿ Cómo proceder ?

10

2. Utilización de Metodologías de Pronósticos Robustas

2.1 Técnicas Pronósticos Simples: Promedios Móviles, Descomposición, Suavización exponencial, entre otras.

Consiste en descomponer el consumo de energía en sus componentes de tendencia, estacionalidad y error.

tttt uETC Ct es el consumo de energía en el período t.

Tt es la tendencia e indica como es el comportamiento de la serie en el largo plazo.

Et es la estacionalidad, donde se debe calcular un valor para cada tipo de día, la cual indica qué tanto

el consumo de energía está por encima o por debajo de la tendencia promedio.


¿ Cómo proceder ?

11

2.2 Técnicas Pronósticos Robustas

Modelos SARIMA

tazbbB BTIECt

Ddm

k

jtjt )()()()(0

1

)1()1)((

Representa transformación serie –

No estacionaria varianza

Representa el orden de diferenciación serie

Representa el impacto del efecto calendario

en la serie

Representa el impacto del manejo de outliers

Representa la estructura del proceso ARMA


¿ Cómo proceder ?

12Tanco, F. (2003). Recuperado de: Introducción a las redes neuronales artificiales.


Modelos Redes Neuronales - RNA

• P1-P2: variables explicativas, por ejemplo, tipo de día, Rezagos etc.

• W11-W12: pesos, efecto de las variables explicativas sobre la variable a explicar.

• b: intercepto, ajusta la diferencia entre los valores de la variable dependiente y las variables independientes.

• n: suma del intercepto y el producto entre las variables explicativas y sus respectivos pesos (análogo a una regresión lineal).

• A: función de activación, transforma la salida “n”, en una función no lineal.


¿ Cómo proceder ?

13


Otras técnicas:

• Modelos estructurales de espacio de estado y filtro de Kalman.

• Modelos GAM (Modelos Aditivos Generalizados).

• Modelos por tramos (Spline).

• Modelos dinámicos.

• Modelos de transición suave.

• Modelos LSTR (Logistic smooth transition), entre otros.


¿ Por qué utilizar varias metodologías?

14

Tranquilidad en la estimación de las diferentes metodologías.

Disminución de la incertidumbre en la selección de los pronósticos.

Mayor eficiencia en la operatividad, ya que permite una mejorplaneación.

Mayor seguridad y confiabilidad del sistema, evitando sobrecostos enla operación.


Beneficios de buenos pronósticos en la operación.

15

Es uno de los insumos principales para el despacho y redespacho, un cambio en la demanda con relación a la estimaciónrealizada hace que los supuestos y recomendaciones del despacho y redespacho no sean tan útiles para la operación entiempo real del sistema .

Subestimar - Sobreestimar

Permite la no posibilidad activación del AGC, el cual trata de mantener la operación normal frente a la salida imprevista dealgunos de sus componentes (líneas, generadores, transformadores entre otros), suministrando con rapidez la generaciónfaltante total o parcial.

hacen que se tengan que poner en operación plantas no programadas para operar y que por suscaracterísticas técnicas no necesariamente puedan entregar energía oportunamente, generandoriesgo de desatención de la demanda y que seguramente van a ser más costosas ya que no fueronoptimizadas en el despacho y redespacho

hacen que se enciendan plantas que no se requieren en la operación real, lo que generasobrecostos al sistema que se ven reflejados en mayor valor de restricciones. Además se puedeponer en riesgo la operación del sistema por las características técnicas de las plantas y lacondición del sistema en un momento determinado

PROYECTO DE PRACTICA PROCESO DEMANDA …...PROYECTO DE PRACTICA PROCESO DEMANDA OPERATIVA Author JOE...

Documents

Transcript of PROYECTO DE PRACTICA PROCESO DEMANDA …...PROYECTO DE PRACTICA PROCESO DEMANDA OPERATIVA Author JOE...