Académique Documents
Professionnel Documents
Culture Documents
/
k
W
h
Precios mercado Coste operativo
0
1
2
3
4
5
6
7
8
9
1
3
2
7
4
4
1
3
3
6
1
9
2
0
2
6
8
8
3
2
1
0
3
7
2
9
4
3
4
4
4
9
9
8
5
6
0
1
6
3
6
0
6
9
2
0
7
4
1
6
8
0
1
6
8
6
4
0
horas
c
/
k
W
h
Precios mercado Coste operativo
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
47
Pilar Meneses de Quevedo
En los 9 casos deterministas estudiados la produccin hidrulica y el consumo de
bombeo en GWh fueron los siguientes:
24 38 150
45 123 408
243 232 462
Tabla 13. Consumos de bombeo de los 9 casos deterministas en GWh.
3798 3808 3886
2790 2844 3044
2076 2068 2229
Tabla 14. Produccin hidrulica de los 9 casos deterministas en GWh.
En la figura 24 (en la siguiente hoja en modo horizontal) tambin se puede observar
que la trmica produce en las horas punta y en las horas llano tambin. Suele permanecer
parada en los niveles valle. Sin embargo, no siempre es as, ya que depender del precio del
mercado el cual adems de ser alto, medio o bajo a lo largo del ao. Habr meses que el precio
es ms bajo y meses en los que el precio es mayor. Se ha trabajado con un mismo coste de gas
para todo el ao, como ya se explic, para simplificar el modelo. Se observa en los grficos
que existe mayor densidad de produccin, tanto para la central trmica como para la
hidrulica, en los meses de enero a marzo y partir de julio. Adems, en el escenario de precios
bajos se ve que la produccin es mayor que en los otros escenarios de precios, porque como
ya se explic la diferencia entre el precio del mercado y coste operativo es ms elevado.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
48
Pilar Meneses de Quevedo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia tr Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Pot encia t r Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia t erm Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Pot encia tr Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia t er Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Pot encia t er Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Pot encia t r Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Pot encia ter Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Pot encia t er Pot hydro Consumo bombeo
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
49
Pilar Meneses de Quevedo
5-. Publicacin y anlisis de los resultados estocsticos.
5.1-. Parmetros de entrada.
En el modelo estocstico se tiene en cuenta explcitamente la incertidumbre. As de
esta forma, se establece un rbol de escenarios donde vienen representados todos los
escenarios que queramos incluir en modelo. En este caso, donde optimizamos el margen de
una empresa a lo largo de un ao, influye la variacin de los precios del Mercado diario, la
variacin en el coste de gas y CO2; y las aportaciones. Es lo mismo que se explic
anteriormente en el apartado. 4.1.
Por tanto, vamos a considerar un rbol de 9 escenarios (Fig. 15) donde en la primera
trifurcacin, en p1, se hace la distincin entre precios altos, medios y bajos. De la misma
manera, en cada nodo de p2 se trifurca considerando los valores altos de las aportaciones,
valores medios y bajos. Los 9 escenarios son exactamente los nueve casos que fueron
ejecutados con el modelo determinista. Sin embargo, en este caso, slo hay que ejecutar el
modelo una vez y se obtendr slo un margen con una decisin robusta frente a todos los
escenarios.
El modelo estocstico incluye, adems, las ecuaciones de las restricciones no
anticipatividad debido a las decisiones que se toman en la configuracin en rbol de
probabilidad. Es decir, se formula de la siguiente manera:
Decisin de acoplamiento
u
gp1sn,esc1
=u
gp1sn,esc2
= u
gp1sn,esc3
= u
gp1sn,esc4
= u
gp1sn,esc5
= u
gp1sn,esc6
= u
gp1sn,esc7
=u
gp1sn,esc8
=u
gp1sn,esc9
u
gp2sn,esc1
= u
gp2sn,esc2
= u
gp2sn,esc3
u
gp2sn,esc4
= u
gp2sn,esc5
= u
gp2sn,esc6
u
gp2sn,esc7
= u
gp2sn,esc8
= u
gp2sn,esc9
(Ecuacin 12)
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
50
Pilar Meneses de Quevedo
Produccin trmica
QG
gp1sn,esc1
=QG
gp1sn,esc2
=QG
gp1sn,esc3
=QG
gp1sn,esc4
=QG
gp1sn,esc5
=QG
gp1sn,esc6
=QG
gp1sn,esc7
=
=QG
gp1sn,esc8
=QG
gp1sn,esc9
QG
gp2sn,esc1
= QG
gp2sn,esc2
= QG
gp2sn,esc3
QG
gp2sn,esc4
= QG
gp2sn,esc5
= QG
gp2sn,esc6
QG
gp2sn,esc7
= QG
gp2sn,esc8
= QG
gp2sn,esc9
(Ecuacin 13)
Produccin hidrulica
QH
gp1sn,esc1
=QH
gp1sn,esc2
=QH
gp1sn,esc3
=QH
gp1sn,esc4
=QH
gp1sn,esc5
=QH
gp1sn,esc6
=QH
gp1sn,esc7
=
=QH
gp1sn,esc8
=QH
gp1sn,esc9
QH
gp2sn,esc1
= QH
gp2sn,esc2
= QH
gp2sn,esc3
QH
gp2sn,esc4
= QH
gp2sn,esc5
= QH
gp2sn,esc6
QH
gp2sn,esc7
= QH
gp2sn,esc8
= QH
gp2sn,esc9
(Ecuacin 14)
Consumo del bombeo
BH
gp1sn,esc1
=BH
gp1sn,esc2
=BH
gp1sn,esc3
=BH
gp1sn,esc4
=BH
gp1sn,esc5
=BH
gp1sn,esc6
=BH
gp1sn,esc7
=
=BH
gp1sn,esc8
=BH
gp1sn,esc9
BH
gp2sn,esc1
= BH
gp2sn,esc2
= BH
gp2sn,esc3
BH
gp2sn,esc4
= BH
gp2sn,esc5
= BH
gp2sn,esc6
BH
gp2sn,esc7
= BH
gp2sn,esc8
= BH
gp2sn,esc9
(Ecuacin 15)
Adems, se ha de incluir en el modelo la probabilidad de cada escenario. Se ha
escogido una distribucin normal o simtrica del precio del mercado diario y una distribucin
normal o simtrica de las aportaciones naturales. De esta forma, se obtiene la siguiente
distribucin de la probabilidad.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
51
Pilar Meneses de Quevedo
Aportacin alto 0.25 Precio alto 0.25
Aportacin medio 0.5 Precio medio 0.5
Aportacin bajo 0.25 Precio bajo 0.25
Tabla 15. Probabilidad de los parmetros de entrada.
Se puede ajustar la distribucin de forma ms real. Sin embargo, es un estudio que
excede los objetivos de esta tesis, y supondra otro trabajo posterior que podra llevarse a cabo
para mejorar los resultados prcticos, pero el modelo empleado sera el mismo que ha sido
realizado en la presente tesis.
La distribucin de probabilidad para los nueve escenarios se expresa a continuacin:
Precio alto Precio medio Precio bajo
0.0625 0.125 0.0625 Aportacin alto
0.125 0.25 0.125 Aportacin medio
0.0625 0.125 0.0625 Aportacin bajo
Tabla 16. Probabilidad de los nueve escenarios.
Los nueve escenarios incluidos en el modelo son las nueve situaciones que han sido ya
ejecutadas en el modelo determinista con la particularidad de que para el periodo 1 los
parmetros son todos iguales.
PMD alto 2008 alto 2008 alto 2008
media
2006
media
2006
media
2006 bajo 2007 bajo 2007 bajo 2007
Media PMD 6.443 6.443 6.443 4.946 4.946 4.946 3.935 3.935 3.935
GAS 25.441 25.441 25.441 21.94 21.94 21.94 18.439 18.439 18.439
CO2 22.407 22.407 22.407 11.508 11.508 11.508 0.609 0.609 0.609
La 50.90 50.90 50.90 41.50 41.50 41.50 32.00 32.00 32.00
Lb 8104.20 8104.20 8104.20 6877.50 6877.50 6877.50 5650.80 5650.80 5650.80
Inflows alto medio bajo alto medio bajo alto medio bajo
% Inflows 88% 50% 15% 88% 50% 15% 88% 50% 15%
Probabilidad 0.0625 0.125 0.0625 0.125 0.25 0.125 0.0625 0.125 0.0625
Tabla 17. Esquema de los nueve escenarios del rbol de probabilidad.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
52
Pilar Meneses de Quevedo
5.2-. Anlisis de los resultados.
El modelo se ejecuta y la funcin objetivo se maximiza. En este caso obtenemos un
valor de margen. Se obtiene un margen de 199554 k de los cuales cada escenario se implica
una parte en la solucin total, que es su correspondiente probabilidad (tabla 15).
Esc1 Esc2 Esc3 Esc4 Esc5 Esc6 Esc7 Esc8 Esc9
Margen CCGT 38116 38116 38116 20854 20854 20854 29193 29193 29193
Margen Hydro 261664 207530 157887 205990 165014 128038 180485 147501 118583
Total 299779 245645 196002 226844 185868 148892 209679 176695 147776
Probabilidad 6.25% 12.50% 6.25% 12.50% 25.00% 12.50% 6.25% 12.50% 6.25%
Tabla 18. Solucin estocstica de los nueve escenarios.
Adems, el modelo nos da informacin sobre el valor de las variables. Se pueden
analizar las producciones de las dos tecnologas que se tiene para cada escenario en el modelo
estocstico al igual que ya se hizo para el determinista. Se observa en la Figura 26 de la pgina
54.
Se intuye lo mismo que ocurra con el modelo determinista. El anlisis es
prcticamente el mismo. El margen del ciclo combinado es el mismo si el precio es alto
(escenarios 1,2,3); si es medio (escenarios 4,5,6); y si es bajo (escenarios 7,8,9). Tambin el
beneficio de la central hidrulica es diferente para cada caso.
La semejanza de este modelo estocstico respecta al determinista es que el ciclo
combinado produce los mismos GWh al ao en cada escenario que el que nos calculaba el
modelo determinista.
En trminos de la central hidrulica, se puede observar fcilmente las producciones
agregadas de ambos grupos y el consumo del bombeo a lo largo del ao. Vienen los 9 casos
mencionados ordenados segn se coment en la tabla 12.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
53
Pilar Meneses de Quevedo
24 38 150
35 132 377
243 200 462
Tabla 19. Consumo de bombeo de los 9 escenarios estocsticos en GWh.
3632 3642 3720
2790 2858 3029
2227 2197 2381
Tabla 20. Produccin hidrulica de los 9 escenarios estocsticos en GWh.
La central hidrulica bombea ms, primero cundo menos aportaciones hay y, segundo
cundo el precio es menor. De la misma forma, al igual que ocurra en el modelo determinista
la produccin hidrulica es mayor a menor precio y a mayor nmero de aportaciones
hidrulicas. Las causas son las mismas que lo explicado ya.
Las diferencias del modelo estocstico frente a lo determinista son:
Los mrgenes resultantes no son exactamente los mismos porque el precio del rbol de
escenarios en periodo 1 y periodo 2 no son los mismos a la configuracin determinista por
la condiciones de no anticipatividad.
La produccin hidrulica es 68 GWh menor.
El consumo de bombeo es 66 GWh menor.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
54
Pilar Meneses de Quevedo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Pot encia t r Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia tr Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Pot encia t r Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia tr Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia t r Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia tr Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia tr Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia tr Pot hydro Consumo bombeo
-400
-200
0
200
400
600
800
1000
1200
1400
1600
1800
132 1224 2040 2990 4128 4998 5942 7104 7916
Potencia t r Pot hydro Consumo bombeo
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
55
Pilar Meneses de Quevedo
6.- Comparacin y conclusiones de la estocasticidad del modelo.
Se ha desarrollado hasta el momento la formulacin y resolucin del modelo
estocstico sin evaluar si la incertidumbre afecta mucho o poco al modelo. A continuacin se
definen algunas medidas del efecto de la incertidumbre en programas estocsticos. Estas
medidas sern tiles para sacar conclusiones respecto a la estocasticidad.
A continuacin se muestra un cuadro resumen con los resultados de cada escenario, el
escenario medio y el estocstico:
Determinista 1 300092
Determinista 2 247036
Determinista 3 199040
Determinista 4 226844
Determinista 5 185960
Determinista 6 149260
Determinista 7 210658
Determinista 8 177148
Determinista 9 147872
Escenario Medio 197509
Estocstico 199554
Tabla 21. Solucin al problema de maximizacin.
6.1.- Valor de la Informacin Perfecta.
El valor esperado de la informacin perfecta mide la cantidad esperada mxima que un
decisor estara dispuesto a pagar por conocer una precisa descripcin de la situacin de lo que
va a suceder en el futuro.
Se denomina solucin wait and see (WS) al valor esperado de la solucin ptima, es
decir, a la suma ponderada para cada escenario de la funcin objetivo total sabiendo que dicho
escenario va a ocurrir con certeza.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
56
Pilar Meneses de Quevedo
Por tanto, se ha de ejecutar el modelo determinista para los nueve casos, pero teniendo
en cuenta los valores de los parmetros tal que cumpliesen las caractersticas del rbol de
probabilidad. Se obtuvo un valor de wait and see de 200129.8 k.
Se denomina la solucin here and now la correspondiente al problema estocstico ya
estudiado (HN). Una vez conocidos ambas podemos calcular el Valor Esperado de la
Informacin Perfecta (EVPI) como la diferencia entre ambas. En el caso de maximizacin de
la funcin objetivo obtenemos:
EVPI = WS - RP (Ecuacin 16)
En nuestro caso el valor fue 576.148 k. En trminos de porcentaje es el 0.3%. Este
valor no indica la importancia de resolver el modelo estocstico, sino que muestra el papel que
juega la incertidumbre en el problema. Cuanto mayor sea el valor, ms importante ser el
papel de la incertidumbre. Sin embargo, no dice nada sobre si el modelo determinista
aproxima bien o mal al estocstico; esto se va a ver en el siguiente apartado.
En este caso un 0.3 % del margen de la empresa elctrica considerada depende de lo
bien que pueda predecirse la estocasticidad. Es decir, en este caso no juega un papel bastante
relevante; y esto puede ser debido a que la empresa, al ser pequea, es tomadora del precio y
actuar siempre segn sean sus costes de combustible o nivel de las reservas. No tiene
influencia la incertidumbre de los parmetros en la modificacin de los precios del mercado, y
sus decisiones en un periodo no condicionan demasiado lo que podr hacer en futuros
periodos (esto especialmente en la parte trmica, donde no se ha modelado la gestin del
stock).
6.2.- Valor de la Solucin Estocstica.
Se define primero la funcin objetivo del valor esperado de la solucin del valor medio
de los parmetros estocsticos, expected value (EV). Este es el que se denomina problema del
valor esperado o problema determinista del valor medio. En l se fijan las decisiones ptimas
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
57
Pilar Meneses de Quevedo
para el escenario medio y se evala la solucin estocstica que resulta de estas decisiones
fijas. El valor resultante es de 199131.9 k.
El valor de la solucin estocstica es el concepto que mide de manera ms precisa
cmo de buena o mala es la solucin estocstica. Se representa como VSS y es definido como:
VSS = RP - EV (Ecuacin 17)
Se obtiene un valor de 421.73 k. En trminos de porcentaje es el 0,21%.
Aqu hay que explicar que se ha fijado slo la parte trmica, porque al fijar la
hidrulica se produce infactibilidad. No se puede fijar el valor de las variables de produccin
hidrulica del escenario medio porque no presenta solucin para todos los escenarios debido a
las restricciones que tienen los embalses. As que, podemos decir que es el valor de la
solucin estocstica de fijar la produccin trmica al del escenario medio. Es un valor bajo
debido a que slo se est considerando una unidad y al ser tambin tomadora del precio del
mercado.
7- Gestin del riesgo.
En el marco regulatorio vigente en la actualidad, la responsabilidad de la toma de
decisiones en generacin recae sobre las empresas elctricas. Se ha tratado lo correspondiente
a la gestin ptima en el medio plazo. Se necesita modelar el riesgo debido a la estocasticidad
de las variables que influyen en la operacin de las compaas generadoras, que de esta
manera pueden condicionar los beneficios de las mismas.
Las fuentes que generan estos riesgos estn relacionadas con la incertidumbre de
operar en mercado (variaciones de los precios, variaciones del coste de los combustibles) y
con la propia incertidumbre de la generacin elctrica (indisponibilidad de los grupos,
aportaciones hidrulicas). Una forma de cubrirse ante variaciones del beneficio es mediante la
firma de contratos bilaterales entre el generador con los clientes finales. Otra forma de reducir
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
58
Pilar Meneses de Quevedo
la incertidumbre del beneficio es mediante la gestin de los recursos basndonos en criterios
de cobertura del riesgo. De esta forma se proporcionan consignas de produccin que
disminuyen la sensibilidad de los factores aleatorios sobre los beneficios de la empresa.
7.1.- Formulacin del modelo de optimizacin.
Se van a formular brevemente de forma matemtica tres modelos diferentes mediante
los cuales se podra llevar a cabo la gestin del riesgo con la empresa de dos centrales que se
ha considerado. En primer lugar se plantea el modelo de Markowitz. En segundo lugar, se
plantea el modelo de Optimizacin Estocstica de Fleten. En ltimo lugar, se explicar el
modelo de Optimizacin Estocstica de nger.
7.1.1.- Modelo de Markowitz
Es el modelo pionero de la gestin del riesgo, pero en inversiones financieras.
Bsicamente, valora el compromiso entre media y varianza del beneficio.
En nuestro programa de maximizacin del beneficio, se tratara de buscar un alto valor
esperado del beneficio con un bajo valor del riesgo. Para ello, se fija un valor objetivo de
beneficio x
obj
, y se minimiza la varianza de las decisiones que conducen a ese objetivo. Por
ello:
La funcin objetivo planteada anteriormente en el modelo estocstico (ecuacin 11) pasa a
ser una restriccin:
E (x) = X = "
e
!
e
x
e
= x
obj
(Ecuacin 18).
Donde e es el escenario, !e es la probabilidad y x
e
es el beneficio de cada escenario, y X el
beneficio esperado.
La funcin objetivo de este modelo es la de minimizar la varianza de los beneficios
obtenidos en cada escenario (y con promedio x
obj
):
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
59
Pilar Meneses de Quevedo
Min var (x) = E[(x-X)
2
] = E (x
2
) X
2
(Ecuacin 19).
Markowitz considera la incertidumbre o riesgo slo en la varianza como medida de la
dispersin de los beneficios. Es un modelo muy correcto con distribuciones normales del
beneficio.
7.1.2.- Modelo de Fleten.
Es el modelo pionero en la gestin del riesgo en mercados elctricos. Fue aplicado
sobre todo a sistemas de generacin hidrulica. La idea es incluir en la funcin objetivo de
maximizacin del riesgo la penalizacin por los beneficios bajos. Utiliza un criterio de
aversin al riesgo de mercado, VaR (Value al Risk).
En la funcin objetivo se penalizan los beneficios bajos mediante una funcin de
penalizacin p(x). Matemticamente la funcin objetivo se expresara:
Max "
e
!
e
( x
e
P
e
) (Ecuacin 20).
Dnde P
e
recoge la penalizacin p(x
e
) aproximada linealmente por Pe # a
r
x
e
+ b
r,
siendo a
r
y
b
r
la pendiente y la ordenada de la recta r. El conjunto de rectas {r} aproxima exteriormente la
funcin de penalizacin p(x) convexa, que es un dato de entrada al modelo.
7.1.3.- Modelo de nger.
Este modelo de optimizacin incluye en el modelo de Fleten una medida explcita del
riesgo, CVaR (Condicional Value at Risk). El problema equivalente al estilo Fleten se
denomina Portfolio Optimizacion. Propone un modelo de gestin del riesgo basado en la
esperanza del beneficio condicionado a que el beneficio sea menor o igual que el CVaR.
Dados un nivel de confianza $, una Value at Risk %, un vector de las variables
estocsticas Y, un beneficio x
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
60
Pilar Meneses de Quevedo
La funcin objetivo es la maximizacin de la funcin de distribucin de los
beneficios, que en la notacin de nger se expresa como las prdidas loss (x, Y) cambiadas
de signo:
Max &
(- loss (x, Y)) (Ecuacin 21).
Dnde est sujeto a la restriccin de que el CVaR sea menor o igual a un CVaR mnimo.
E [loss(x, Y) / loss (x, Y) # %
$
] = 1 /(1- $) &
loss (x, Y) #
%$
loss (x, Y) f (Y) dy ' CVa
Rmin
(Ecuacin 22).
Unger explica en su tesis sobre la gestin de riesgo cmo aproximar la integral
mediante formulacin matemtica lineal para que el problema sea ms sencillo de resolver. De
esta manera, el problema de optimizacin no se complica y pueden seguir aplicndose las
tcnicas de programacin lineal o entera, ms eficaces que su contraparte no lineal. Se
muestra grficamente el significado de VaR y CVaR en el grfico
Fig 27. Funcin de distribucin de la probabilidad respecto al beneficio.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
61
Pilar Meneses de Quevedo
El uso del condicional Value at Risk ha sido ms relevante debido a las crticas contra
el Value at risk por su ineficacia de diferenciar entre grandes y muy grandes prdidas. Exista
la necesidad de medir el riesgo para medidas no simtricas que penalizan grandes prdidas.
nger asegura que el CVaR es una medida ms segura, ya que prdidas muy elevadas aunque
poco probables se reflejan en valores muy negativos de CVaR.
7.2.- Coberturas de riesgo en el medio plazo en el mercado elctrico espaol.
Actualmente en el mercado elctrico existen diferentes alternativas de cubrir el riesgo.
Se va a plantear los dos ms relevantes de nuestro mercado, aunque el volumen negociado
est muy por debajo de la media europea.
En primer lugar, se explica estn los llamados mercados a plazo. En el largo y medio
plazos, los agentes intercambian diferentes tipos de contratos, con periodos de entrega de
distinta duracin (ao, trimestre, mes, etc.) y en diversos mercados a plazo. stos incluyen las
subastas o los llamados contratos bilaterales. Los contratos bilaterales son los que genera
obligaciones recprocas para ambas partes contratantes. Pueden ser fsicos o financieros. La
empresa puede deshacer su posicin antes de la celebracin del mercado. Se trata de contratos
realizados por vendedores y compradores que se integran en el mercado de produccin una
vez finalizado el mercado diario. Es una diferente modalidad de mercado no organizado donde
cualquier agente podr formalizar una contratacin. Una parte (el generador) se obliga a la
entrega de un bien, y la otra (el cliente) al pago de su precio. Por ejemplo, la empresa que se
ha considerado podra vender durante x horas al ao una cantidad base (480MWh) de su
energa a un precio acordado con el cliente de 4 c/ kWh.
En segundo lugar, los contratos por diferencias o swaps forman parte del mercado de
derivados de electricidad. Son contratos por el cual una parte se obliga a pagar/cobrar de la
otra parte una cantidad de dinero igual a la cantidad de energa contratada multiplicada por la
diferencia ente la media del precio horario de OMEL para las horas del perodo contratado y
el precio del contrato. El cliente paga al generador si el precio medio real del diario est por
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
62
Pilar Meneses de Quevedo
debajo del precio del contrato y el generador paga al cliente si el precio medio real est por
encima del precio del contrato. Por ejemplo, supongamos un contrato con entrega fsica de Q
MWh a un precio p. Supongamos que los Q MWh se adquieren o entregan en OMEL a un
precio PMD y que el generador y el cliente convienen en hacer un swap a un precio p.
Finalmente, si PMD > p, el generador pagara al cliente Q * (PMD-p). En cambio, si p>PMD,
el generador cobrara del cliente Q * (p - PMD).
7.3.- Futuros desarrollos.
Se ha implantado en la presente tesis dos modelos de coordinacin hidrotrmica, el
determinista y el estocstico, donde se ha analizado la estocasticidad en una empresa
tomadora del precio en el mercado. Adems, se ha abordado la planificacin de la produccin
futura en nueve situaciones posibles de mercado.
La finalidad de cualquier empresa elctrica es obtener el mayor beneficio con el menor
riesgo posible. Para maximizarlo es necesario incluir en el modelo de optimizacin
hidrotrmica la formulacin que se ha planteado en la gestin del riesgo. Se trata de realizar
una correcta poltica de cobertura de riesgo que permita a la compaa disminuir la
variabilidad de sus beneficios de explotacin a costa de reducir en pequea medida el valor
esperado de los mismos.
Se plantea como un desarrollo y continuidad de esta tesis el adaptar la formulacin del
apartado 7.1 al modelo hidrotrmico estocstico desarrollado e implantado en Gams. Adems,
se podra calcular, analizar y decidir la mejor forma de cubrir el riesgo mediante las opciones
explicadas en el apartado anterior. Se tomaran decisiones ptimas sobre el beneficio esperado
con los contratos bilaterales o cualquier modalidad del mercado de futuros a cambio de
disminuir la variabilidad del riesgo.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
63
Pilar Meneses de Quevedo
8.- Conclusin final.
En la tesis se ha estudiado cmo determinar la funcin de costes de un ciclo
combinado con nmeros reales. Tambin, se han comprendido las restricciones que presentan
dos tecnologas (trmica e hidrulica) y que afectan a su produccin, operacin y
planificacin.
Adems, se ha logrado planificar la produccin para un ao de dos centrales de
caractersticas diferentes, como son el grupo trmico e hidrulico. Esta planificacin ha sido
posible, primero con un modelo determinista que considera la certeza en los datos que preveen
en un ao y, segundo, considerando la incertidumbre con una funcin de probabilidad.
Se ha observado las diferencias existentes de los distintos escenarios analizando las
diferentes posibilidades, que se desconocen del futuro, de precios del mercado elctrico
espaol, costes del gas natural, costes del CO
2
y las aportaciones hidrulicas debidas a las
condiciones meteorolgicas. Todo ello utilizando datos histricos como la mejor informacin
para generar los escenarios.
Se ha visto cmo el modelo hidrotrmico de una empresa en el medio plazo puede
ayudarla a tomar las decisin ptimas para dar consignas al corto plazo.
Otro aspecto que se ha analizado en detalle es la influencia de la incertidumbre de los
parmetros en las decisiones ptimas. Se ha calculado numricamente la cantidad que el
decisor estara dispuesto a pagar por conocer una precisa descripcin de la situacin de lo que
va a suceder en el futuro. La relevancia de la incertidumbre en el modelo estocstico es
pequea si la empresa es tomadora de precio. Es decir, en una compaa de pequeo tamao el
modelo determinista aproxima bastante bien al estocstico.
Por ltimo, se han dejado las puertas abiertas a la continuidad de la tesis incluyendo en
el modelo estocstico algunos de los modelos de gestin del riesgo. La finalidad sera la de
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
64
Pilar Meneses de Quevedo
cubrirse frente al riesgo de eventos de baja probabilidad con los que se obtendran beneficios
bajos o prdidas.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
65
Pilar Meneses de Quevedo
9-. Bibliografa.
[MOMO01] Electric Power System Applications of Optimization. James A. Momoh. Marcel
Dekker, 2001.
[RAMO90] Modelos de explotacin a medio plazo de la generacin elctrica. Aplicaciones
para el sistema espaol. 1990.
[UNGE02] Hedging strategy and Electricity Contract Engineering. PhD. Thesis. Gustaf
Unger (2002).
[VENT08] Modelo de gestin de riesgos. Captulo de los modelos de decisin de energa
elctrica (2008).
[LINA01] Mtodos matemticos de optimizacin. Pedro Linares, Andrs Ramos, Pepe
Snchez, ngel Sarabia, Begoa Vitoriano. Octubre 2001.
[GARC07] Modelos de ayuda a la decisin en el sector elctrico. Javier Garca Gonzlez.
Julio 2007.
[RAMO08] Planificacin a medio plazo de la generacin elctrica. Editores A. Ramos, A.
Alonso-Ayuso, G. Prez. Ed. Universidad Pontificia Comillas 2008.
[ALON08] Optimizacin bajo incertidumbre. A. Alonso-Ayuso, L.F.Escudero, M.A.Garn,
M. Merino, J.F..Monge, G.Prez, C.Pizarro 2008.
[VITO00] Generating Scenario Trees for Hydro Inflows 6th International Conference on
Probabilistic Methods Applied to Power Systems B. Vitoriano, S. Cerisola, A..
Madeira, Portugal September 2000.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
66
Pilar Meneses de Quevedo
[ALON04] Modelado de algoritmos de descomposicin con GAMS. A. Alonso-Ayuso, L.
Escudero 1994.
[GARC01] Gestin del riesgo frente a incertidumbre en las aportaciones hidrulicas en un
Mercado Elctrico mediante un Problema Complementario. Antonio Garca
Alcalde, Mariano Ventosa, Michel Rivier, Andrs Ramos 2001.
[CENT99] Gestin hidrulica a medio plazo en un entorno competitivo E. Centeno, J.
Barqun, E. Malillos, J. Romn. 1999.
[CABE05] A Medium-Term Integrated Risk Management Model for a Hydrothermal
Generation Company Jordi Cabero, Student Member, IEEE, lvaro Ballo,
Member, IEEE, Santiago Cerisola. Agosto 2005.
[ROSE08] GAMS Users Guide. Tutorial by Richard E. Rosenthal. 2008.
Referencias en Internet
[OMEL09] Precios del mercado diario del Operador Mercado Elctrico Espaol en la web:
www.omel.es.
[MARM09] Datos estadsticos de las reservas, entradas y salidas del embalse de La
Almendra en web:www.mytc.es.
[POIN09] Datos diarios del valor de CO
2
en la web:www.pointcarbon.es
[SIEM09] CCGT turbinas de gas y turbinas de vapor en la web: www.siemens.com
[GAMS09] Informacin general del lenguaje GAMS y descarga de la versin 22.8 en la
web: www.gams.com
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
67
Pilar Meneses de Quevedo
ANEXO I. DESCRIPCIN DE LA HERRAMIENTA Y TCNICA
UTILIZADA.
Resolver un problema de optimizacin consiste en encontrar el valor de deben tomar
las variables para hacer ptima la funcin objetivo satisfaciendo el conjunto de restricciones.
Los mtodos de optimizacin los podemos clasificar en mtodos clsicos
(optimizacin lineal, lineal entera mixta, no lineal, estocstica, dinmica) y los mtodos
metaheursticos.
Los problemas se distinguen por el carcter de la funcin objetivo y de las variables.
Dadas las caractersticas del modelo que se ha desarrollado en la presente tesis, el modelo se
resuelve utilizando la programacin lineal entera mixta (mixed integer programming), MIP:
min
x
c
t
x + d
t
y
Ax + By = b
x,y # 0
x ( Z
n
, y ( R
l
, c ( R
n
, d ( R
l
A ( R
m x n
, B ( R
m x l
, b ( R
m
Estos problemas son problemas lineales donde algunas o todas las variables son
enteras o binarias y el resto continuas.
El problema de optimizacin ha de ser codificado mediante un lenguaje de
programacin. Se ha utilizado GAMS (General Algebraic Modelling System), que es el ms
usual en problemas de planificacin en el sector elctrico. Se trata de una alternativa compleja
y potente por su capacidad de indexacin de las variables y ecuaciones, permiten cambiar sin
dificultad las dimensiones del modelo, de forma natural separan datos de resultados. Es una
herramienta que incluye sus propios optimizadores, Scheduler, Planner, Solver o CPLEX. Se
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
68
Pilar Meneses de Quevedo
ha utilizado ste ltimo, que est basado en programacin matemtica. Los otros tres estn
basados en la programacin de restricciones.
La estructura general de un modelo de optimizacin escrito en GAMS se presenta en la
tabla.
ndices y parmetros Todos los ndices y parmetros del modelo se declaran al
comienzo del mismo. Se inicializarn a sus valores por
omisin aquellos que sea necesario.
Variables
Definicin de las variables segn sean positivas, binarias, etc.
Ecuaciones Declaracin y definicin de las restricciones. Se controlar
con cuidado las condiciones de validez u ocurrencia de las
mismas
Modelo Declaracin de las ecuaciones que componen el modelo
Inclusin y
manipulacin de datos
de entrada
Los datos de entrada se introducen desde ficheros
independientes, despus se realizan los clculos de parmetros
auxiliares dependientes de los datos de entrada.
Acotamiento Acotamiento de las variables a sus cotas fsicas
Inicializacin de
variables
Inicializacin cuando tenga sentido
Resolucin del problema
de optimizacin
Presentacin de
resultados
Presentacin de los resultados elaborados a partir de la
solucin del problema de optimizacin
El proceso que se ha seguido al resolver el problema de maximizacin que se ha
planteado parte de la formulacin del problema y termina en el anlisis de los resultados
obtenidos.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
69
Pilar Meneses de Quevedo
Figura 28. Proceso desde formulacin hasta el anlisis de la solucin de un problema de optimizacin.
Caractersticas propias del lenguaje
Comandos:
Set: dar nombre a los ndices y definir sus posibles valores.
Scalar: dar nombre a los escalares y asignarles valores.
Parameter: dar nombre a los vectores y asignarles valores.
Table: dar nombre a las matrices y asignarles valores.
Variable: declarar variables y darles cota inferior y superior.
Equation: definir la funcin objetivo y las restricciones.
Model: dar nombre a los modelos y asignarles a la lista de restricciones.
Solve: indicar a gams el programa que debe resolverlo.
Display: decir a gams los elementos a listar en el informe salida.
GAMS no diferencia entre letras maysculas y minsculas.
Todo comando debe terminar en punto y coma.
Los comandos pueden definirse en cualquier orden, con la nica restriccin de que un
elemento debe haber sido definido antes de usarlo.
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
70
Pilar Meneses de Quevedo
GAMS tiene palabras reservadas, que no pueden usarse para otro fin que el suyo propio.
Una lnea precedida por un asterisco (en la primera columna) es interpretada como un
comentario.
Una caracterstica muy potente de GAMS es que permite usar conjuntos dinmicos.
Usando stos se pueden modificar los elementos que pertenecen a un conjunto durante la
ejecucin de un programa GAMS.
Una de las ventajas de GAMS es la posibilidad de resolucin de varios problemas que
tenga la misma estructura y que se diferencien en unos pocos datos.
GAMS es vlido para resolver problemas lineales (LP), problemas no lineales (NLP) y
problemas enteros (MIP). Adems, dispone de la posibilidad de resolver otro tipo de
modelos, aunque hay que advertir que no todos los solvers estn disponibles para los
programas de uso estndar. Por tanto, se pueden resolver problemas no lineales con
discontinuidades (DNLP), problemas enteros donde se puede relajar la condicin de
integridad (RMIP), problemas enteros mixtos no lineales con derivadas discontinuas
(MIDNLP), problemas enteros mixtos no lineales con derivadas discontinuas en los que se
puede relajar la condicin de integridad (RMIDNLP).
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
71
Pilar Meneses de Quevedo
ANEXO II. MODELO DE OPTIMIZACIN DETERMINISTA.
$ontext
/* Modelo Determinista a medio plazo hidrotermico */
$offtext
*Ancho de campo utilizado en los ficheros de error
Scalar GRD_ANCHO_CAMPO 'Ancho de campo' /12/;
*Parametro que indica cuando ha detectado errores
Scalar GRD_ERROR_GRAVE 'Flag de grave' /0/;
Scalar ORDEN_P1 'orden que ocupa el periodo 1 en el set de periodos' /1/;
Scalar NUMPERIODOS 'numero de periodos que se utilizan en la optimizacin'
*Apertura del fichero de errores
FILE errorgrd /ERRORGRD.txt/;
errorgrd.pw=500;
errorgrd.nj=2;
*Apertura del fichero de AVISOS
FILE avisos_grd /AVISOS_GRD.txt/;
avisos_grd.pw=500;
avisos_grd.nj=2;
option iterlim=1000000;
OPTION LP=CPLEX, MIP=CPLEX, RMIP=CPLEX, OPTCR=0.0001, LIMROW=1000, RESLIM=240;
$include 'numperiodos.txt';
*-------------------------------------------------------------------------
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
72
Pilar Meneses de Quevedo
* DEFINICION DE CONJUNTOS DE INDICES
*-------------------------------------------------------------------------
Sets
p Periodos
/p1 * p12/
s Subperiodos
/s1, s2/
n Niveles
/n1 * n3/
psnEFEC(p,s,n) Bloques efectivos
G Unidades de oferta termicas (uot)
H Unidades de oferta hidrulicas (uot)
INDICESRAMPAS Indices de las rampas
ARR Set que indica arranque o parada
PRECIO Auxiliar para poder cargar el parmetro PMD a partir de una tabla PMD_AUX(precio p s n)
DURACION Auxiliar para poder cargar el parmetro A a partir de una tabla DUR_AUX(duracion p s n);
ALIAS (S,SS);
ALIAS (N,NN);
*-------------------------------------------------------------------------
*DATOS DE ENTRADA DE LAS UNIDADES DE GENERACIN
*-------------------------------------------------------------------------
Parameters
V(g) 'Termino var. del coste de produccion de cada unidad trmica g (cE/kWh)'
F(g) 'Termino fijo. del coste de la recta de produccin(cE)'
RAMPAS(g,indicesrampas) 'Tabla rampas de cada generador'
PGTECMAX(g,p,s,n) 'Potencia tecnica maxima de cada unidad trmica g (MW)'
PGTECMIN(g,p,s,n) 'Potencia tecnica minima de cada unidad trmica g (MW)'
PGOPMAX(g,p,s,n) 'Potencia operativa maxima de cada unidad trmica g (MW)'
PGOPMIN(g,p,s,n) 'Potencia operativa minima de cada unidad trmica g (MW)'
PMD_AUX(precio,p,s,n) 'Parmetro auxiliar para poder cargar los datos del parmetro PMD(p,s,n) con formato de tabla (cE/kWh)'
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
73
Pilar Meneses de Quevedo
PMD(p,s,n) 'Precio marginal esperado en cada uno de los escenarios del MD en cada p,s,n (cE/kWh)'
LIMMAX_TERMICOS(g,p,s,n) 'Limit. maximas de potencia a cada uot g en cada p,s,n tras la casacion del MD'
LIMMIN_TERMICOS(g,p,s,n) 'Limit. minimas de potencia a cada uot g en cada p,s,n tras la casacion del MD'
DELTAG_INI(g) 'Estado inicial de conexin de cada grupo al principio del dia'
QG_INI(g) 'Potencia inicial de conexin de cada grupo al principio del dia (MW)'
NUMP_ARR(g) 'Variable auxiliar que cuenta el nmero de periodos que tarda en arrancar un grupo'
NUMP_PAR(g) 'Variable auxiliar que cuenta el nmero de periodos que tarda en parar un grupo'
DELTA_AP(g,arr) 'Variable entera auxiliar que indica si se desea arrancar/parar un grupo'
PMAX_AP(g,arr) 'Indica si se desea arrancar/parar un grupo, el periodo maximo de arranque/parada'
COP(g,p,s,n) 'Coste operativo de g en cada p,s,n (cE/kWh)'
UTILIZAR_QGINI(g) 'escalar que nos dice si utilizar el valor de QGINI'
QMAXH(h,p,s,n) 'Potencia neta mxima [MW]'
WMAX(h,p) 'Nivel reserva mximo [MWh]'
WMIN(h,p) 'Nivel reserva mnimo [MWh]'
A (p,s,n) 'Duracin por niveles [h]'
Ihp(h,p) 'Aportaciones por periodos [MWh]'
DUR_AUX (duracion,p,s,n) 'Parmetro auxiliar de la duracion'
rend(h) 'Rendimiento del ciclo turbinacin-bombeo del generador h [p.u.] '
Wini(h) 'Nivel inicial de reserva del embalse del generador h [MWh]'
Bmax(h,p,s,n) 'Potencia mxima bruta de bombeo del generador h [MW]';
Variables
QG(g,p,s,n) 'Potencia producida por la unidad trmica g en cada p,s,n [MW]'
u(g,p,s,n) 'Conexion/desconexion de cada unidad trmica en cada p,s,n (0-1)'
Vhp(h,p) 'Vertidos del embalse [MWh]'
MARGEN 'Margen total, variable a maximizar (k)'
u(g,p,s,n) 'Variable de acoplamiento, conexin, desconexin e cada unidad trmica en cada p,s,n'
y(g,p,s,n) 'Variable (0-1) que indica si el grupo arranca al comienzo de cada p,s,n'
z(g,p,s,n) 'Variable (0-1) que indica si el grupo para al comienzo de cada p,s,n'
QH(h,p,s,n) 'Potencia neta hydro producida en cada p,s,n [MWh]'
Wh(h,p) 'Reserva hidralica de cada unidad hidralica [MWh] '
Bh(h,p,s,n) 'Potencia neta consumida por el generador h al funcionar como bomba [MW]';
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
74
Pilar Meneses de Quevedo
Positive variables QG, QH, Vhp, Wh, Bh;
Binary variables u, y, z, DELTA_HORA1ARRANQUE, DELTA_HORA1PARADA;
*********************************************************************
*CARGAR DATOS
*********************************************************************
*Carga los datos de los sets
$include 'carga_sets_modelo hidrotermico_bombeo_determinista.gms';
UTILIZAR_QGINI(g)=1;
*Se cargan los datos del modelo, se realizan las comprobaciones necesarias .
$include 'carga_parameters_modelo hidrotermico_bombeo_determinista.gms';
Parameters
COSTE_ARRANQUE(g) 'Coste de arranque(cE)'
COSTE_PARADA(g) 'Coste de parada (cE)';
$if not exist 'GRDcostarr.txt' PUT errorgrd 'El fichero obligatorio GRDcostarr.txt no existe'//;
$if not exist 'GRDcostarr.txt' GRD_ERROR_GRAVE = 1; COSTE_ARRANQUE(g)=0;
$if not exist 'GRDcostpar.txt' PUT errorgrd 'El fichero obligatorio GRDcostpar.txt no existe'//;
$if not exist 'GRDcostpar.txt' GRD_ERROR_GRAVE = 1; COSTE_PARADA(g)=0;
$if exist 'GRDcostarr.txt' Parameters
$if exist 'GRDcostarr.txt' COSTE_ARRANQUE(g) 'Coste de arranque (cE/kWh)'
$if exist 'GRDcostarr.txt' /
$if exist 'GRDcostarr.txt' $include 'GRDcostarr.txt';
$if exist 'GRDcostarr.txt' /;
$if exist 'GRDcostpar.txt' Parameters
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
75
Pilar Meneses de Quevedo
$if exist 'GRDcostpar.txt' COSTE_PARADA(g) 'Coste de parada (cE/kWh)'
$if exist 'GRDcostpar.txt' /
$if exist 'GRDcostpar.txt' $include 'GRDcostpar.txt';
$if exist 'GRDcostpar.txt' /;
*Modulo de comprobacion de datos termicos: comprueba si los datos cargados son correctos
$include 'compr_datos_modelo hidrotermico_bombeo_determinista.gms';
loop((g,arr),
if(pmax_ap(g,arr) eq 0,
pmax_ap(g,arr)=NUMPERIODOS;
);
);
*Orden de que aborte en caso de haber encontrado errores en los datos
if( GRD_ERROR_GRAVE eq 1,
abort 'ERROR GRAVE: Leer el fichero errorgrd.txt del directorio de ficheros de salida';
);
*------------------
*Ecuaciones
*------------------
Equations
EC_POTMAX(g,p,s,n) 'Ecuacion de potencia tecnica maxima g en cada p,s,n para el MD '
EC_POTMIN(g,p,s,n) 'Minimo tecnico para cada uot g en cada p,s,n para el MD '
EC_MARGEN 'Ecuacion de definicion del margen '
EC_RAMP_A(g,p,s,n) 'Ecuacin de acoplamiento entre niveles'
EC_RAMP_B(g,p,s,n) 'Ecuacin de acoplamiento para un periodo'
EC_RAMP_C(g,p,s,n) 'Ecuacin de acoplamiento entre periodos'
EC_HYDRO_MAX(h,p,s,n) 'Ecuacin de mxima energa'
EC_RESER_MAX(h,p) 'Ecuacin de mxima reserva'
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
76
Pilar Meneses de Quevedo
EC_RESER_MIN(h,p) 'Ecuacin de mnima reserva'
EC_BALANCE(h,p) 'Ecuacin de balance hidrulico'
EC_BOMBEO_MAX(h,p,s,n) 'Ecuacin de bombeo mximo';
EC_HYDRO_MAX(h,p,s,n)$ psnefec(p,s,n) .. QH(h,p,s,n) =l= QMAXH(h,p,s,n);
EC_RESER_MAX(h,p)$ sum((s,n)$psnefec(p,s,n),1) .. Wh(h,p) =l= WMAX(h,p);
EC_RESER_MIN(h,p)$ sum((s,n)$psnefec(p,s,n),1).. Wh(h,p) =g= WMIN(h,p);
EC_BALANCE(h,p)$ sum((s,n)$psnefec(p,s,n),1)..
Wh(h,p)+ sum[(s,n),A(p,s,n)*[QH(h,p,s,n)-rend(h)*Bh(h,p,s,n)]] + Vhp(h,p) =e= Wh(h,p-1)$[ord(p)>1]+ Wini(h)$[ord(p)=1]+
Ihp(h,p);
EC_BOMBEO_MAX(h,p,s,n)$ psnefec(p,s,n) .. Bh(h,p,s,n) =l= Bmax(h,p,s,n);
EC_POTMAX(g,psnefec).. QG(g,psnefec) =l=
min(PGOPMAX(g,psnefec),LIMMAX_TERMICOS(g,psnefec),PGTECMAX(g,psnefec))*u(g,psnefec);
EC_POTMIN(g,psnefec).. QG(g,psnefec) =g=
max(PGOPMIN(g,psnefec),LIMMIN_TERMICOS(g,psnefec),PGTECMIN(g,psnefec))*u(g,psnefec);
EC_RAMP_A(g,p,s,n) $ [psnefec(p,s,n) and (ord(n)>1) and psnefec(p,s,n-1)] ..
u(g,p,s,n) - u(g,p ,s ,n-1) =e= y(g,p,s,n) - z(g,p,s,n);
EC_RAMP_B(g,p,s,n) $ [psnefec(p,s,n) and (ord(s)>1) and (ord(n)=1) and
sum(nn$[(ord(nn)=card(nn)) and psnefec(p,s-1,nn)], 1)] ..
u(g,p,s,n) - sum(nn$[(ord(nn)=card(nn)) and psnefec(p,s-1,nn)], u(g,p ,s-1,nn ))
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
77
Pilar Meneses de Quevedo
=e= y(g,p,s,n) - z(g,p,s,n);
EC_RAMP_C(g,p,s,n) $ [psnefec(p,s,n) and (ord(s)=1) and (ord(n)=1)] ..
u(g,p,s,n) - sum((ss,nn)$[(ord(ss)=card(ss)) and (ord(nn)=card(nn)) and psnefec(p-1,ss,nn)], u(g,p-1,ss ,nn ))
- DELTAG_INI(g)$[1-sum((ss,nn)$[(ord(ss)=card(ss)) and (ord(nn)=card(nn)) and psnefec(p-1,ss,nn)],1)]
=e= y(g,p,s,n) - z(g,p,s,n);
EC_MARGEN..
*en c
MARGEN =e= SUM( (g,psnefec), 1E3*QG(g,psnefec)*PMD(psnefec)*A(psnefec)
-(V(g)*u(g,psnefec)+1E3*F(g)*QG(g,psnefec))*A(psnefec))
+SUM( ( h,psnefec), 1E3*QH(h,psnefec)*PMD(psnefec)*A(psnefec))
-SUM( (h,psnefec), 1E3*Bh(h,psnefec)*PMD(psnefec)*A(psnefec))
-SUM( (g,psnefec), COSTE_ARRANQUE(g)*y(g,psnefec))
-SUM( (g,psnefec), COSTE_PARADA(g) *z(g,psnefec));
*------------------------------------------------------
* RESOLUCION DEL MODELO
*------------------------------------------------------
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
78
Pilar Meneses de Quevedo
MODEL TERMICOS_CON_COSTE / EC_POTMAX,
EC_POTMIN,
EC_MARGEN,
EC_RAMP_A,
EC_RAMP_B,
EC_RAMP_C,
EC_HYDRO_MAX,
EC_RESER_MAX,
EC_RESER_MIN,
EC_BALANCE,
EC_BOMBEO_MAX
/;
solve TERMICOS_CON_COSTE using mip maximizing MARGEN;
display margen.l, y.l, z.l, u.l, QG.l, QH.l, BH.l;
*Cierre del fichero de errores
PUT errorgrd;
PUTCLOSE errorgrd;
*Cierre del fichero de avisos
PUT avisos_grd;
PUTCLOSE avisos_grd;
*Se llama al fichero que genera las salidas en archivos de texto
$include 'escribe_resultados_modelo hidrotermico_bombeo_determinista';
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
79
Pilar Meneses de Quevedo
Adems se incluyen unos ficheros tipo texto:
'carga_sets_modelo hidrotermico_bombeo_determinista.gms' dnde se cargan los sets del modelo.
'carga_parameters_modelo hidrotermico_bombeo_determinista.gms' dnde se cargan los parmetros del modelo.
'compr_datos_modelo hidrotermico_bombeo_determinista.gms' dnde se comprueban los parmetros del modelo.
'escribe_resultados_modelo hidrotermico_bombeo_determinista' es el fichero de salida .txt dnde se observar los resultados y que
puede exportarse a excel
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
80
Pilar Meneses de Quevedo
ANEXO III. MODELO DE OPTIMIZACIN ESTOCSTICO.
$ontext
/modelo estocstico/
$offtext
*Ancho de campo utilizado en los ficheros de error
Scalar GRD_ANCHO_CAMPO 'Ancho de campo' /12/;
*Parametro que indica cuando ha detectado errores
Scalar GRD_ERROR_GRAVE 'Flag de grave' /0/;
Scalar ORDEN_P1 'orden que ocupa la hora 1 en el set de horas' /1/;
Scalar NUMPERIODOS 'numero de horas que se utilizan en la optimizacin'
*Apertura del fichero de errores
FILE errorgrd /ERRORGRD.txt/;
errorgrd.pw=500;
errorgrd.nj=2;
*Apertura del fichero de AVISOS
FILE avisos_grd /AVISOS_GRD.txt/;
avisos_grd.pw=500;
avisos_grd.nj=2;
option iterlim=1000000;
OPTION LP=CPLEX, MIP=CPLEX, RMIP=CPLEX, OPTCR=0.0001, LIMROW=1000, RESLIM=240;
$include 'numperiodos.txt';
*-------------------------------------------------------------------------
* DEFINICION DE CONJUNTOS DE INDICES
*-------------------------------------------------------------------------
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
81
Pilar Meneses de Quevedo
Sets
p Periodos
/p1 * p12/
s Subperiodos
/s1, s2/
n Niveles
/n1 * n3/
psnEFEC(p,s,n) Bloques efectivos
G Unidades de oferta termicas (uot)
H Unidades de oferta hidrulicas (uot)
INDICESRAMPAS Indices de las rampas
ARR Set que indica arranque o parada
PRECIO Auxiliar para poder cargar el parmetro PMD a partir de una tabla PMD_AUX(precio p s n)
DURACION Auxiliar para poder cargar el parmetro A a partir de una tabla DUR_AUX(duracion p s n)
esc Escenarios
/esc1 * esc9/
* Declaracin de conjuntos dinmicos: son subcojuntos de los anteriores
arbol(esc,esc,p) Arbol de escenarios
;
ALIAS (S,SS);
ALIAS (N,NN);
ALIAS (esc,escc);
*-------------------------------------------------------------------------
*DATOS DE ENTRADA DE LAS UOT
*-------------------------------------------------------------------------
Parameters
V(g,p,esc) 'Termino incr. del coste de produccion de cada uot g (cE/kWh)'
F(g,p,esc) 'Termino fijo. del coste de la recta de produccin(cE)'
RAMPAS(g,indicesrampas) 'Tabla con las rampas de cada generador'
PGTECMAX(g,p,s,n) 'Potencia tecnica maxima de cada uot g (MW)'
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
82
Pilar Meneses de Quevedo
PGTECMIN(g,p,s,n) 'Potencia tecnica minima de cada uot g (MW)'
PGOPMAX(g,p,s,n) 'Potencia operativa maxima de cada uot g (MW)'
PGOPMIN(g,p,s,n) 'Potencia operativa minima de cada uot g (MW)'
PMD_AUX(precio,p,s,n,esc) 'Parmetro auxiliar para poder cargar los datos del parmetro PMD(h)
PMD(p,s,n,esc) 'Precio marginal esperado en cada uno de los escenarios del MD en cada hora h (cE/kWh)'
LIMMAX_TERMICOS(g,p,s,n) 'Limit. maximas de potencia a cada uot g en cada hora h tras la casacion del MD'
LIMMIN_TERMICOS(g,p,s,n) 'Limit. minimas de potencia a cada uot g en cada hora h tras la casacion del MD'
DELTAG_INI(g) 'Estado inicial de conexin de cada grupo al principio del dia'
QG_INI(g) 'Potencia inicial de conexin de cada grupo al principio del dia'
NUMP_ARR(g) 'Variable auxiliar que cuenta el nmero de horas que tarda en arrancar un grupo'
NUMP_PAR(g) 'Variable auxiliar que cuenta el nmero de horas que tarda en parar un grupo'
DELTA_AP(g,arr) 'Variable entera auxiliar que indica si se desea arrancar/parar un grupo'
PMAX_AP(g,arr) 'Indica si se desea arrancar/parar un grupo, la hora maxima de arranque/parada'
COP(g,p,s,n,esc) 'Coste operativo de g en la hora h (cE/kWh)'
UTILIZAR_QGINI(g) 'escalar que nos dice si utilizar el valor de QGINI'
QMAXH(h,p,s,n) 'Potencia neta mxima'
WMAX(h,p) 'Nivel reserva mximo'
WMIN(h,p) 'Nivel reserva mnimo'
A (p,s,n) 'Duracin por niveles'
Ihp(h,p,esc) 'Aportaciones por periodos'
DUR_AUX (duracion,p,s,n) 'Parmetro auxiliar'
rend(h) Rendimiento del ciclo turbinacin-bombeo del generador h [p.u.]
Wini(h) 'Nivel inicial de reserva del embalse del generador h'
Bmax(h,p,s,n) 'Potencia mxima bruta de bombeo del generador h [GW]'
PROB(esc) 'Probabilidad de cada escenario';
Variables
QG(g,p,s,n,esc) 'Energia total producida por la uot g en cada hora h (MWh)'
Vhp(h,p,esc) 'Vertidos del embalse'
MARGEN 'Margen total, variable a maximizar'
u(g,p,s,n,esc) 'Variable de acoplamiento'
y(g,p,s,n,esc) 'Variable (0-1) que indica si el grupo arranca al comienzo de la hora h'
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
83
Pilar Meneses de Quevedo
z(g,p,s,n,esc) 'Variable (0-1) que indica si el grupo para al comienzo de la hora h'
QH(h,p,s,n,esc) 'Energa neta hydro producida'
Wh(h,p,esc) 'Reserva hidralica de cada uoh '
Bh(h,p,s,n,esc) 'Potencia bruta consumida por el generador h al funcionar como bomba [GW]' ;
Positive variables QG, QH, Vhp, Wh, Bh;
Binary variables u, y, z, DELTA_HORA1ARRANQUE, DELTA_HORA1PARADA;
*********************************************************************
*CARGAR DATOS
*********************************************************************
*Carga los datos de los sets
$include 'carga_sets_modelo_estocastico.gms';
UTILIZAR_QGINI(g)=1;
*Se cargan los datos del modelo
$include 'carga_parameters_modelo_estocastico.gms';
Parameters
COSTE_ARRANQUE(g) 'Coste de arranque(cE)'
COSTE_PARADA(g) 'Coste de parada (cE)';
$if not exist 'GRDcostarr.txt' PUT errorgrd 'El fichero obligatorio GRDcostarr.txt no existe'//;
$if not exist 'GRDcostarr.txt' GRD_ERROR_GRAVE = 1; COSTE_ARRANQUE(g)=0;
$if not exist 'GRDcostpar.txt' PUT errorgrd 'El fichero obligatorio GRDcostpar.txt no existe'//;
$if not exist 'GRDcostpar.txt' GRD_ERROR_GRAVE = 1; COSTE_PARADA(g)=0;
$if exist 'GRDcostarr.txt' Parameters
$if exist 'GRDcostarr.txt' COSTE_ARRANQUE(g) 'Coste de arranque (cE/kWh)'
$if exist 'GRDcostarr.txt' /
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
84
Pilar Meneses de Quevedo
$if exist 'GRDcostarr.txt' $include 'GRDcostarr.txt';
$if exist 'GRDcostarr.txt' /;
$if exist 'GRDcostpar.txt' Parameters
$if exist 'GRDcostpar.txt' COSTE_PARADA(g) 'Coste de parada (cE/kWh)'
$if exist 'GRDcostpar.txt' /
$if exist 'GRDcostpar.txt' $include 'GRDcostpar.txt';
$if exist 'GRDcostpar.txt' /;
*Modulo de comprobacion de datos termicos: comprueba si los datos cargados son correctos
$include 'compr_datos_modelo_estocastico.gms';
loop((g,arr),
if(pmax_ap(g,arr) eq 0,
pmax_ap(g,arr)=NUMPERIODOS;
);
);
*Orden de que aborte en caso de haber encontra errores en los datos
if( GRD_ERROR_GRAVE eq 1,
abort 'ERROR GRAVE: Leer el fichero errorgrd.txt del directorio de ficheros de salida';
);
*------------------
*Ecuaciones
*------------------
Equations
EC_POTMAX(g,p,s,n,esc) 'Ecuacion de potencia tecnica maxima g en cada hora h para el MD '
EC_POTMIN(g,p,s,n,esc) 'Minimo tecnico para cada uot g en cada hora h para el MD '
EC_MARGEN 'Ecuacion de definicion del margen '
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
85
Pilar Meneses de Quevedo
EC_RAMP_A(g,p,s,n,esc) 'Ecuacin de acoplamiento entre niveles'
EC_RAMP_B(g,p,s,n,esc) 'Ecuacin de acoplamiento para un periodo'
EC_RAMP_C(g,p,s,n,esc) 'Ecuacin de acoplamiento entre periodos'
EC_HYDRO_MAX(h,p,s,n,esc) 'Ecuacin de mxima energa'
EC_RESER_MAX(h,p,esc) 'Ecuacin de mxima reserva'
EC_RESER_MIN(h,p,esc) 'Ecuacin de mnima reserva'
EC_BALANCE(h,p,esc) 'Ecuacin de balance hidrulico'
EC_BOMBEO_MAX(h,p,s,n,esc) 'Ecuacin de bombeo mximo'
EC_NO_ANTICIP1(g,p,s,n,esc,esc) 'Ecuacin de no anticipatividad (rbol de escenarios)'
EC_NO_ANTICIP2(g,p,s,n,esc,esc) 'Ecuacin de no anticipatividad (rbol de escenarios)'
EC_NO_ANTICIP3(h,p,s,n,esc,esc) 'Ecuacin de no anticipatividad (rbol de escenarios)'
EC_NO_ANTICIP4(h,p,s,n,esc,esc) 'Ecuacin de no anticipatividad (rbol de escenarios)';
EC_HYDRO_MAX(h,p,s,n,esc)$ psnefec(p,s,n) .. QH(h,p,s,n,esc) =l= QMAXH(h,p,s,n);
EC_RESER_MAX(h,p,esc).. Wh(h,p,esc) =l= WMAX(h,p);
EC_RESER_MIN(h,p,esc).. Wh(h,p,esc) =g= WMIN(h,p);
EC_BALANCE(h,p,esc)..
Wh(h,p,esc)+ sum[(s,n),A(p,s,n)*[QH(h,p,s,n,esc)-rend(h)*bh(h,p,s,n,esc)]] + Vhp(h,p,esc) =e= Wh(h,p-1,esc)$[ord(p)>1]+
Wini(h)$[ord(p)=1]+ Ihp(h,p,esc);
EC_BOMBEO_MAX(h,p,s,n,esc)$ psnefec(p,s,n) .. Bh(h,p,s,n,esc) =l= Bmax(h,p,s,n);
EC_POTMAX(g,psnefec,esc).. QG(g,psnefec,esc) =l=
min(PGOPMAX(g,psnefec),LIMMAX_TERMICOS(g,psnefec),PGTECMAX(g,psnefec))*u(g,psnefec,esc);
EC_POTMIN(g,psnefec,esc).. QG(g,psnefec,esc) =g=
max(PGOPMIN(g,psnefec),LIMMIN_TERMICOS(g,psnefec),PGTECMIN(g,psnefec))*u(g,psnefec,esc);
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
86
Pilar Meneses de Quevedo
EC_RAMP_A(g,p,s,n,esc) $ [psnefec(p,s,n) and (ord(n)>1) and psnefec(p,s,n-1)] ..
u(g,p,s,n,esc) - u(g,p,s,n-1,esc) =e= y(g,p,s,n,esc) - z(g,p,s,n,esc);
EC_RAMP_B(g,p,s,n,esc) $ [psnefec(p,s,n) and (ord(s)>1) and (ord(n)=1) and
sum(nn$[(ord(nn)=card(nn)) and psnefec(p,s-1,nn)], 1)] ..
u(g,p,s,n,esc) - sum(nn$[(ord(nn)=card(nn)) and psnefec(p,s-1,nn)], u(g,p,s-1,nn,esc))
=e= y(g,p,s,n,esc) - z(g,p,s,n,esc);
EC_RAMP_C(g,p,s,n,esc) $ [psnefec(p,s,n) and (ord(s)=1) and (ord(n)=1)] ..
u(g,p,s,n,esc) - sum((ss,nn)$[(ord(ss)=card(ss)) and (ord(nn)=card(nn)) and psnefec(p-1,ss,nn)], u(g,p-1,ss ,nn,esc ))
- DELTAG_INI(g)$[1-sum((ss,nn)$[(ord(ss)=card(ss)) and (ord(nn)=card(nn)) and psnefec(p-1,ss,nn)],1)]
=e= y(g,p,s,n,esc) - z(g,p,s,n,esc);
EC_MARGEN..
MARGEN =e= SUM[esc, PROB(esc)*[ SUM( (g,psnefec(p,s,n)), 1E3*QG(g,p,s,n,esc)*PMD(p,s,n,esc) * A(p,s,n)
-(F(g,p,esc)*u(g,p,s,n,esc)+1E3*V(g,p,esc)*QG(g,p,s,n,esc)) * A(p,s,n))
+SUM( ( h,psnefec), 1E3*QH(h,psnefec,esc)*PMD(psnefec,esc) * A(psnefec))
-SUM( (h,psnefec), 1E3*Bh(h,psnefec,esc)*PMD(psnefec,esc) * A(psnefec))
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
87
Pilar Meneses de Quevedo
-SUM( (g,psnefec), COSTE_ARRANQUE(g)*y(g,psnefec,esc))
-SUM( (g,psnefec), COSTE_PARADA(g) *z(g,psnefec,esc))] ];
EC_NO_ANTICIP1(g,p,s,n,esc,escc) $arbol(esc,escc,p) .. u(g,p,s,n,esc) =e= u(g,p,s,n,escc);
EC_NO_ANTICIP2(g,p,s,n,esc,escc) $arbol(esc,escc,p) .. QG(g,p,s,n,esc) =e= QG(g,p,s,n,escc);
EC_NO_ANTICIP3(h,p,s,n,esc,escc) $arbol(esc,escc,p) .. Bh(h,p,s,n,esc) =e= Bh(h,p,s,n,escc);
EC_NO_ANTICIP4(h,p,s,n,esc,escc) $arbol(esc,escc,p) .. QH(h,p,s,n,esc) =e= QH(h,p,s,n,escc);
*------------------------------------------------------
* RESOLUCION DEL MODELO
*------------------------------------------------------
MODEL TERMICOS_CON_COSTE / EC_POTMAX,
EC_POTMIN,
EC_MARGEN,
EC_RAMP_A,
EC_RAMP_B,
EC_RAMP_C,
EC_HYDRO_MAX,
EC_RESER_MAX,
EC_RESER_MIN,
EC_BALANCE,
EC_BOMBEO_MAX,
EC_NO_ANTICIP1,
EC_NO_ANTICIP2,
EC_NO_ANTICIP3,
EC_NO_ANTICIP4/;
* Montamos los sets dinmicos
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
88
Pilar Meneses de Quevedo
arbol('esc1','esc2','p2')=YES;
arbol('esc1','esc3','p2')=YES;
arbol('esc4','esc5','p2')=YES;
arbol('esc4','esc6','p2')=YES;
arbol('esc7','esc8','p2')=YES;
arbol('esc7','esc9','p2')=YES;
arbol('esc1','esc2','p1')=YES;
arbol('esc1','esc3','p1')=YES;
arbol('esc1','esc4','p1')=YES;
arbol('esc1','esc5','p1')=YES;
arbol('esc1','esc6','p1')=YES;
arbol('esc1','esc7','p1')=YES;
arbol('esc1','esc8','p1')=YES;
arbol('esc1','esc9','p1')=YES;
solve TERMICOS_CON_COSTE using mip maximizing MARGEN;
display margen.l, y.l, z.l, u.l, QG.l, QH.l, BH.l;
*Cierre del fichero de errores
PUT errorgrd;
PUTCLOSE errorgrd;
*Cierre del fichero de avisos
PUT avisos_grd;
PUTCLOSE avisos_grd;
*Se llama al fichero que genera las salidas en archivos de texto
$include 'escribe_resultados_modelo_estocastico';
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
89
Pilar Meneses de Quevedo
Adems se incluyen unos ficheros tipo texto:
'carga_sets_modelo hidrotermico_bombeo_estocstico.gms' dnde se cargan los sets del modelo.
'carga_parameters_modelo hidrotermico_bombeo_ estocstico.gms' dnde se cargan los parmetros del modelo.
'compr_datos_modelo hidrotermico_bombeo_ estocstico.gms' dnde se comprueban los parmetros del modelo.
'escribe_resultados_modelo hidrotermico_bombeo_ estocstico' es el fichero de salida .txt dnde se observar los resultados y que
puede exportarse a excel
Optimizacin estocstica de la operacin a medio plazo de una empresa generadora.
90
Pilar Meneses de Quevedo