Tesis Rigoberto Torres

UNIVERSIDAD DE CHILE
FACULTAD DE CIENCIAS FSICAS Y MATEMTICAS

ESCUELA DE POSTGRADO

MODELO DE COORDINACIN HIDROTRMICA MULTINODAL
Y MULTIEMBALSE PARA SISTEMAS ELCTRICOS
LONGITUDINALES EN EL MEDIANO PLAZO

Tesis para optar al grado de Magster en Ciencias de la Ingeniera,
Mencin: Ingeniera Elctrica

RIGOBERTO ALEJ ANDRO TORRES VILA

Profesor Gua: Sr. Rodrigo Palma Behnke
Profesores Comisin: Sr. Alejandro J ofr Cceres
Sr. Luis Vargas Daz

Santiago de Chile, 2006

ii
RESUMEN
A nivel internacional la industria de la energa elctrica evoluciona hacia mercados cada
vez ms competitivos. En este contexto, tanto empresas elctricas como entidades regulatorias
requieren modelos de simulacin y herramientas de apoyo a la toma de decisiones ms precisas e
integrales. As, impulsado por los avances en optimizacin y tecnologas de cmputo, este trabajo
tiene como objetivo disponer de un modelo original de coordinacin hidrotrmica, que permita
simular la operacin de un sistema elctrico hidrotrmico en el mediano plazo a travs de una
interfaz grfica interactiva para el manejo, anlisis y visualizacin de la informacin.
Luego de un anlisis del estado del arte en la coordinacin hidrotrmica, se plantea el
modelo como un problema de optimizacin estocstica multietapa, donde en cada etapa se
resuelven problemas de despacho econmico para diversas condiciones hidrolgicas, acoplados
por el nivel de llenado de embalses y el valor estratgico del agua embalsada. Los despachos
incorporan en su parte elctrica costos cuadrticos de produccin y no abastecimiento, mltiples
nodos, bloques de carga, flujos de potencia DC, prdidas de transmisin cuadrticas y
restricciones de transmisin. La parte hidrulica modela cuencas hidrogrficas con mltiples
embalses, afluentes naturales, centrales, restricciones de aduccin y extracciones para riego.
La metodologa de resolucin propuesta para el problema de la coordinacin se basa en
tres tcnicas de optimizacin. Programacin dinmica dual estocstica para la parte estocstica,
descomposicin anidada de Benders determinstica y programacin cuadrtica secuencial (SQP)
para problemas de despacho en etapas con bloques de demanda. En la solucin de problemas de
despacho elementales bloque-etapa se usan paquetes de software comercial. La aplicacin de la
metodologa a casos de prueba demuestran su viabilidad prctica, con tiempos de ejecucin
razonables. En particular se resuelve con xito el caso de un sistema multiembalse marcadamente
longitudinal como el Sistema Interconectado Central chileno (SIC).
La implementacin, llevada a cabo en el lenguaje JAVA, integra el desarrollo de
algoritmos, manejo de informacin y visualizaciones a la plataforma DeepEdit del Departamento
de Ingeniera Elctrica de la Universidad de Chile. La herramienta, denominada SEEDS,
incorpora una base de datos orientada a objetos y un editor hidrulico para la representacin de
cuencas hidrogrficas ligadas a la generacin de energa. As, en conjuncin con las capacidades
de DeepEdit, puede representar el SIC incluyendo cuencas como las del Maule y del Laja.
Las experiencias de clculo muestran que iniciar la resolucin de una secuencia por una
recursin backward, en lugar de una forward, reduce el nmero total de iteraciones en la medida
que los puntos, donde se calcula el primer valor del agua en cada etapa, sean prximos a la
solucin. Asimismo, retomar las iteraciones SQP de un subproblema bloque-etapa en la solucin
obtenida en la recursin anterior reduce el nmero total de problemas elementales resueltos,
reportndose hasta un 40% menos en simulaciones con el SIC. Se discuten propiedades por
explorar y explotar en la metodologa para continuar reduciendo los tiempos de ejecucin.

iii

No hay ms que un modo de dar en el clavo,
y es dar ciento en la herradura.

Miguel de Unamuno

iv
NDICE
1. INTRODUCCIN..............................................................................................................................................1
1.1. ANTECEDENTES ...........................................................................................................................................1
1.2. MOTIVACIN Y ALCANCES ..........................................................................................................................2
1.2.1. Motivacin..............................................................................................................................................2
1.2.2. Anlisis Preliminar y Alcances...............................................................................................................3
1.3. OBJETIVOS ...................................................................................................................................................4
1.3.1. Objetivos Generales ...............................................................................................................................4
1.3.2. Objetivos Especficos..............................................................................................................................4
1.4. ESTRUCTURA DEL DOCUMENTO...................................................................................................................5
2. PROGRAMACIN ESTOCSTICA EN SISTEMAS ELCTRICOS........................................................6
2.1. DESPACHO ECONMICO EN SISTEMAS TRMICOS........................................................................................6
2.1.1. Planteamiento del Problema ..................................................................................................................6
2.1.2. Clculo del Precio Spot......................................................................................................................7
2.2. DESPACHO ECONMICO EN SISTEMAS HIDROTRMICOS..............................................................................7
2.2.1. Dependencia Temporal de la Operacin................................................................................................8
2.2.2. Costo Inmediato y Costo Futuro.............................................................................................................9
2.2.3. Clculo de la FCI y FCFE......................................................................................................................9
2.2.4. Valor Estratgico del Agua Embalsada................................................................................................10
2.2.5. Despacho Hidrotrmico de una Etapa .................................................................................................11
2.2.6. Algoritmo de Solucin y Costos Marginales ........................................................................................14
2.3. CLCULO DE LA FUNCIN DE COSTO FUTURO ESPERADO .........................................................................14
2.3.1. Programacin Dinmica Estocstica...................................................................................................14
2.3.2. Limitaciones de la Metodologa PDE...................................................................................................16
2.3.3. La Programacin Dinmica Dual ........................................................................................................17
2.3.4. El Algoritmo de Descomposicin Anidada de Benders ........................................................................18
2.4. EL PROBLEMA DE LA COORDINACIN HIDROTRMICA. .............................................................................19
3. MODELO DE DESPACHO HIDROTRMICO PARA SISTEMAS LONGITUDINALES ....................20
3.1. MODELACIN DE UN SISTEMA ELCTRICO DE POTENCIA EN OPERACIN ESTACIONARIA .........................20
3.1.1. Generadores .........................................................................................................................................20
3.1.2. Cargas ..................................................................................................................................................23
3.1.3. Red de Transmisin ..............................................................................................................................24
3.1.4. Modelos de Flujos y Prdidas ..............................................................................................................25
3.2. PROBLEMA DE OPERACIN ELCTRICA PTIMA MULTINODAL .................................................................28
3.2.1. Variables...............................................................................................................................................29
3.2.2. Funcin Objetivo..................................................................................................................................29
3.2.3. Lmites de Generacin y Energa No Suministrada .............................................................................29
3.2.4. Balances de potencia en barras............................................................................................................30
3.2.5. Lmites de Flujos Por Lneas o Equipos de Transmisin .....................................................................31
3.2.6. Problema elctrico completo................................................................................................................32
3.3. PLANTEAMIENTO DEL MODELO: SUBPROBLEMA HIDRULICO...................................................................32
3.3.1. Variables...............................................................................................................................................33
3.3.2. Costo Futuro del Agua Embalsada.......................................................................................................33
3.3.3. Conversin de Potencia Hidrulica en Elctrica en Centrales de Embalse.........................................33
3.3.4. Balance Hidrulico en Embalses..........................................................................................................35
3.3.5. Filtraciones en Embalses......................................................................................................................35
3.3.6. Lmites en Variables de Embalses ........................................................................................................36
3.3.7. Balance Hidrulico en Unidades en Serie Hidrulica .........................................................................36
3.3.8. Conversin de Potencia Hidrulica en Elctrica en Centrales de Pasada en Serie ............................36
3.3.9. Lmites en Variables de Unidades de Pasada en Serie.........................................................................37
3.3.10. Restricciones de Riego.....................................................................................................................37

v
3.3.11. Centrales Hidrulicas de Pasada Pura ...........................................................................................38
3.4. PROBLEMA DE LA ETAPA: ACOPLAMIENTO TEMPORAL Y LA CURVA DE CARGA........................................38
3.4.1. Problema de Despacho para un Nivel de Carga..................................................................................38
3.4.2. Reduccin al Subproblema Bloque-Etapa............................................................................................39
3.4.3. Representacin de Estanques de Regulacin .......................................................................................43
3.4.4. Subproblema Bloque-Etapa en Extenso ...............................................................................................44
3.5. METODOLOGA DE RESOLUCIN DEL PROBLEMA BLOQUE-ETAPA, SQP ...................................................46
3.5.1. La Programacin Cuadrtica Secuencial SQP....................................................................................46
3.5.2. Clculos Para Uso de SQP...................................................................................................................46
4. MODELO DE COORDINACIN HIDROTRMICA Y METODOLOGA DE RESOLUCIN..........49
4.1. DESCRIPCIN DEL PROBLEMA COMPLETO .................................................................................................49
4.2. METODOLOGA DE RESOLUCIN DEL PROBLEMA ANIDADO ......................................................................49
4.2.1. Modelo de un Problema Estocstico No Lineal de Dos Etapas ...........................................................49
4.2.2. Verificacin de Condiciones Para la Aplicacin de la Descomposicin..............................................51
4.2.3. Algoritmo de Descomposicin Anidada de Benders, Caso Determinstico..........................................51
4.2.4. Aproximacin de la Curva de Costos Futuros y Formacin de Cortes, Caso Determinstico .............53
4.3. REPRESENTACIN DE LA INCERTIDUMBRE HIDROLGICA..........................................................................54
4.3.1. Versin Simplificada del Problema Estocstico...................................................................................54
4.3.2. rbol de Escenarios y Algoritmo de Descomposicin Anidada de Benders.........................................55
4.3.3. Cadenas de Markov..............................................................................................................................58
4.3.4. Procesos Peridicos Autorregresivos...................................................................................................60
4.3.5. Muestreo del Proceso Aleatorio ...........................................................................................................62
4.3.6. Cotas y Criterios de Convergencia.......................................................................................................65
4.4. DISCUSIN Y METODOLOGA PROPUESTA..................................................................................................68
4.4.1. Caractersticas Hidrolgicas en Chile .................................................................................................68
4.4.2. Modelo del Proceso de Caudales Afluentes en las Etapas ...................................................................68
4.4.3. Estrategia de Resolucin de Secuencias Aisladas ................................................................................69
4.5. DESCRIPCIN DEL ALGORITMO COMPLETO................................................................................................70
4.5.1. Aspectos Generales y Convenciones.....................................................................................................70
4.5.2. Resolucin de Secuencias en Forma Simultnea..................................................................................74
4.5.3. Resolucin de Secuencias en Forma Independiente.............................................................................76
5. IMPLEMENTACIN Y VALIDACIN.......................................................................................................79
5.1. MARCO DEL DESARROLLO Y REQUISITOS IMPUESTOS A LA IMPLEMENTACIN..........................................79
5.1.1. Sobre el Software en General ...............................................................................................................79
5.1.2. La Herramienta de Coordinacin Hidrotrmica..................................................................................80
5.2. IMPLEMENTACIN: REPRESENTACIN HIDRULICA Y MANEJO DE INFORMACIN.....................................80
5.2.1. La Plataforma DeepEdit.......................................................................................................................80
5.2.2. Objetos Para Representacin de Sistemas Hidrulicos .......................................................................81
5.2.3. Editor Hidrulico .................................................................................................................................83
5.2.4. Base de Datos Para Herramienta de Coordinacin Hidrotrmica ......................................................84
5.3. IMPLEMENTACIN: ALGORITMO ................................................................................................................85
5.3.1. Objetos de la Metodologa de Resolucin ............................................................................................85
5.3.2. Interfaz de Parmetros y Control de Ejecucin ...................................................................................86
5.4. SIMULACIONES Y VALIDACIN ..................................................................................................................87
5.4.1. Subproblema de Despacho Trmico Para un Bloque de Carga...........................................................87
5.4.2. Subproblema de Despacho Hidrotrmico Para un Bloque de Carga...................................................88
5.4.3. SIC Chileno: Caso Estocstico de Dos Etapas y un Bloque de Carga.................................................89
5.4.4. SIC Chileno: Caso Estocstico de Tres Etapas y un Bloque de Carga................................................90
5.5. OBSERVACIONES A LA IMPLEMENTACIN DEL ALGORITMO Y EXPERIENCIAS DE CLCULO ......................91
5.5.1. Metodologa SQP .................................................................................................................................91
5.5.2. Inicio Iterativo y Uso de Soluciones de Despacho Previas ..................................................................92
5.5.3. Tiempos de Ejecucin...........................................................................................................................92

vi
6. SISTEMAS ELCTRICOS HIDROTRMICOS EN AMBIENTES COMPETITIVOS .........................93
6.1. MERCADOS ELCTRICOS COMPETITIVOS ...................................................................................................93
6.1.1. Estructuras de Mercado Para la Operacin ........................................................................................93
6.1.2. Estructuras de Mercado en la Expansin de la Generacin ................................................................94
6.2. PROBLEMTICAS EN MERCADOS COMPETITIVOS .......................................................................................95
6.2.1. Mercado de Corto Plazo (Bolsa de Energa) .......................................................................................95
6.2.2. Valoracin del Agua Embalsada en Mercados con Bolsa de Energa .................................................96
6.3. EXTENSIN A MERCADOS TIPO POOL CON BOLSA DE ENERGA.................................................................97
6.4. EXTENSIN A MERCADOS TIPO POOL CON OPERACIN CENTRALIZADA .................................................100
6.4.1. Introduccin a la Expansin de la Generacin ..................................................................................101
6.4.2. Expansin Centralizada de la Generacin.........................................................................................101
6.4.3. Expansin Competitiva de la Generacin ..........................................................................................101
6.4.4. Expansin de la Transmisin..............................................................................................................102
6.4.5. Peajes y Anlisis de la Transmisin ...................................................................................................102
6.4.6. Otros Estudios ....................................................................................................................................102
7. CONCLUSIONES ..........................................................................................................................................103
7.1. RESULTADOS GENERALES........................................................................................................................103
7.2. CONCLUSIONES ESPECFICAS ...................................................................................................................104
7.3. EXTENSIONES AL TRABAJO.......................................................................................................................105
ANEXOS ...................................................................................................................................................................107
A. REFERENCIAS................................................................................................................................................108
B. PROGRAMACIN CUADRTICA SECUENCIAL (SQP) .....................................................................................111
B.1 Fundamentos De Optimizacin No Lineal .................................................................................................111
B.2 Formulacin De La Programacin Cuadrtica Secuencial .......................................................................112
C. CASOS DE ESTUDIO.......................................................................................................................................115
C.1 Sistema 9 nodos ..................................................................................................................................115
C.2 Cuencas Hidrogrficas del SIC..........................................................................................................116
C.3 Modelo del SIC...................................................................................................................................119
D. LA HERRAMIENTA DE SOFTWARE SEEDS ....................................................................................................123
D.1 Interfaz para datos y administracin de estudios. ..............................................................................123
D.2 Base de datos SEEDS .........................................................................................................................126
D.3 Visualizacin de Resultados ...............................................................................................................130

vii
SIMBOLOGA Y NOMENCLATURA
Para efectos de facilitar la exposicin, se presenta la convencin de nomenclatura y
simbologa empleada en el documento. Los prrafos se escriben en letra normal. Trminos
relevantes se destacan en negrita, mientras que las palabras de habla inglesa no notan en letra
itlica. En texto y ecuaciones los parmetros suelen escribirse en letra normal, las variables en
letras itlica, funciones y matrices en maysculas.
La siguiente lista resume la simbologa utilizada en la exposicin. sta se clasifica de
acuerdo al captulo en que aparecen por primera vez y comienza con una seccin general de
smbolos matemticos, convenciones para subndices y superndices, nombres de variables y
parmetros usados en la mayor parte del documento.
Simbologa General
: Operador sumatoria.
{ } min
x

: Minimizacin respecto de la variable x.
[ ]
: Valor esperado respecto de la v.a. .

[]
T
: Operador transpuesta.
: Operador unin de conjuntos.
: Operador producto.
P( ) w : Probabilidad condicional a la realizacin w.
/
E
w
: Valor esperado respecto de la v.a. condicionada a la realizacin w.
mod m
: Operador resto de la divisin entera por m.
R
: Conjunto de nmeros reales.
0
[] : Variable al principio de un periodo o etapa.
1
[] : Variable al final de un periodo o etapa.
[]
o

: Indica fasor, nmero complejo.
`
[]

: Aproximacin o estimador.
x

: Lmite superior de la variable x.
x

: Lmite inferior de la variable x.
t : ndice del periodo de tiempo o etapa.
b ndice del bloque de la curva de duracin de la carga.
,
[]
t b
: Variable en bloque b de la etapa t.
NT : Nmero total de etapas en el horizonte de evaluacin.
a
t
: Vector de caudales afluentes a centrales hidrulicas en periodo t.
t
v : Vector de volmenes de agua almacenados en embalses del sistema al final del periodo t.

viii
Captulo 2
j
c : Costo variable de operacin de la planta j.
j
g : Generacin de la planta j.
d
: Demanda
X
v :
Vector de volmenes de agua en embalses del sistema en un periodo. X=(T: turbinado, V:
vertido, F: filtrado).
T
i

: conjunto de centrales aguas arriba a la i de las que recibe caudales turbinados.
V
i

: conjunto de centrales aguas arriba a la i de las que recibe caudales vertidos.
Captulo 3
OG C
: Funcin de costos de generacin.
G P : Vector de potencias medias generadas por las centrales del sistema durante una etapa.
G , G :
Parmetros lineal y cuadrtico de la aproximacin lineal cuadrtica de los costos de
operacin de centrales trmicas.
UN C
: Funcin de costos de demanda no abastecida.
U , U :
Parmetros lineal y cuadrtico de la aproximacin lineal cuadrtica de los costos de la
potencia media no abastecida a cargas del sistema.
U P Vector de potencias medias no abastecidas a cargas del sistema durante una etapa.
OP C : Funcin de costos de operacin del sistema en el periodo.
X N :
Nmero total de elementos X. X=( B: bloques de la curva de carga, BUS: barras, D:
cargas, G: generadores , E: embalses, S: unidades en serie, Th: trmicas, H: Hidrulicas).
t
: Funcin de costo futuro (esperado) del periodo t.
i
: Tasa de conversin o rendimiento de caudal en potencia elctrica.
i,k i,k
g ,b
:
Elementos i, k de las matrices de admitancia y susceptancia nodal de la red de transmisin
del sistema.
i
: ngulo de voltaje de la barra o nodo i.
, P Q : Potencias activa y reactiva.
i
V : Magnitud del voltaje de la barra o nodo i.
,
ik ik
r x : Resistencia y reactancia serie del equipo de transmisin que conecta las barras i y k.
ik
l : Prdidas de potencia activa en el equipo de transmisin que conecta las barras i y k.
,
T H
p p :
Vector de potencias medias generadas por centrales trmicas e hidrulicas
respectivamente.
E
c

: Vector de componentes de costo lineal.
E
Q : Matriz de costos cuadrticos.
XB
i
:
Conjunto de ndices de conectividad a la barra i. XB: (BB: entre barras, GB: generadores a
barra, DB: carga a barra.
f ,f ij
ij
: Flujos mximos y mnimos de potencia activa entre las barras i y j.

ix
n
G :
Vector de funciones cuadrticas para representacin de restricciones de balance nodal
elctrico.
C
A : Matriz que resume las restricciones de transmisin entre barras.
H
q :
Vector de variables de caudal en unidades hidrulicas. H=(T: turbinado, V: vertido, F:
filtrado, R: remanente, A: de falla hidrulica).
: Variable que acota inferiormente el costo futuro (esperado).

: Conjunto de aproximaciones a la funcin de costo futuro.
X
i
:
Conjunto de ndices de conectividad para recepcin de flujos hidrulicos a la central i. X=
(T: turbinado, V: vertido, F: filtrado).
T : Duracin del periodo o etapa que dura el despacho.
EXT
q : Caudal extrado de una cuenca hidrogrfica en canales de riego por una restriccin.

: Tasa de descuento del periodo.
t,b
C
p : Vector de potencias medias demandadas por cargas del sistema en la etapa t y bloque b.
(x)
D : Matriz diagonal con valores en diagonal dados por el vector x.
Captulo 4
i
: Subgradiente respecto de la variable i.
, t b
k

: Corte de Benders nmero k, en el problema de la etapa t, bloque b.
, t b
P
: Problema de optimizacin de la etapa t, bloque b.
*
X

: Multiplicador de Lagrange de la restriccin x.
t 1
,
t
w

: Variable aleatoria y su realizacin con ndice 1 en la etapa t. Asociada a caudales.
, t p
W

: vector de las p realizaciones pasadas de la v.a. en el periodo t.
2
(0, ) N : Distribucin normal de media cero y varianza
PARMA
(m,p,q),

: Proceso peridico autorregresivo de media m y orden p,q.
{ }
i
r :
Conjunto de variables aleatorias independientes con distribucin normal de media cero, o
ruido.
Sn
: Escenario n del rbol de escenarios.
A N
: Nmero de aperturas para el muestreo de la etapa siguiente.
NS
: Nmero de escenarios de muestra del rbol de escenarios.
Z
k
: Aproximacin k-sima de la media de la v.a. z.
: Error aceptable o tolerancia.

Coordinacin Elctrica Hidrotrmica Captulo 1: Introduccin
Rigoberto Torres vila

1
1 1. . I IN NT TR RO OD DU UC CC CI I N N
1 1. .1 1. . A An nt te ec ce ed de en nt te es s
A partir de comienzos de los aos setenta se han propuesto variadas metodologas para
resolver el problema del despacho econmico de sistemas elctricos hidrotrmicos. En su gran
mayora, estas metodologas se basan en simulaciones numricas que aplican tcnicas
matemticas de optimizacin a modelos simplificados del sistema, acordes con el horizonte de
evaluacin y la capacidad de cmputo existente para abordar la dimensin del problema. En
particular, la coordinacin hidrotrmica en el mediano y largo plazo persigue establecer una
poltica apropiada de administracin del uso de los recursos energticos almacenados en los
embalses del sistema para un rango de tiempo que va desde un mes hasta varios aos [1]. Entre
las tcnicas empleadas para resolverlo se encuentran los Algoritmos de Punto Interior,
Programacin Dinmica Estocstica (SDP) [1], Descomposicin Anidada de Benders Estocstica
[2] y Programacin Dinmica Dual Estocstica (SDDP)[3].
Debido a lo extenso del periodo de planificacin, tanto los afluentes hdricos a las
centrales como la demanda adquieren un nivel de incertidumbre tal que deben ser considerados
como variables aleatorias. Otras caractersticas de los sistemas hidrotrmicos como la
interdependencia operacional entre centrales en cascada hidrulica, la no linealidad de los costos
trmicos, la superposicin de reglamentaciones sobre el uso del agua, etc. hacen del problema de
la coordinacin hidrotrmica una tarea compleja.
Histricamente, para sobrellevar las limitaciones computacionales, ha sido necesario
utilizar aproximaciones tales como la agregacin de los embalses del sistema en nico embalse
que representa la capacidad de produccin de energa del conjunto; el uso de esquemas de
solucin parciales (tpicamente, el clculo de funciones de costo futuro en separado para cada
cuenca); la simplificacin del sistema a uno uninodal, que concentran la red de transmisin en un
nico nodo reduciendo las consecuencias de la red en los costos de operacin del sistema, como
congestiones y prdidas; y la linealizacin de los costos trmicos de produccin. Otra de las
simplificaciones ms empleadas en la mayora de los modelos es el uso de demanda
determinstica, reduciendo la incertidumbre slo al mbito de las afluencias hidrulicas.
En el contexto nacional, el Sistema Interconectado Central (SIC), tiene una larga historia
de desarrollo y uso de modelos de coordinacin hidrotrmica, la que se inicia en la dcada de los
setenta con el modelo GOL
1
[4] desarrollado por la CNE
2
y asesores especializados a partir de un
modelo simplificado de ENDESA. Desde entonces, tanto las empresas del sector como
organismos reguladores, consultoras especializadas y entidades acadmicas, han desarrollado o
adquirido modelos cada vez ms sofisticados. Entre ellos puede mencionarse el Modelo OMSIC
(Operacin Mensual del SIC) en varias versiones [5], programa SDDP (en base al algoritmo
Programacin Dinmica Dual Estocstica) [6,7], Modelo PLP (Programacin de Largo Plazo,
Colbn S.A.) [8] y Modelo OSE2000 (KAS Ingeniera en Chile).
El cambio estructural observado en la industria elctrica desde comienzos de los ochenta
ha tomado especial fuerza durante los ltimos 10 aos. Si bien las reformas en cada uno de los

1
Gestin Optima del lago Laja.
2
Comisin Nacional de Energa.

2
pases han seguido caminos muy distintos, en trminos generales estos evolucionan hacia
mercados con un carcter cada vez ms competitivo.
En mercados elctricos competitivos, la generacin elctrica se vuelve una actividad con
mayor campo de accin en la cual, en mayor o menor grado, tanto las decisiones de expansin
como las de operacin ya no recaen en decisiones administrativas tomadas por organismos
centrales - usualmente basados en esquemas de minimizacin de costos -, sino ms bien
dependen de decisiones estratgicas, tanto de empresas que buscan maximizar sus beneficios
econmicos, como del ente regulador que busca maximizar el beneficio social. Si bien, en este
contexto, hay mayores oportunidades, donde ellas existen hay tambin mayores riesgos. Las
compaas generadoras deben efectuar no slo las tradicionales funciones relacionadas con la
planificacin de la operacin de sus plantas (partida, parada, coordinacin hidrotrmica,
mantenimiento, etc.), sino que nuevas funciones asociadas a los mercados competitivos (ofertas,
estrategias, manejo del riesgo, etc.). Consecuentemente, las empresas necesitan modelos y
herramientas de apoyo a la toma de decisiones apropiadas, especficas y precisas, para satisfacer
los requerimientos del nuevo esquema de mercado; y del mismo modo, las entidades regulatorias
las requieren para evaluar el desempeo del mercado, predecir y corregir sus deficiencias y
estudiar el impacto de polticas y reglamentos.

1 1. .2 2. . M Mo ot ti iv va ac ci i n n y y A Al lc ca an nc ce es s
1 1. .2 2. .1 1. . M Mo ot ti iv va ac ci i n n
Cuando las plantas elctricas pertenecan al gobierno, los esquemas aproximados se
consideraban razonables, pues el ingreso de las plantas estaba en general asociado a contratos de
largo plazo, y las diferencias eventuales de las producciones individuales de cada planta con
respecto a un despacho optimizado preciso tenderan a cancelarse a lo largo del tiempo [7].
Sin embargo, la implementacin de los esquemas competitivos en muchos pases, en
forma parcial o total, gener a una serie de inquietudes:
A diferencia de los sistemas trmicos, donde el clculo del precio spot y su interpretacin
econmica son directos, los precios spot calculados para los sistemas hidrotrmicos son de
difcil explicacin y verificacin, pues reflejan el valor esperado de los costos de oportunidad
a lo largo de aos y de mltiples escenarios hidrolgicos.
Dado que los ingresos de las plantas dependen del producto de los precios spot por las
generaciones individuales, se requiere un mayor nivel de detalle en la modelacin del sistema,
lo que impide la utilizacin de modelos agregados.
Para poder evaluar y monitorear el desempeo de un mercado competitivo, es necesario
contar con modelos centralizados ideales que puedan servir como patrn de comparacin.
Por estas razones, se ha tenido un inters renovado en la aplicacin de algoritmos de
optimizacin estocstica capaces de manejar el despacho econmico de los sistemas
hidrotrmicos con un mayor grado de detalle.
La caracterstica marcadamente longitudinal del sistema elctrico chileno impone la
necesidad de desarrollar un modelo de despacho que incluya una representacin de la red de
transmisin de forma ms precisa, para permitir el estudio de su efecto sobre los modelos,
algoritmos de resolucin y los resultados alcanzados.

3
Por otro lado, la potencia computacional disponible en la actualidad y las nuevas tcnicas
de resolucin de problemas de optimizacin, posibilitan abordar el problema completo de la
coordinacin hidrotrmica con un grado mayor de exactitud. El desconocimiento de la magnitud
del impacto que tienen las simplificaciones al modelo en la calidad de los resultados, motiva un
acercamiento a la realidad.
En el contexto nacional, al margen de las fortalezas y debilidades de los modelos
existentes, las propuestas y discusiones en torno a cambios de estructura del mercado elctrico
nacional, siguiendo tendencias observadas a nivel mundial, hacen necesaria una revisin y
rediseo de estos modelos y de sus capacidades. Disponer de una herramienta capaz de modelar
el problema de coordinacin hidrotrmica centralizada con mayor fidelidad permitir una
evaluacin ms asertiva de los efectos reales de nuevos esquemas de mercados en Chile y su
posterior monitoreo.

1 1. .2 2. .2 2. . A An n l li is si is s P Pr re el li im mi in na ar r y y A Al lc ca an nc ce es s
El problema de la coordinacin elctrica hidrotrmica se plantea como un problema de
optimizacin estocstica multietapa, donde en cada etapa se resuelve una gran cantidad de
problemas de despacho econmico hidrotrmico para diversas condiciones hidrolgicas y de
demanda. El modelo de despacho persigue representar el sistema elctrico con grado mayor de
detalle que los actuales modelos empleados para la coordinacin hidrotrmica. Esto es
modelando costos trmicos cuadrticos, prdidas de energa no lineales, mltiples nodos,
circuitos y limitaciones de la red de transmisin.
Los modelos que hacen uso de programacin dinmica resultan inapropiados para
sistemas multiembalse debido a que la discretizacin de la variable de estado de cada embalse del
sistema causa, por un lado, errores numricos de interpolacin que se propagan dentro del
procedimiento de clculo, y por otro, una explosin combinatorial en el nmero de estados
posibles que hace inviable su exploracin exhaustiva. Por ello, la programacin dinmica fue
descartada a priori en este trabajo. Si bien la metodologa anidada de Benders, propuesta en [9],
permite salvar este inconveniente, resulta inaplicable para un horizonte de estudio con varias
etapas debido al crecimiento exponencial, esta vez, del nmero de nodos en el rbol de
escenarios. Por todo ello, se opta por una metodologa de muestreo del rbol [3,7], permitiendo su
aplicacin prctica. Finalmente, el modelo propuesto entrega una forma de construir y recorrer
las muestras del rbol de escenarios, recogiendo posibles particularidades del comportamiento
hidrolgico en Chile.
Con el aumento de la rigurosidad de los modelos, la resolucin de problemas derivados de
la operacin tcnico-econmica de sistemas elctricos de potencia se vuelve cada vez ms difcil
de implementar, al punto que muchos de ellos no alcanzan una realizacin prctica [9]. Las
dificultades de implementacin abarcan tres espectros. El primero, emana de modelos y tcnicas
de resolucin ms sofisticados. La segunda, se deriva de la manipulacin de una gran cantidad de
informacin, ya sea como datos de entrada que alimentan al modelo o datos de salida arrojados
por su resolucin. El tercero, lo constituye el conjunto de herramientas que permite el anlisis y
apropiada visualizacin de los datos y que proporciona un adecuado control del mecanismo de
resolucin. La programacin orientada al objeto (POO) ofrece una alternativa eficiente de
herramientas de anlisis, diseo y programacin, con las que es posible abordar el nuevo grado de
complejidad en el modelamiento de un sistema elctrico de potencia [10, 11]. Es por ello que en
este desarrollo se ha optado por este tipo de modelacin como base de descripcin del sistema

4
elctrico. En efecto, el rea de Energa del DIE ha desarrollado un sistema computacional
genrico, basado en POO, denominado DeepEdit, enfocado a la simulacin tcnico-econmica
de sistemas elctricos [12]. As, la implementacin de modelos y metodologas de resolucin
obtenidos en este trabajo de tesis se realiza utilizando DeepEdit como base estructural de
implementacin, de manera que, aprovechando las ventajas de su diseo y arquitectura,
proporciona una expansin de sus capacidades de modelacin y anlisis.
Para resolver los problemas de despacho ptimo con funcin objetivo y restricciones no
lineales se emplea la tcnica de programacin cuadrtica secuencial (SQP) [13,14]. sta, fue
elegida a priori, por su fiabilidad y por la facilidad que introduce al poder ser aplicada sobre
paquetes de software de optimizacin estndar.
En este trabajo se modela slo la incertidumbre hidrolgica por considerarse que la
asociada a la demanda es de una magnitud menor frente a la primera y puede ser cubierta en
forma razonable por medio de escenarios.

1 1. .3 3. . O Ob bj je et ti iv vo os s
1 1. .3 3. .1 1. . O Ob bj je et ti iv vo os s G Ge en ne er ra al le es s
Este trabajo se encuentra inserto en el contexto de un proyecto de investigacin y
desarrollo conjunto entre el Departamento de Ingeniera Elctrica (DIE) y el Centro de
Modelamiento Matemtico (CMM), ambos pertenecientes a la Universidad de Chile. En l se
persigue la tarea de contribuir a una lnea de investigacin y desarrollo conjunto en la temtica de
sistemas elctricos hidrotrmicos en ambientes competitivos.
En este contexto, el objetivo general del trabajo consiste en la concepcin e
implementacin de un modelo de coordinacin hidrotrmica multinodal y multiembalse capaz de
abordar sistemas elctricos longitudinales enfocado a un horizonte de planificacin de mediano
plazo.

1 1. .3 3. .2 2. . O Ob bj je et ti iv vo os s E Es sp pe ec c f fi ic co os s
En el trabajo se distinguen los siguientes objetivos especficos:
Concebir un modelo de coordinacin hidrotrmica para sistemas longitudinales en el
mediano plazo.
Idear un modelo orientado al objeto para representar sistemas de energa hidrulica
asociados a un sistema elctrico hidrotrmico.
Adquirir una metodologa apropiada para la implementacin de modelos de coordinacin
hidrotrmica propuestos y las tcnicas de resolucin.
Disponer de una herramienta computacional integrada a la plataforma DeepEdit que
implemente los modelos y metodologas, que sea un ncleo de clculo para desarrollos
posteriores.
Disponer de un texto que resuma en forma adecuada el estado del arte en torno al tema de
coordinacin hidrotrmica, que sirva de base tcnica para futuros desarrollos en el tema.

5
Proyectar el uso de la herramienta desarrollada para su uso en el anlisis de mercados
elctricos competitivos.

1 1. .4 4. . E Es st tr ru uc ct tu ur ra a d de el l D Do oc cu um me en nt to o
En concordancia con los objetivos de este trabajo, la exposicin fue escrita en un estilo
docente deductivo, pensado para no especialistas en el tema. El documento se organiza de la
siguiente forma:
El Captulo 2 introduce los fundamentos del problema, conceptos de la programacin
estocstica en sistemas elctricos hidrotrmicos. En particular los conceptos del despacho
econmico en sistemas elctricos puramente trmicos, sistemas hidrotrmicos, la
definicin de la funcin de costos futuros esperados y las metodologas de resolucin de
programacin dinmica y programacin dinmica dual.
El Captulo 3 se centra en el desarrollo de un modelo y una metodologa para resolver un
despacho hidrotrmico en un sistema multinodal, multiembalse, con representacin de,
entre otras cosas, la red de transmisin y prdidas, flujos de potencia y congestiones.
En el Captulo 4 se desarrolla el planteamiento del problema global de coordinacin, el
problema del manejo de la incertidumbre hidrolgica y la metodologa de resolucin para
alcanzar un algoritmo programable.
Un resumen del modelo y una breve descripcin de la implementacin de los modelos,
algoritmos y plataforma de software es expuesta en el Captulo 5. En l, se presentan
algunas soluciones a inconvenientes prcticos del desarrollo y de las metodologas
propuestas. Finalmente se presentan una validacin para los mdulos de clculo con casos
de prueba .
El Captulo 6 se presentan problemticas relativas a los mercados elctricos competitivos.
Se discute acerca de metodologas que permitan abordar estos problemas en sistemas
hidrotrmicos explorando las posibilidades de extender este desarrollo ms all del mbito
de su concepcin.
Finalmente, se complementa este documento con un CD-ROM que contiene los casos
estudiados para la validacin, imgenes de la herramienta desarrollada en su integracin con
DeepEdit y un manual de uso.
Coordinacin Elctrica Hidrotrmica Captulo 2: Programacin Estocstica En Sistemas Elctricos

6
2 2. . P PR RO OG GR RA AM MA AC CI I N N E ES ST TO OC C S ST TI IC CA A E EN N S SI IS ST TE EM MA AS S E EL L C CT TR RI IC CO OS S
En este captulo se introduce el problema de la coordinacin hidrotrmica en el mediano
plazo tomando como ejemplo un sistema elctrico uninodal con un nico embalse. A travs de l
se presenta la diferencia entre sistemas puramente trmicos y aquellos con presencia importante
de centrales hidrulicas, en particular centrales de embalse, el planteamiento del subproblema
elctrico e hidrulico asociado al problema de despacho y el problema global. Se muestran los
conceptos de incertidumbre hidrolgica, de costo futuro y costo futuro esperado del agua
embalsada, ilustrando las metodologas de resolucin de Programacin Dinmica Estocstica y
Programacin Dinmica Dual Estocstica.

2 2. .1 1. . D De es sp pa ac ch ho o E Ec co on n m mi ic co o e en n S Si is st te em ma as s T T r rm mi ic co os s
2 2. .1 1. .1 1. . P Pl la an nt te ea am mi ie en nt to o d de el l P Pr ro ob bl le em ma a
El problema de despachar un sistema de elctrico en trminos econmicos se subdivide,
en relacin a las escalas de tiempo involucradas y nivel de detalle en: OPF, Unit Commitment
3
,
despacho en el mediano y largo plazo [1]. Una vez decididas las unidades que estarn en
servicio durante un determinado intervalo de tiempo, el problema de despacho econmico de un
sistema trmico, en su forma ms elemental, se plantea como un problema de minimizacin de
los costos de produccin para abastecer la demanda, restringida nicamente por la capacidad de
produccin de las centrales en servicio.
Para un intervalo de tiempo preestablecido, el problema se puede formular en trminos de
potencia media o energa producida para abastecer la demanda, como sigue:

G N
j
1
min c multiplicador
j
g
j
z g
=

=

(2.1)

Th N
1
. . d
j d
j
s a g
=
=
(2.1.a)

j
g
j
g (2.1.b)

donde:
z : costo operativo del sistema.
j : ndice de los generadores (NTh nmero de generadores).
c
j
: costo variable de operacin de la planta j.
j
g : generacin de la planta j (g es el vector de generaciones).
d : demanda del sistema.
j
g : vector de capacidades instaladas.
d
: multiplicador simplex.

3
Seleccin de unidades, predespacho o despacho de corto plazo.

7
En este caso el problema se formula sobre la base de energa, sin tomar en consideracin
la red de transporte, de manera que todo el sistema se concentra en un nico nodo, por lo que es
denominado uninodal. Las restricciones (2.1.a) y (2.1.b) representan respectivamente la
imposicin de abastecimiento de la totalidad de la demanda y los lmites de generacin o
capacidad de las centrales del sistema. En trminos de energa la capacidad de una central es su
potencia mxima multiplicada por la duracin del intervalo de tiempo que dura el despacho.
El despacho operativo (2.1) es un problema de programacin lineal (PL), que puede ser
resuelto por medio del uso de paquetes computacionales. En esta formulacin sencilla, el
despacho de la generacin se puede resolver por inspeccin. Esto es: despachar las plantas
generadoras de acuerdo a un criterio de costos variables de operacin creciente (segn lista de
mrito) hasta atender la demanda. Para simplificar la notacin, se supone que los generadores j
= 1,...,NTh ya estn ordenados segn un criterio de costos variables de operacin crecientes, y
que j* es la ltima unidad despachada, conocida como generador marginal.

2 2. .1 1. .2 2. . C C l lc cu ul lo o d de el l P Pr re ec ci io o S Sp po ot t
Adems del mnimo costo operativo, la solucin ptima del PL produce un conjunto de
multiplicadores simplex, los cuales miden la variacin experimentada por costo operativo z con
respecto a una perturbacin en el lado derecho de una restriccin. Estos multiplicadores
corresponden en trminos de la teora econmica a los costos marginales de corto plazo del
sistema. Por ejemplo, el precio spot del sistema es la tasa de variacin del costo operativo con
respecto a la demanda, z/d. Se observa en (2.1) que la demanda d aparece en el lado derecho de
la ecuacin (2.1.a). Por lo tanto, esta derivada se asimila al multiplicador asociado a la
restriccin,
d
:
/
d
z d = (2.1.d)
En este caso sencillo, el valor de
d
se puede obtener por inspeccin, pues se sabe que un
aumento en la demanda se compensa por un aumento en la produccin del generador marginal j*.
Por lo tanto,

*
/
d j
z d c = =

2 2. .2 2. . D De es sp pa ac ch ho o E Ec co on n m mi ic co o e en n S Si is st te em ma as s H Hi id dr ro ot t r rm mi ic co os s
Como se ha discutido en la seccin anterior, el despacho de sistemas trmicos ms
sencillo se resuelve despachando las plantas en orden creciente de costos variables de produccin
hasta suministrar la demanda. Al margen de factores adicionales que tornan este problema ms
complejo y una vez efectuada la seleccin de unidades para el periodo de estudio, el problema de
operacin econmica de un parque trmico posee las siguientes caractersticas bsicas:
es desacoplado en el tiempo, es decir, la decisin operativa hoy no afecta el costo
operativo de la prxima semana.
las unidades poseen un costo directo de operacin, esto es, el costo operativo de una
unidad depende solamente de su propio nivel de generacin, y no del nivel de generacin

8
de las dems unidades. Adems, la operacin de una unidad no afecta la capacidad de
generacin o disponibilidad de otra unidad.

Se muestra a continuacin que la operacin de sistemas hidrotrmicos tiene caractersticas
bastante distintas, marcadas por la incertidumbre en la disponibilidad de la energa y el
acoplamiento temporal de las decisiones de uso de dicha energa.

2 2. .2 2. .1 1. . D De ep pe en nd de en nc ci ia a T Te em mp po or ra al l d de e l la a O Op pe er ra ac ci i n n
La caracterstica ms evidente de un sistema con generacin hidroelctrica es poder
utilizar la energa sin costo que est almacenada en los embalses para abastecer la demanda,
evitando as incurrir en gastos de combustible con las unidades termoelctricas. Sin embargo, la
disponibilidad de energa hidroelctrica est limitada por la capacidad de almacenamiento en los
embalses. Esto introduce una dependencia entre la decisin operativa inmediata y los costos
operativos que se tendrn en el futuro. En otras palabras, si las reservas de energa hidroelctrica
son usadas inmediatamente, con el objetivo de minimizar los costos trmicos, y ocurre una sequa
severa en el futuro, podra producirse un racionamiento de costo elevado; dicho de otro modo una
crisis energtica del sistema. Por otro lado, si se privilegian las reservas de energa hidroelctrica
a travs de un uso ms intenso de generacin trmica, y las afluencias futuras son altas, puede
ocurrir un vertimiento en los embalses del sistema, lo que representa un desperdicio de energa y,
consecuentemente, un aumento en el costo operativo. Esta situacin se representa
esquemticamente en la Figura 2.1.

Figura 2.1: Proceso de Decisin para Sistemas Hidrotrmicos.

Por lo tanto, a diferencia de los sistemas puramente trmicos, cuya operacin es
desacoplada en el tiempo, la operacin de un sistema hidroelctrico es un problema acoplado en
el tiempo, es decir, una decisin operativa hoy afecta el costo operativo maana.

Decisin Operativa
Usar
Embalses
No Usar
Embalses
Hidrologa Futura
Hmeda
Seca
Hmeda
Seca
Consecuencia
Operativa
OK
Dficit
Vertimiento
OK
Decisin Operativa
Usar
Embalses
Usar
Embalses
No Usar
Embalses
No Usar
Embalses
Hidrologa Futura
Hmeda Hmeda
Seca Seca
Hmeda Hmeda
Seca Seca
Consecuencia
Operativa
OK OK
Dficit Dficit
Vertimiento
OK OK

9
2 2. .2 2. .2 2. . C Co os st to o I In nm me ed di ia at to o y y C Co os st to o F Fu ut tu ur ro o
Como se observa en la Figura 2.1, el operador de un sistema hidrotrmico debe equilibrar
el beneficio obtenido por el uso inmediato del agua de los embalses con el beneficio futuro que
resultar del almacenamiento de la misma. Este problema se grafica en la Figura 2.2.

Figura 2.2: Costos Inmediato y Futuro en funcin del nivel de almacenamiento de los embalses del
sistema.

La funcin de costo inmediato (FCI) mide los costos de generacin trmica en un
periodo de tiempo determinado, que se denominar etapa t. Se observa que el costo inmediato
aumenta en la medida que disminuye la energa hidrulica disponible en la etapa, esto es, en la
medida que aumenta el volumen almacenado final.
La funcin de costo futuro (FCF) est asociada a los costos que deber cubrir el sistema
debidos, ya sea a la generacin trmica, y/o al desabastecimiento, desde el final de la etapa t
(inicio de t+1) hasta el infinito. El costo futuro disminuye en la medida que aumenta el volumen
almacenado final, pues habr ms energa hidrulica disponible en el futuro. Como existen
muchos parmetros del sistema que son inciertos en el futuro, la funcin de costo futuro tendr un
carcter estocstico, siendo el ms relevante en este tipo de estudios la incertidumbre hidrolgica.
En tal sentido, el operador del sistema debe definir un criterio para enfrentar el problema
estocstico, y este es, tpicamente, la minimizacin de los costos futuros esperados. Por ello, en
presencia de incertidumbre, la FCF se transforma en una funcin de costos futuros esperados
(FCFE)
4
. Otros criterios para la funcin objetivo estocstica desde un punto de vista de un agente
central son por ejemplo la minimizacin de los costos de operacin y del riesgo de dficit
energtico, el abastecimiento de la demanda con un cierto nivel de confianza, etc.

2 2. .2 2. .3 3. . C C l lc cu ul lo o d de e l la a F FC CI I y y F FC CF FE E
La FCI se calcula directamente como el costo trmico necesario para complementar la
generacin hidrulica disponible en la etapa t. A su vez, la FCFE se calcula, en trminos
conceptuales, a travs de simulaciones operativas del sistema para diferentes niveles de

4
La distincin entre ambos trminos se har cuando sea pertinente.
FCF
FCI
Volumen final embalsado
Costos
FCF
FCI
Volumen final embalsado
Costos

10
almacenamiento inicial y condiciones hidrolgicas futuras. El horizonte de simulacin gurda
relacin con la capacidad de almacenamiento del sistema. La simulacin se hace ms compleja
debido a la variabilidad de los caudales afluentes a los embalses, que fluctan a nivel estacional,
regional y anual. Debido a esto, los estudios de simulacin se hacen de manera probabilstica,
esto es, se usa un gran nmero de escenarios hidrolgicos. La Figura 2.3 ilustra el esquema de
simulacin.
Figura 2.3: Clculo de la FCF.

En la prctica, las funciones de costo futuro esperado se calculan a travs de un
procedimiento recursivo llamado programacin dinmica estocstica.

2 2. .2 2. .4 4. . V Va al lo or r E Es st tr ra at t g gi ic co o d de el l A Ag gu ua a E Em mb ba al ls sa ad da a
El uso ptimo del agua almacenada corresponde al punto que minimiza la suma de los
costos inmediato y futuro. Como se muestra en la , el punto de mnimo costo global tambin es
donde las derivadas de la FCI y de la FCFE con respecto al almacenamiento son iguales. Estas
derivadas son conocidas como valor estratgico o marginal del agua embalsada.
Figura 2.4: Uso ptimo del agua embalsada.

Etapa
Volmen
Almacenado
1 2 3 4
Vmax
Generacin
Trmica
Desplazada
Vertimiento
Dficit
Etapa
Volmen
Almacenado
1 2 3 4
Vmax
Generacin
Trmica
Desplazada
Vertimiento
Dficit
FCFE
FCI
Volumen final
embalsado
Costos
Decisin
Optima
Valor del
Agua
FCI + FCFE
FCFE
FCI
Volumen final
embalsado
Costos
Decisin
Optima
Valor del
Agua
FCI + FCFE

11
En resumen, a diferencia de las centrales trmicas, que tienen un costo operativo directo,
las centrales hidrulicas tienen un valor indirecto, asociado a la economa de combustible de las
trmicas desplazadas en el presente o en el futuro. El uso ptimo del agua se obtiene cuando
estn equilibrados los valores inmediato y futuro del agua.

2 2. .2 2. .5 5. . D De es sp pa ac ch ho o H Hi id dr ro ot t r rm mi ic co o d de e u un na a E Et ta ap pa a
En los siguientes prrafos se presenta con ms detalle el clculo de la decisin operativa
ptima para cada etapa, suponiendo conocida la FCFE, para poder ilustrar las metodologas de
clculo y simulacin en cada etapa. En la prxima seccin se discute el procedimiento de clculo
de la FCFE misma. El problema de despacho hidrotrmico para la etapa t se plantea como:

G N
j ,
1
min c
t
t t j
g
j
z g FCFE
=

= +

(2.5.a)

sujeto a las siguientes restricciones operativas:
balances hdrulicos.
lmites de almacenamiento y turbinamiento.
lmites en la generacin trmica.
suministro de la demanda.

El problema se plantea en trminos energticos en el periodo de anlisis, ya que junto
determinar el despacho de las centrales trmicas e hidrulicas se decide la cantidad de energa
hidrulica almacenada en los embalses a usar. Al igual que en el caso trmico puro, el problema
puede ser replanteado en trminos de potencias medias dividiendo las variables de decisin por la
duracin del periodo.
Se presenta a continuacin los componentes del problema (2.5).

a) Funcin Objetivo

El objetivo es minimizar la suma de los costos operativos inmediatos, dado por los costos
trmicos
j ,
c
t j
g en la etapa t, ms el costo futuro esperado FCFE.

b) Funcin de Costo Futuro Esperado y Variables de Estado

El costo futuro esperado se representa por la siguiente funcin:

12
( , a )
t t t
FCFE v = (2.5.b)
La funcin
t
depende de dos clases de valores, conocidos como variables de estado
5
:
v
t
: vector de volmenes almacenados en los embalses al final de la etapa t.
a
t
: vector de caudales naturales afluentes a los embalses en la etapa t.

La dependencia entre el costo futuro y el nivel de almacenamiento al final de la etapa se
expuso anteriormente, concluyndose que el costo futuro disminuye en la medida que aumenta el
volumen almacenado final, pues habr ms energa hidrulica disponible en el futuro.
La dependencia entre el costo futuro y los caudales afluentes de la etapa t se debe a la
correlacin temporal de estos caudales en meses consecutivos
6
. En otras palabras, un caudal
hmedo en la etapa t indicara que en promedio los caudales de la etapa t+1 tambin sern
hmedos. Como consecuencia, vaciar el embalse en el presente si el caudal observado fue
elevado resultar, con mayor probabilidad, menos costoso en el futuro que en el caso de un
caudal bajo, cambiando la percepcin de la incertidumbre.
En trminos ms precisos, la funcin
t
puede depender no slo de a
t
sin que tambin de
los caudales de las etapas anteriores, a
t-1
, a
t-2
etc.

c) Balance Hidrulico:
Como se muestra en la Figura 3.5, la ecuacin de balance hidrulico relaciona el volumen
de almacenamiento con los volmenes de entrada y salida del embalse: el volumen final de la
etapa t (inicio de la etapa t+1) es igual al volumen inicial menos los volmenes de salida
(turbinado y vertido) ms los de entrada (caudales naturales ms los volmenes de salida de las
plantas aguas arriba, en la misma cuenca).
En trminos del problema de despacho, el balance hidrulico se representa como:

, , 1 i,t

a , 1,...,
T V
i i
H
i t i t T V T V
i i k k
k k
v v v v v v i N

= + + + =

(2.5.c)
donde:
i : ndice de la central hidrulica. NH, nmero total de centrales hidrulicas.
v
i,t
: volumen almacenado al final de la etapa t, (variable de decisin).
T
i
v : volumen de caudal turbinado por la central i.
V
i
v : volumen de caudal vertido por la central i.

5
El uso del nombre variable de estado se debe a la aplicacin de la metodologa de programacin
dinmica, y se refiere al conjunto de variables del sistema que pueden afectar al costo futuro. El nombre variable de
estado tiene su origen en la teora de anlisis y modelacin de sistemas dinmicos.
6
Una parte de la lluvia que llega en cada mes no sigue directamente por el ro, pues se infiltra en el suelo y
se almacena en el llamado acufero subterrneo. A su vez, la tasa de vaciado del acufero en cada mes (que alimenta
el caudal afluente de los ros) depende de la integral del agua infiltrada en los meses anteriores (como si fuera un
condensador). Esto hace que el caudal de un mes sea afectado por los valores de los meses anteriores, aunque la
lluvia, en los distintos meses, no presente ninguna dependencia. Una situacin anloga se produce en los meses de
deshielo, donde la mayor parte del caudal proviene del derretimiento de nieve acumulada en meses de invierno.

13
i,t
a : afluente natural a la central hidrulica i.
T
i
: conjunto de centrales aguas arriba a la i de las que recibe caudales turbinados.
V
i
: conjunto de centrales aguas arriba a la i de las que recibe caudales vertidos.

Figura 2.5: Balance hidrulico en central de embalse.

c) Lmites de Almacenamiento y Caudal Turbinado
El lmite de almacenamiento corresponde al volumen mximo de agua que puede albergar
un embalse. El lmite de turbinamiento es el volumen equivalente de caudal mximo que puede
circular por la turbina elctrica, debiendo estar acorde con la capacidad mxima del generador
asociado y la duracin del intervalo de tiempo correspondiente a la etapa.
H
,
, 1,..., N
i t i
v v i = (2.5.d)
H , 1,..., N
T T
i
v v i = (2.5.e)

d) Lmites en la Generacin Trmica
Estos lmites son los mismos del despacho trmico (2.1), para las plantas trmicas.
Th
,
, 1,..., N
j t j
g g j = (2.5.f)

e) Suministro a la Demanda
Es la restriccin (2.1.a) del problema de despacho trmico modificada por el aporte de la
generacin hidrulica.
A
~
~
Afluente Natural
Central Pasada
Central Embalse
ai
T
v
V
v
t
v
t-1
v
Caudal
Vertido
Caudal
Turbinado
A
~~~
~~
Afluente Natural
Central Pasada
Central Embalse
ai
T
v
V
v
t
v
t-1
v
Caudal
Vertido
Caudal
Turbinado

14

H Th N N
i , , t
1 1
d T
i t j t
i j
q g
= =
+ =

(2.5.g)
donde el factor
i
representa el rendimiento del generador hidrulico i en la conversin
energtica.

2 2. .2 2. .6 6. . A Al lg go or ri it tm mo o d de e S So ol lu uc ci i n n y y C Co os st to os s M Ma ar rg gi in na al le es s
El problema de una etapa (2.5a,...,g) se resuelve a travs de un algoritmo de programacin
lineal. Adems de la decisin operativa ptima, el esquema PL calcula los multiplicadores
simplex, o precios sombra, asociados a cada restriccin. En particular, el precio spot horario
del sistema es el multiplicador simplex asociado a la restriccin de suministro de la demanda, y el
valor del agua es el multiplicador asociado a la ecuacin de balance hidrulico, para el problema
de una etapa con duracin de una hora.

2 2. .3 3. . C C l lc cu ul lo o d de e l la a F Fu un nc ci i n n d de e C Co os st to o F Fu ut tu ur ro o E Es sp pe er ra ad do o
2 2. .3 3. .1 1. . P Pr ro og gr ra am ma ac ci i n n D Di in n m mi ic ca a E Es st to oc c s st ti ic ca a
Las decisiones operativas de un sistema hidrotrmico se basan en el equilibrio entre el
costo de oportunidad presente y su valor esperado futuro, representado por la FCFE. El
procedimiento ms usado para calcular esta funcin es un procedimiento recursivo llamado
programacin dinmica estocstica (PDE), cuyos pasos principales se presentan de manera
resumida a continuacin
7
:
a) Para cada etapa t (tpicamente un mes o una semana) se define un conjunto de estados del
sistema, por ejemplo, niveles de almacenamiento 100%, 90%, etc. hasta 0%. La Figura
2.6 ilustra la definicin de los estados para un embalse. Se supone conocido el
almacenamiento inicial de la primera etapa.

Figura 2.6: Definicin de los Estados del Sistema.

b) Comenzar en la ltima etapa, T, y resolver el problema de despacho en ella suponiendo
que el almacenamiento inicial corresponde al primer nivel seleccionado en el paso a), por

7
Por simplicidad, no se representa la dependencia con respecto a los caudales.
. . .
Estado
Inicial
Estados del embalse:
volumen inicial de la
etapa T
1 2 T-1 T
. . .
Estado
Inicial
Estados del embalse:
volumen inicial de la
etapa T
1 2 T-1 T

15
ejemplo, 100%. Para la ltima etapa, se puede suponer que la FCFE es igual a cero, o bien
una funcin previamente calculada, por ejemplo a partir del mismo proceso para un
horizonte ms largo. Luego, resolver los problemas de despacho para cada uno de los N
escenarios de caudales para la etapa. El esquema se muestra en la Figura 2.7.
Figura 2.7: Clculo de la Decisin ptima por Escenario - ltima Etapa.

c) Posteriormente, calcular el valor esperado del costo operativo asociado al nivel 100%
como el promedio de los costos de los N subproblemas de una etapa
8
. Con esto se obtiene
el primer punto de la FCFE para la etapa T-1, i.e.
T-1
(v
T-1
). Repetir el clculo del costo
operativo esperado para los dems estados en la etapa T, como se muestra en la Figura
2.8.
Figura 2.8: Clculo de la FCFE para la etapa T-1.

d) Repetir el clculo del costo operativo para todos los estados seleccionados en la etapa T-1,
como se muestra en la Figura 2.9. Cabe notar que el objetivo es minimizar la suma del
costo operativo inmediato de la etapa T-1 con el costo esperado futuro, dado por la FCFE
calculada en el paso anterior. Aplicar el mismo procedimiento para las etapas T-2, T-3
etc., hasta la primera etapa.

El resultado final de la metodologa PDE a) - d) es un conjunto de FCFEs {
t
(v
t
)} para
todas las etapas t = 1,...,T. Notar que el clculo de esta funcin requiere la representacin de la
operacin conjunta del sistema, con el conocimiento completo de los estados de almacenamiento
de todas las centrales del sistema.

8
En el supuesto que los N escenarios hidrolgicos o estados de afluencia son equiprobables.
. . .
Problema de un etapa,
escenario de caudal #1
1 2 T-1 T
escenario de caudal #N
. . .
1 2 T-1 T
escenario de caudal #N
. . .
1 2 T-1 T
Costo
FCFE, para
etapa T-1
. . .
1 2 T-1 T
Costo
FCFE, para
etapa T-1

16

Figura 2.9: Proceso de clculo para establecer la FCFE para la etapa T-2.

2 2. .3 3. .2 2. . L Li im mi it ta ac ci io on ne es s d de e l la a M Me et to od do ol lo og g a a P PD DE E

La metodologa PDE ha sido utilizada por muchos aos en la mayora de los pases con
predominancia de generacin hidrulica. Sin embargo, el mismo tiene una limitacin severa. Esta
se debe a la necesidad de enumerar todas las combinaciones posibles de los valores de las
variables de estado (almacenamiento en los embalses y caudales en las etapas anteriores). Con
esto, el esfuerzo computacional crece exponencialmente con el nmero de embalses modelados.
Este fenmeno se suele denominar maldicin de la dimensionalidad. Por ejemplo, si los
niveles de cada embalse y de cada caudal anterior han sido discretizados en 20 valores. El
nmero de combinaciones es (2020)
NE
, donde NE es el nmero de embalses y se considera que
existe correlacin entre el caudal presente y el inmediatamente anterior. Se tiene entonces:

Tabla 2.1: Nmero de combinaciones de estados posibles en esquema PDE.
Nmero de
Embalses
Nmero de
Combinaciones
1 20
2
= 400
2 20
4
= 160 mil
3 20
6
= 64 millones
4 20
8
= 25 mil millones

Debido a esta limitacin computacional, ha sido necesario utilizar aproximaciones tales
como la agregacin de los embalses del sistema en un nico embalse que represente la
capacidad de produccin de energa de la cascada y el uso de esquemas de solucin parciales
(tpicamente, el clculo de funciones de costo futuro en separado para cada cuenca).
Otro inconveniente de la programacin dinmica es el desconocimiento de la precisin de
la FCFE que se ve alterada debido a la acumulacin de errores de interpolacin. Estos errores se
van propagando y acumulando progresivamente en la construccin de las funciones desde la
penltima etapa hasta la primera.

. . .
1 2 T-1
Costo Futuro Esperado
Volumen final
en T-1
Minimizacin del costo inmediato

en T-1 ms costo futuro esperado
. . .
1 2 T-1
Costo Futuro Esperado
Volumen final
en T-1
Minimizacin del costo inmediato

en T-1 ms costo futuro esperado

17
2 2. .3 3. .3 3. . L La a P Pr ro og gr ra am ma ac ci i n n D Di in n m mi ic ca a D Du ua al l
El esquema PD Dual se basa en la observacin de que, en un contexto lineal, la FCFE se
puede representar por una funcin lineal por partes convexa, i.e. no es necesario interpolar los
valores provenientes de una discretizacin de estados. Se muestra adems que la pendiente de la
FCFE alrededor de un punto asciende a los valores esperados del agua almacenada, los cuales
corresponden a los multiplicadores simplex asociados a las ecuaciones de balance hidrulico. La
Figura 2.10 ilustra el enfoque PD Dual para el clculo del costo operativo esperado y de la
pendiente de la FCFE para la ltima etapa, almacenamiento inicial = 100% , paso c) del
procedimiento PD tradicional).

Figura 2.10: PD Dual Clculo del primer tramo de la FCFE.

La Figura 2.11 ilustra el clculo del costo operativo y de las pendientes de FCFE para
cada estado en la etapa T. La funcin lineal por partes resultante es la FCFE {
t
(v
t
)} para la
etapa T-1.
Adems de la representacin analtica de la FCFE, la PD Dual utiliza un esquema
iterativo de optimizacin/simulacin para seleccionar solamente los estados que son relevantes
para la decisin. Como consecuencia, esto hace posible resolver problemas de despacho
estocstico con un gran nmero de embalses, con un esfuerzo computacional razonable.

Figura 2.11: Clculo de una FCFE lineal por partes para la etapa T-1.

. . .
1 2 T-1 T
Costo
Costo operativo esperado
Derivada del costo
operativo con
respecto al volumen
final
. . .
1 2 T-1 T
Costo
Costo operativo esperado
Derivada del costo
operativo con
respecto al volumen
final
. . .
1 2 T-1 T
Costo
FCFE, para etapa T-1.
Funcin lineal por
partes,
aproximada
inferiormente
. . .
1 2 T-1 T
Costo
FCFE, para etapa T-1.
Funcin lineal por
partes,
aproximada
inferiormente

18
2 2. .3 3. .4 4. . E El l A Al lg go or ri it tm mo o d de e D De es sc co om mp po os si ic ci i n n A An ni id da ad da a d de e B Be en nd de er rs s
La programacin dinmica dual descansa sobre el algoritmo de descomposicin anidada
de Benders, que es una metodologa general que permite resolver ms eficientemente problemas
de optimizacin de gran tamao cuyas restricciones tienen una estructura por bloques. La
metodologa descompone el problema completo en un conjunto de subproproblemas
aprovechando estructuras de bloque-columna en sus restricciones. Un subproblema se crea a
partir del conjunto de variables, funcin objetivo y restricciones asociada a un bloque,
estableciendo un encadenamiento de subproblemas maestro-esclavo. Esto se hace de manera que
en un subproblema no aparezcan variables asociadas a un esclavo, y en este ltimo las variables
asociadas a un maestro se transforman en parmetros. Cada subproblema es resuelto de forma
individual, ligndose iterativamente con su esclavo a travs de un punto solucin y con su
maestro a travs de los denominados cortes de Benders. Una vez resuelto un subproblema, dado
un punto solucin del maestro, si ste resulta factible se construye un corte de optimalidad que
es agregado al maestro como una restriccin. Dicha restriccin constituye una aproximacin del
valor ptimo del subproblema esclavo en la funcin objetivo del maestro. Si el subproblema
esclavo resulta infactible, se construye un corte de factibilidad que limita la regin factible del
subproblema maestro de manera que su resolucin no arroje un punto que provoque la
infactibilidad del esclavo.
Para reconocer la aplicacin de esta metodologa en el problema de la coordinacin
hidrotrmica, es preciso plantear el problema determinstico equivalente asociado. Esto es, el
problema de optimizacin completo en el horizonte de evaluacin, que establece en forma
extensiva el anidamiento de los subproblemas de etapa. La Figura 2.12 ilustra la descomposicin
de un problema de coordinacin hidrotrmica para un problema de dos etapas donde la
incertidumbre en la segunda etapa es representada por tres escenarios equiprobables de afluentes.
El esquema de la figura destaca slo aquellas partes de las restricciones en las que se produce el
acoplamiento entre etapas, identificndose la estructura diagonal del problema determinstico
equivalente.

Figura 2.12: Descomposicin de Benders en problema estocstico de dos etapas.

El subproblema maestro se podra escribir de la siguiente forma general:
( )
1 1 2 21 2 22 2 23
1
min c c c c
3
T T T T
g
g g g g

+ + +

s.a
1
1 0 1
v K
g
v g +
21
21 21
K
g
v g +
1
v +
22
22 22
K
g
v g +
1
v +
23
23 23
K
g
v g +
1
v +
1
1
d
a
2
21
d
a
2
22
d
a
2
23
d
a
( )
1 1 2 21 2 22 2 23
1
min c c c c
3
T T T T
g
g g g g

+ + +

s.a
1
1 0 1
v K
g
v g +
21
21 21
K
g
v g +
1
v +
22
22 22
K
g
v g +
1
v +
23
23 23
K
g
v g +
1
v +
1
1
d
a
2
21
d
a
2
22
d
a
2
23
d
a

19

{ }
1
1 1
1 1
1 1 1 0
3
1
1
1
min c
s.a.
d
K a v
1
( ) 0, =1,...,J
3
( ) 0, =1,...,K
T
g
ij
i
k
g y
g
v g
y O v j
F v k
=
+
=
+ = +

La expresin de los cortes de optimalidad (O) y factibilidad (F) son funciones lineales
afines y son calculados a partir de la solucin primal y dual de los subproblemas esclavos. El
corte de optimalidad O
ij
, es el corte j obtenido de la solucin del subproblema esclavo i. El corte
de factibilidad F
k
es el corte k obtenido de algn subproblema esclavo que result infactible. Un
subproblema esclavo i se escribe como sigue:

{ }
2
1 2 2
2 2
2 2 1
(v ) min c
s.a.
d
K a v
i
T
i i
g
i
i i
y g
g
g
=
=
= +

Una descripcin ms detallada de esta metodologa y su aplicacin a problemas de
optimizacin estocstica se encuentra en [2]. En el Captulo 4, se retoma la exposicin de la
descomposicin anidada de Benders y su vinculacin con la programacin dinmica dual.

2 2. .4 4. . E El l P Pr ro ob bl le em ma a d de e l la a C Co oo or rd di in na ac ci i n n H Hi id dr ro ot t r rm mi ic ca a. .
El problema de la coordinacin hidrotrmica se puede interpretar como la articulacin de
innumerables problemas de despacho hidrotrmico, formulados para diversas condiciones de
afluencia y acoplados en el tiempo. En cada uno de ellos se intenta recrear un proceso de decisin
bajo incertidumbre que busca minimizar la suma de los costos operacionales inmediatos y los
futuros esperados del sistema. Esto se efecta ya sea determinando una cantidad ptima de agua
embalsada a usar en un etapa o bien calculando un valor estratgico para dicho recurso. Para
abordarlo, es necesario desarrollar las siguientes tres materias nter ligadas:
Problema de despacho hidrotrmico: planteamiento de un modelo para representar la
decisin de la operacin ptima centralizada de un sistema elctrico, en una etapa del
horizonte de evaluacin, y el establecimiento de un mecanismo de resolucin.
Representacin de la incertidumbre hidrolgica: constituye el conjunto de modelos y
procedimientos necesarios para simular el proceso estocstico de caudales afluentes a
las centrales hidrulicas del sistema.
Metodologa de resolucin del problema completo: que permita abordar el
acoplamiento entre los problemas de las etapas, la construccin y representacin de
las funciones de costo futuro esperado.
Los siguientes dos captulos se centran en las tres materias citadas, en el mismo orden.
Coordinacin Elctrica Hidrotrmica Captulo 3: Modelo de Despacho Hidrotrmico Para Sistemas Longitudinales

20
3 3. . M MO OD DE EL LO O D DE E D DE ES SP PA AC CH HO O H HI ID DR RO OT T R RM MI IC CO O P PA AR RA A S SI IS ST TE EM MA AS S L LO ON NG GI IT TU UD DI IN NA AL LE ES S
El problema de despacho hidrotrmico, en un periodo o etapa determinada del horizonte
de evaluacin, se plantea como un problema de despacho elctrico trmico al que se le incorpora
un conjunto de restricciones de carcter hidrulico. En l, el vector de variables aleatorias adopta
una realizacin concreta, con valores predeterminados. En el contexto de la coordinacin
hidrotrmica la modelacin de este despacho se centra en la obtencin de una estimacin de los
costos de produccin del sistema incurridos en el periodo. Con ello, es posible contrastar este
valor inmediato con el valor estratgico del agua embalsada asociada a la operacin futura para
determinar, simultneamente, tanto la cantidad ptima de agua almacenada a utilizar durante el
periodo como el costo de oportunidad asociado a dicho recurso. Costo de oportunidad que es
utilizado en la etapa precedente.
El problema de despacho hidrotrmico enfocado a una etapa de la coordinacin
hidrotrmica se diferencia de un modelo de despacho de corto plazo, orientado a la seleccin de
unidades, en que la modelacin del sistema contiene un mayor nmero de simplificaciones. Estas
simplificaciones se orientan a reducir la complejidad del problema y a garantizar su convexidad,
en un compromiso entre el nivel de precisin y las capacidades existentes para resolver el
problema completo en todo el horizonte de evaluacin, el cual requiere de la resolucin de un
elevado nmero de problemas de despacho de una etapa.
En el presente captulo se expone en forma detallada el planteamiento de dicho problema
de optimizacin y la forma de resolverlo empleando la tcnica de SQP [13].

3 3. .1 1. . M Mo od de el la ac ci i n n d de e u un n S Si is st te em ma a E El l c ct tr ri ic co o d de e P Po ot te en nc ci ia a e en n O Op pe er ra ac ci i n n E Es st ta ac ci io on na ar ri ia a
Un sistema de generacin y distribucin de energa elctrica constituye una red elctrica
que puede ser modelada por un grafo conexo con una multitud de nodos y ramas, donde los
equipos de transmisin corresponden tpicamente a las ramas y los nodos, denominados barras en
lenguaje de potencia, representan los puntos de inyeccin o retiro de la energa. En algunas barras
habr una inyeccin neta de potencia, mientras en otras se producir una extraccin, a la vez que
la potencia fluye por la red [15].
Puesto que en un sistema elctrico la energa se produce y consume instantneamente, se
usan como variables las potencias, debiendo mantenerse su balance en cada momento de la
operacin.
En un enfoque estacionario, el modelo del sistema contempla tres tipos de elementos:
unidades de generacin, cargas y equipos de transmisin.

3 3. .1 1. .1 1. . G Ge en ne er ra ad do or re es s
Las centrales de generacin son los centros productores de energa elctrica, o ms
precisamente, conversores de diversas fuentes de energa en energa elctrica. Por ello, desde el
punto de vista de la fuente original de la energa, existe una gran cantidad de tipos de centrales.
Entre las principales podemos citar: trmicas, nucleares, hidrulicas, solares, elicas,
mareomotrices, geotrmicas; admitiendo cada tipo una subclasificacin. Desde el punto de vista

21
del despacho econmico, se distinguen aquellas que tienen costos variables de operacin
apreciables y las que no, tal es el caso de los sistemas hidrotrmicos.
Las centrales elctricas que extraen la energa de algn combustible fsil o nuclear, a
travs de procesos termodinmicos, son denominadas, en el contexto de este estudio, centrales
trmicas, y poseen costos variables de operacin en funcin de la cantidad de combustible que
emplean. Entre ellas se encuentran las centrales de ciclo combinado, centrales a gas, petrleo,
carbn, etc. Es posible aproximar una curva para la cantidad de combustible empleado en funcin
de la potencia de salida de la turbina [1] como muestra la Figura 3.1.
Al multiplicar la caracterstica de la Figura 3.1 por el costo del combustible se obtiene la
curva de costos variables en funcin de la potencia elctrica de salida de una central trmica. La
mxima eficiencia neta de la central se alcanza en el punto en que la razn de calor neto de
entrada por unidad de potencia total de salida H/P es mnima. Esto se ilustra en la Figura 3.2(a)
que grafica la curva inversa de la eficiencia neta de produccin de energa elctrica.
Figura 3.1: Curva caracterstica de entrada salida de una turbina a vapor.

Desde el punto de vista de diseo, la central se construye de modo que a la potencia
nominal opere en el punto de mayor eficiencia neta. Por otro lado, un aumento del tamao de la
central se traduce en un mayor desplazamiento hacia la derecha de la curva entrada-salida que
hacia arriba. Lo anterior, se traduce en una baja de la caracterstica de la Figura 3.2(a), reflejando
una reduccin del costo total por unidad de combustible.
Para efectos de un despacho econmico aproximando, lo ms relevante es modelar
adecuadamente los costos ms significativos. Estos son los costos marginales de produccin por
unidad de tiempo. Para las centrales trmicas, estos costos se obtienen al multiplicar por el costo
del combustible la caracterstica de rendimientos marginales de la Figura 3.2(b), que es la
derivada con respecto a la potencia de la relacin de entrada-salida de la turbina. La forma de la
curva de rendimientos marginales, impone el uso de costos marginales de produccin por unidad
de tiempo al menos lineales, con lo que los costos variables de produccin seran aproximados
por una funcin cuadrtica, como la (3.1).

min
P
max
P
E
n
t
r
a
d
a
,

H

[
M
B
t
u
/
h
]
P
H
H
P
Relacin calor potencia elctrica
Salida, P [MW]
min
P
max
P
E
n
t
r
a
d
a
,

H

[
M
B
t
u
/
h
]
P
H
H
P
Relacin calor potencia elctrica
Salida, P [MW]

22

2
G G G ( ) OG G G G C P P P = + + (3.1)

Figura 3.2: Relacin de calor potencia elctrica de una turbina a vapor: (a) rendimiento neto por unidad
de potencia, (b) rendimiento marginal.

Si bien la relacin entrada salida que presenta la Figura 3.1 representa la caracterstica
ideal de una turbina a vapor, pudiendo no ser suave e incluso no convexa en pequeos tramos
para centrales con grupos de turbinas, turbinas a gas y de ciclo combinado, sta es una
aproximacin ms cercana a la real que una representacin lineal, que es la usual en modelos de
despacho para problemas en el mediano plazo. Por ello, en esta modelacin se har uso de una
funcin o conjunto de funciones cuadrticas para representar los costos de operacin de las
centrales trmicas del sistema.
El segundo grupo de centrales de generacin relevantes lo constituyen las centrales
hidrulicas del sistema. Ellas extraen la energa cintica y potencial disponible en el agua, por lo
que se considera que poseen costos variables de operacin despreciables. Su uso slo se vera
limitado por la cantidad de agua disponible al momento del despacho. Entre ellas se distinguen
las centrales de pasada, que toman parte o la totalidad del caudal que circula por un ro, y las
centrales de embalse que pueden almacenar volmenes importantes de agua en lagunas naturales
o artificiales.
Las centrales generadoras son representadas en el modelo de despacho por unidades de
generacin que tienen como nica variable la cantidad de potencia que producen y son ubicadas
en la barra que mejor representa su posicin elctrica en el grafo de la red. El costo de produccin
de una central, es el resultado de integrar durante un intervalo de tiempo el producto de su
potencia instantnea y su costo marginal de produccin. Una aproximacin a dicho costo es el
producto de la potencia media en dicho intervalo, el costo marginal de produccin y la duracin
del intervalo. Como el objetivo del despacho es precisamente determinar los niveles ptimos de
generacin que las centrales deben sostener durante un intervalo de tiempo, el costo de
produccin del sistema es la suma de los costos por unidad de tiempo de todas las centrales,
multiplicado por la duracin del intervalo.

min
P
max
P
H
/
P

[
M
B
t
u
/
k
W
h
]
nom
P
Salida, P [MW]
Rendimiento por unidad de potencia
(a)
min
P
max
P
H
/
P

[
M
B
t
u
/
k
W
h
]
nom
P
Salida, P [MW]
Rendimiento por unidad de potencia
(a)
min
P
max
P
H
/
P

[
B
t
u
/
k
W
h
]
Aproximacin
Rendimiento marginal
Salida, P [MW]
(b)
min
P
max
P
H
/
P

[
B
t
u
/
k
W
h
]
Aproximacin
Rendimiento marginal
Salida, P [MW]
(b)

23
3 3. .1 1. .2 2. . C Ca ar rg ga as s
En el sistema, las cargas representan los grandes centros de consumo de energa elctrica.
De forma similar a los generadores, son representadas en el modelo de despacho por unidades de
carga que tienen como nica variable la cantidad de potencia que demandan y son ubicadas en la
barra que mejor represente su posicin elctrica en el grafo de la red. Esto, en trminos de
potencia media en el intervalo de tiempo considerado en el despacho.
Una solucin infactible para el problema de operacin no resulta til para el planificador.
Se dice que el sistema falla cuando no es capaz de generar y/o redistribuir la energa generada,
de modo de satisfacer la demanda en cada barra. El concepto de costo de falla, representa el
costo social que significa el no abastecimiento de energa elctrica. Esto se aborda incorporando
centrales ficticias denominadas centrales de falla en las barras del sistema con un costo variable
igual al costo de falla de largo plazo del sistema o costo de racionamiento energtico [7]. Bajo un
esquema totalmente centralizado, dicho costo es el mismo para todos las cargas del sistema.
En la actualidad, el concepto de falla de energa o racionamiento adquiere una dimensin
ms amplia. Con la apertura parcial de los esquemas centralizados hacia mercados ms
competitivos, el derecho adquirido por un cliente a ser suministrado por fuerza de un contrato se
flexibiliza por medio de condiciones que establecen un pago o compensacin por la energa no
suministrada. As, en forma indirecta, comienza a aparecer una curva de demanda o de oferta de
compra de energa.
Ya sea generacin de falla o energa no abastecida, los costos marginales de no
abastecimiento se suponen crecientes en la magnitud de la demanda insatisfecha o profundidad de
la falla. Esto es, que el costo de no cubrir una unidad adicional de demanda es ms alto a una
mayor profundidad y se debe a que el consumidor debe recurrir a opciones alternativas cada vez
ms costosas; partiendo por del ahorro energtico hasta la detencin de la produccin o la auto
generacin de energa elctrica con menor nivel eficiencia y elevados costos de inversin. Por
ello, el modelo de operacin considera una funcin de costo para la energa o potencia media no
suministrada, en el intervalo de tiempo clculo, de tipo cuadrtica. Designando por U P a la
potencia no suministrada, el costo de no abastecimiento se escribe:

2
U U ( ) UN U U U C P P P = + (3.2)

Al representar la potencia no servida la porcin no abastecida de la demanda de una carga,
sta queda limitada de forma natural por la magnitud de su demanda, existiendo tantas variables
como cargas sean modeladas en una barra del sistema. Lo anterior, ampla las capacidad del
modelo de despacho, permitindole abordar tanto despachos centralizados con un nico costo de
falla como despachos ms competitivos con mltiples costos de no abastecimiento.


24
3 3. .1 1. .3 3. . R Re ed d d de e T Tr ra an ns sm mi is si i n n
En el marco de este estudio slo se consideran los equipos de transmisin que pueden ser
modelados por un tetrapolo pasivo, que son los ms habituales en una red de potencia. En la
Figura 3.3 se presentan los equipos de transmisin tpicos que son representados en el problema
de flujos de potencia en funcin de sus parmetros de resistencia serie, reactancia serie y
susceptancia paralelo. Las conductancias paralelo no son incluidas en estos modelos por
considerarse despreciable su magnitud.
Figura 3.3: Modelo para equipos de transmisin de una red de potencia.

Los transformadores de tres enrollados pueden ser modelados usando combinaciones de
los expuestos en la figura anterior. Entre los equipos que no pueden ser modelados en forma
explcita por un tetrapolo pasivo se encuentran aquellos que tienen la capacidad de controlar los
flujos por la red como lo son los transformadores desfasadores, equipos FACTS y las conexiones
a travs de corriente continua a alto voltaje HVDC. Para cada uno de ellos, existen modelos
explcitos que combinan elementos pasivos y activos que pueden ser incorporados en el problema
de despacho.
El problema de flujos de potencia por la red queda determinado por las variables de
estado del sistema en estado estacionario, que son la magnitud y los ngulos de los voltajes de
barra. Las ecuaciones que ligan los flujos con los voltajes se conocen como las ecuaciones del
flujo de potencia y se deducen al aplicar al modelo de la red las leyes de voltaje y corriente de
Kirchhoff. Si se designa
i
P a la potencia activa neta inyectada al sistema desde la barra i, la
ecuacin que la relaciona con los voltajes de barra del sistema y establece los flujos es la
siguiente:
( ) ( ) ( )
, ,
1
n
i i k i k i k i k i k
k
P V V g Cos b Sen
=
= +
(3.3)

g
ik
y b
ik
son las partes real e imaginaria del elemento (i,k) la matriz de admitancias nodal de la
red. En principio, cada trmino de la sumatoria corresponde a la potencia que va desde la barra i a
la k. En sistema de transmisin, el flujo de potencias activas depende en mayor medida de los
ngulos de los voltajes de barra, mientras que el de potencia reactiva, de su magnitud. Estas
mayores injerencias se denominan acoplamiento P y acoplamiento Q V , respectivamente.
En sistemas de transmisin a alto voltaje estos acoplamientos suelen ser marcados, permitiendo
descomponer el problema completo de flujos de potencia en su parte activa y reactiva. As,
representar nicamente los flujos de potencia activa en la red en el problema de despacho resulta
Lnea de Transmisin Transformador Compensacin Shunt
k
jb
i
jb
k
t :1

jx
ik
jx
ik
r
ik
i k

jb
ik
/ jb
ik
/2

r
ik
i i k
jb
ik
/2 jb
ik
/2

25
una aproximacin razonable. Una revisin ms detallada del problema de los flujos de potencia
se encuentra en la referencia [15].
Las magnitudes de las suscepatancias en paralelo y la razn de transformacin de los
transformadores alteran principalmente a las potencias reactivas a travs de su efecto sobre la
magnitud de los voltajes de barra. Por esta razn, un modelo simplificado de flujos de potencia
omite estos valores en su formulacin.

3 3. .1 1. .4 4. . M Mo od de el lo os s d de e F Fl lu uj jo os s y y P P r rd di id da as s
Una revisin de la ecuacin (3.3) sugiere que la injerencia en los flujos de potencia activa
de los elementos reactivos en paralelo de los tetrapolos de la Figura 3.3 es mnima, ya que estos
slo aparecen en la diagonal de la matriz de admitancias nodal y son multiplicados por el seno de
un ngulo nulo. Al eliminarlos, los arcos del grafo de la red adoptan la forma elctrica de la
Figura 3.4.
Figura 3.4: Elemento de red para le flujo entre dos barras.

La potencia activa que va desde la barra i a la k se obtiene de la siguiente expresin:

*
Re , con ( ) ( )
o o o o o
ik i ik ik i k ik ik
P V I I V V r jx

= = +

(3.4)

En trminos de la admitancia de rama
2 2
( ) ( )
ik ik ik ik ik ik
g jb r jx r x + = + , la expresin
anterior es equivalente a:

{ }
( )
2 2
2
Re ( ) ( 90) 90
( ) ( )
ik ik i ik i k i k ik i k i k ik i
ik i i k i k ik i k i k
P g V g VV b VV b V
g V VV Cos b VV Sen

=
=

(3.5)

En sistemas de transmisin de alto voltaje las siguientes aproximaciones tienen una
amplia validez.
ik ik
r jx +
o
i
V
o
k
V
o
ik
I
ki
P
ik
P
ik ik
r jx +
o
i
V
o
k
V
o
ik
I
ki
P
ik
P

26
1, 0,
i k i k ij ij
V V r x < (3.6)
as,

2
2 2 2
( )
1 ( ) ( ) / 2
1/
i k i k
i k i k
ij ij ij ij ij
Sen
Cos
r x x b x

+
(3.7)

La aplicacin de la aproximaciones en (3.6) y la primera en (3.7) al resultado de (3.5)
permiten alcanzar expresiones ms sencillas desde el punto de vista numrico, como la (3.8), muy
similar a la empleada en [16].
(1 ( )) ( )
ik ik i k ik i k
P g Cos b = (3.8)

Aplicar el conjunto completo de aproximaciones (3.6) y (3.7), lleva a una expresin an
ms simple para la ecuacin de transporte de energa por una conexin del sistema en trminos de
las variables de estado ngulos de voltaje y de los parmetros serie de una conexin elctrica.

2
2
1 1
( ) ( )
2
ik
ik i k i k
ik ik
Prdidas
r
P
x x
= +
_
(3.9)
Desde el punto de vista de un problema de optimizacin es deseable una expresin con
caractersticas convexas en las variables del problema y con funciones menos complejas
numricamente. Por ello, la expresin (3.9) aparece como ms apropiada para los propsitos de
un despacho econmico. Sin embargo, (3.8) e incluso (3.5), con magnitudes de voltaje tpicos,
podran ser usadas si es posible garantizar, por ejemplo con restricciones adicionales, que la
diferencia entre los ngulos de voltaje de barras conectadas no excede los 90
9
.
En la ecuacin (3.9), se identifica un primer trmino con el flujo transmitido entre ambas
barras, que queda como una funcin lineal de la diferencia de los voltajes de ngulo y es
conocido como flujo de potencia activa DC. El segundo trmino corresponde a parte de las
prdidas de transmisin que quedan en el camino y que se reducen a cero cuando la resistencia de
la conexin es nula. Para precisar esto, es necesario recurrir a la expresin para la potencia que
circula en sentido inverso, desde k hacia i que es:

2
2
1 1
( ) ( )
2
ik
ki i k i k
ik ik
r
P
x x
= + (3.10)

Ambas expresiones (3.9) y (3.10), se pueden escribir en trminos de un flujo medio y de las
prdidas totales de transmisin. Si se designa por f
ik
al flujo medio y l
ik
a las prdidas totales de
transmisin derivadas de ese flujo, la ecuacin (3.9) se escribira

9
Esto es, para asegurar la convexidad del conjunto factible del problema de optimizacin, derivado de la
restriccin de balance de potencia en barras del sistema.

27
2
ik ik ik
P f l = +

1
( )
ik i k
ik
f
x
= (3.11)

2
ik ik ik
l r f =
as, la expresin para el flujo de potencia y las prdidas de transmisin se podra establecer como
sigue

2
2
ik
ik ik ik
r
P f f = + (3.12)
Cabe destacar que el factor un medio, que acompaa el segundo trmino de la expresin
(3.12), reparte equitativamente las prdidas de potencia activa entre ambas barras de la conexin.
Este establece que la forma de distribuir las prdidas de transmisin no est sujeta a criterio
alguno, sino que corresponde a una razn fsica, por lo que cualquier otra forma de asignar
distintas proporciones de las prdidas a una u otra barra carece de justificacin, como algunos
modelos de despacho sugieren.
Antes de finalizar, es necesario decidir qu variables usar para modelar los flujos en la red
de transmisin, si los ngulos de voltaje de barra
i
o directamente los flujos por las conexiones
f
ik
. La respuesta a esta interrogante surge de la mano de las caractersticas topolgicas de la red en
cuestin. El modelo por flujos es recomendable, por su simplicidad, en redes absolutamente
radiales, donde la transmisin de potencias por la red se asemeja a un modelo de transporte. En
redes enmalladas, por el contrario, es imprescindible representar en el modelo los ngulos
voltajes de barra de modo que los flujos encontrados sean factibles desde el punto de vista fsico.
Esto es, deben respetar la ley de voltajes de Kirchhoff (LVK) resumida en la ecuacin (3.11).
Este conjunto de ecuaciones impone que los flujos deben encontrarse dentro del espacio vectorial
generado por los ngulos de voltajes de barra. En una red radial pura, el conjunto de ecuaciones
(3.11) constituye un sistema lineal determinado entre ngulos de voltajes y flujos, es decir,
cualquier vector de flujos por ramas se encuentran dentro del espacio vectorial generado por los
ngulos, por lo que cualquier solucin de flujos satisface la LVK. Por el contrario, en redes
enmalladas este sistema lineal queda sobredeterminado para flujos en funcin de ngulos, de
manera que existen vectores de flujos por rama que no pertenecen al espacio vectorial generado
por los ngulos, o equivalentemente, no cumplen la LVK. As, la modelacin por ngulos de
voltaje produce un problema de optimizacin del despacho ms restringido que aquel modelado
directamente por flujos, ya que reduce la regin factible de flujos de potencia en ramas de la red.
Los sistemas longitudinales son sistemas elctricos alargados, con caractersticas
topolgicas que varan zonalmente entre radial y enmallado. Tpicamente se encuentran secciones
de la red con concentracin geogrfica de carga donde confluyen potencias desde diversas zonas.
Tal es el caso de la zona centro y centro sur del SIC Chileno, donde coexisten redes en paralelo
de154, 220 y 500 kV. Una situacin de despacho en una seccin como esta se ilustra en la Figura
3.5.
La singularidad de la condicin de precios del sistema de la Figura 3.5 radica en que el
precio de la energa en la B3 es el doble del costo marginal de la energa dado por el generador
G2. Siempre se espera que el efecto de la activacin de una restriccin de transmisin, o
congestin, sea que el precio en la zona de destino se eleve aproximadamente al del generador
local ms costoso que debi despacharse por no poder importar energa ms barata. Sin embargo,

28
la congestin tiene adems un componente de carcter fsico que restringe los ngulos de voltaje.
Esto causa, en trminos marginales, que para satisfacer una unidad adicional en la barra B3 el
generador G1 debe reducir su generacin en una unidad y el generador G2 debe incrementarla en
dos unidades. As, el costo de la unidad adicional a satisfacer en la barra B3 es 2*100-5, es decir
195, con lo que el precio marginal para esta barra es de 195 US$/MWH.

Figura 3.5: Efecto de los ngulos de voltaje sobre un despacho y los flujos. Todas las lneas poseen igual
impedancia, sin resistencia para simplificar los resultados.

3 3. .2 2. . P Pr ro ob bl le em ma a d de e O Op pe er ra ac ci i n n E El l c ct tr ri ic ca a p pt ti im ma a M Mu ul lt ti in no od da al l
El problema de operacin ptima busca determinar los niveles de produccin de las
centrales del sistema que permitan abastecer la demanda al menor costo posible, respetando las
limitaciones tcnicas impuestas en el modelo elctrico utilizado. El modelo se dice multinodal
cuando modela explcitamente la red de transmisin, incorporando sus restricciones y fenmenos
fsicos. Al resolverlo, se consigue una solucin ms apropiada para el problema real e
informacin relevante desde el punto de vista econmico. Dentro de esta informacin destacan
los precios de la energa en cada nodo del sistema, que proporciona las seales de localizacin;
una adecuada cuantificacin de las prdidas de transmisin y la magnitud y consecuencias de las
congestiones en la red. Con esto, a diferencia de un modelo uninodal, se puede conseguir un

29
mejor aprovechamiento del agua almacenada en los diversos embalses del sistema, al calcularse
su valor sobre la base precios distribuidos en la red, que condensan el efecto de las congestiones
y prdidas mejor calculadas en los costos de operacin del sistema.

3 3. .2 2. .1 1. . V Va ar ri ia ab bl le es s
El conjunto de variables relevantes en el problema puramente elctrico del sistema,
representadas en el vector
E
x son las potencias generadas por cada unidad, convenientemente
agrupadas por tipo (T: trmicas H: hidrulicas),
( ) ,
T H G
p p p = ; las potencias no suministradas de
cada uno de los consumos representados por
U
p y los ngulos de cada voltaje de barra. Los tres
primeros grupos de variables corresponden a variables de decisin dentro del problema de
optimizacin, mientras que los ngulos de voltaje seran consecuencias de las primeras y sirven
para establecer el estado estacionario del sistema elctrico que permite calcular y restringir los
flujos por las conexiones de la red a uno factible.
( , , )
G U E
x p p = (3.13)

3 3. .2 2. .2 2. . F Fu un nc ci i n n O Ob bj je et ti iv vo o
La finalidad del despacho econmico es la minimizacin de los costos variables de
generacin de potencia activa, y de potencias no suministrada en las cargas del sistema. Su
estructura es la de la ecuacin (3.14) y corresponde a una funcin objetivo de tipo cuadrtica. En
ella, se agrupan las funciones de costos no nulas de las expresiones (3.1) y (3.2).

T
E E
1
. . ( ) c Q
2
T
OP
E E E E
F O Min C x x x x

= = +

(3.14)

Los coeficientes del vector
E
c distintos de cero son los coeficientes lineales de los costos
de generacin trmica y de la potencias no servidas. La matriz de la parte cuadrtica Q
E
es
diagonal y, de igual forma, sus elementos distintos de cero son los coeficientes cuadrticos de los
costos trmicos y potencias no suministrada multiplicados por dos.

3 3. .2 2. .3 3. . L L m mi it te es s d de e G Ge en ne er ra ac ci i n n y y E En ne er rg g a a N No o S Su um mi in ni is st tr ra ad da a
La potencia generada por una central i, independientemente de su naturaleza, debe
encontrarse dentro de lmites tcnicos determinados por diseo, limitaciones de combustible o
mantenciones. En cualquier caso la restriccin adopta similar forma, cambiando slo el valor de
los parmetros.
G G G
i
p p N G
i
i
p i (3.15)
El lmite superior est determinado por la capacidad mxima del conjunto turbina
generador, mientras el lmite inferior corresponde a restricciones tcnicas bajo los cuales las

30
unidades de generacin no pueden o no deberan operar. Si bien los mnimos tcnicos son
caractersticos de las centrales trmicas, debido a que se requiere de una potencia mnima para
mantener operativa la caldera, las centrales hidrulicas tambin pueden poseerlos por
restricciones de caudal mnimo en las caeras de aduccin y las turbinas.
La introduccin de lmites inferior mayores a cero en el problema de optimizacin
conlleva la necesidad de usar variables enteras
{ } 0,1
i
x para representar el estado operativo o
detenido de una determinada unidad. Por otro lado, en un esquema de operacin acoplado
temporalmente, se deben incluir en el modelo los costos de partida de las plantas de generacin
trmica. Tal es el caso de los modelos de corto plazo como la seleccin de unidades o
predespacho. No obstante, en un contexto de mediano plazo, en sistemas con una presencia
importante de generacin hidrulica, los costos totales del sistema asociados a lmites inferiores
no nulos y costos de partida resultan despreciables frente a los de operacin provenientes del uso
de combustibles. Como el valor estratgico del agua embalsada se forma a partir de los costos
variables de la generacin trmica o de falla desplazada por la generacin hidrulica en el
despacho, se estima que prescindir de mnimos tcnicos y costos de partida en el modelo de
despacho no afecta en forma significativa los resultados alcanzados. Esta simplificacin, permite
reducir notablemente la complejidad del problema de optimizacin a resolver al eliminar las
nicas variables enteras necesarias en el modelo.
La magnitud de la energa no suministrada a una carga, representada por la potencia
media no suministrada en el intervalo de tiempo, corresponde a la parte de la potencia media
demandada por la carga que no es abastecida por el sistema. De este modo, esta variable tiene
como lmite superior la demanda de la carga C p
i
, existiendo tantas variables como el nmero de
cargas modeladas en el sistema N
D
.
C D 0 p N U
i i
p i (3.16)

3 3. .2 2. .4 4. . B Ba al la an nc ce es s d de e p po ot te en nc ci ia a e en n b ba ar rr ra as s
La suma de todas las potencias activas inyectadas y retiradas en una barra ms las
prdidas de transmisin en la red asociadas a flujos desde o hacia la barra debe ser nula. Del
modelo de flujos de potencia activa DC, ecuacin (3.9), se obtiene el siguiente conjunto de
restricciones:

( )
2
C BUS 2
j
r
p ( ) N
x 2x GB CB BB
i i i
i j ij
G U i j
j j
j j j ij ij
p p i

= +

las que convenientemente se pueden expresar como en (3.17), cuya descripcin se detalla
ms abajo. Se reemplaza la igualdad por la desigualdad para poder garantizar la convexidad del
espacio factible, lo que, con la salvedad de casos excepcionales, no afectar el ptimo del
problema ya que los costos del sistema fuerzan a que cumpla esta restriccin en la igualdad.

2
C BUS 2
j
r
( ) p N
x 2x GB DB BB DB
i i i i
i j ij
G U i j
j j
j j j j ij ij
p p i

+ +

(3.17)


31
C
p
j
: Parmetro de potencia demandada por la carga j.
N
BUS
: Conjunto de ndices de las barras del sistema.
GB
i
: Conjunto de ndices de los generadores conectados a la barra i.

DB
i
: Conjunto de ndices de las cargas conectadas a la barra i.

BB
i
:
Conjunto de ndices de las barras conectadas a la barra i, por algn equipo de transmisin. Se
supone que los equipos en paralelo han sido reducidos a un equivalente, para reducir el
nmero de restricciones.

3 3. .2 2. .5 5. . L L m mi it te es s d de e F Fl lu uj jo os s P Po or r L L n ne ea as s o o E Eq qu ui ip po os s d de e T Tr ra an ns sm mi is si i n n
Los flujos por las lneas o equipos de transmisin deben encontrarse dentro ciertos
mrgenes impuestos. Generalmente, los valores mximos tolerables para la potencia activa que
circula por el equipo son el menor valor entre varios lmites y son preparados por estudios
especializados. Entre estas limitantes se pueden distinguir aquellas de carcter fsico y aquellas
ligadas a la seguridad y operacin del sistema, que llevan a restringir la potencia activa que
circula por el. Entre las de carcter fsico se encuentran la capacidad mxima de transmisin dada
por la impedancia del equipo y el nivel de tensin al que opera, corriente mxima y dilatacin
mxima del cable por efecto trmico. En el caso operativo se encuentran la adopcin de un factor
de potencia tpico, mantenimiento o reparacin de circuitos y desde el punto de vista de
seguridad, todas aquellas limitantes orientadas a la estabilidad del sistema frente perturbaciones.
Esto ltimo puede llevar a situaciones en que los lmites de flujo por una conexin no se
impongan de forma simtrica en uno u otro sentido. El flujo por una lnea se identifica de la
ecuacin (3.11), de modo que las restricciones a estas pueden imponerse sobre los ngulos de
voltaje. As,

x f ( , )
x f ( , )
BB
ij
i j ij
BB
ij i j ij
i j
i j

(3.18)

En un sentido estricto, el valor del lmite superior f ij debe incorporar las prdidas de
transmisin, debido a que la potencia que entra al equipo de transmisin desde una barra las
incluye, segn lo establece la ecuacin (3.11), debiendo calcularse su valor resolviendo la
ecuacin cuadrtica respectiva. No obstante, dado que el valor del lmite es una estimacin que
pasa por inferir un factor de potencia para el flujo, esta precisin pierde relevancia, aceptndose
un lmite que slo refleje la limitacin del equipo en forma aproximada.
Al problema de optimizacin se incorpora un par de restricciones como la (3.18) por cada
conexin del sistema. En situaciones de asimetra impuesta a los lmites de los flujo por una rama
se tendr f f
ij ij
. Sin prdida de generalidad, se supone que el flujo por una conexin tiene un
sentido desde la barra i a la j, lo que queda representada por un valor positivo de f
ij
. Al momento
de interpretar los resultados se deduce si la suposicin fue correcta o no; por ello se suele usar
como sentido positivo del flujo aquel que es ms habitual o esperable.
Los ngulos de voltaje no poseen otra restriccin explcita con la salvedad de fijar a priori,
sin alterar los resultados, el ngulo de la barra de referencia. Sin embargo, por consideraciones

32
prcticas de tipo numrico resulta ms conveniente no amarrar ningn ngulo a un valor y
descontar del vector solucin de ngulos el valor del considerado como de referencia, tal y como
se hace al resolver el flujo de potencias AC [15].

3 3. .2 2. .6 6. . P Pr ro ob bl le em ma a e el l c ct tr ri ic co o c co om mp pl le et to o
El problema completo de despacho se puede reducir a la forma siguiente:
{ }
C
C
E E
( ) min ( , )
. .
( , , ) p
A f
x ( , , ) x
G U
G U
G U
OP
E
E
P C p p
s a
G p p
x p p
=

Donde OP C es una funcin cuadrtica que representa los costos de operacin del sistema,
G es un vector de funciones cncavas que representan los balances de potencia inyectada en cada
barra por generadores y equipos de transmisin y
C
A es una matriz que resume la conectividad
de la red para limitar los flujos.

3 3. .3 3. . P Pl la an nt te ea am mi ie en nt to o d de el l M Mo od de el lo o: : S Su ub bp pr ro ob bl le em ma a H Hi id dr r u ul li ic co o
Si el problema hidrulico pudiera ser reducido convenientemente a las capacidades
mximas disponibles en las unidades de generacin en funcin del agua turbinada por los
embalses, no habra necesidad de integrarlo explcitamente al problema completo, pudiendo ser
resuelto en forma separada. Una posible funcin objetivo del problema hidrulico aislado podra
ser la maximizacin de la capacidad de generacin elctrica en las centrales hidrulicas del
sistema. Sin embargo, las unidades de generacin hidrulica, junto con estar acopladas al sistema
elctrico de transmisin, suelen estar conectadas a travs de complejas cuencas hidrogrficas.
As, la decisin de distribuir los caudales por la cuenca de modo de producir la mayor cantidad de
energa, no necesariamente corresponde a la mejor solucin tcnico-econmica, ya que esta
energa no tiene, forzosamente, igual valor en todos los nodos de la red y dichos valores varan
segn sean las condiciones del sistema. En particular, en situaciones de congestin del sistema de
transmisin es posible que algunas centrales hidrulicas en la cuenca no puedan evacuar la
energa generada de acuerdo a lo determinado en la optimizacin de la cuenca desligada de la
parte elctrica.
El subproblema hidrulico incorpora nuevas variables y restricciones al modelo de
despacho de la Seccin 3.2. Desde el punto de vista de la modelacin, cabe destacar la diferencia
entre central y unidad hidrulica. Se entiende, en este contexto, que en una cuenca slo existen
unidades hidrulicas en serie o de embalse y que la denominacin de central es aplicable
nicamente cuando estas poseen un generador que convierte la energa del caudal que circula por
una turbina en energa elctrica. Mayores caractersticas acerca de las unidades hidrulicas de
esta seccin se encuentran en el Captulo 5, donde se las describe bajo un enfoque de objetos
abstractos con atributos y propiedades.


33
3 3. .3 3. .1 1. . V Va ar ri ia ab bl le es s
Las variables que introduce el subproblema hidrulico son un conjunto de tipos de
caudales controlados directa o indirectamente por los diversos tipos de unidades hidrulicas
presentes en las cuencas representadas. Estos caudales son: turbinado q
T,
, vertido q
V
, filtrado q
F
,
remanente q
R,
, de falla hidrulica q
A
y los volmenes de agua almacenada en los embalses del
sistema v
1
al final del periodo. As, el vector de variables de origen hidrulico x
H
es:

1 1
( , , , , , ) ( , )
H T V F R A
x q q q q q v q v = =

3 3. .3 3. .2 2. . C Co os st to o F Fu ut tu ur ro o d de el l A Ag gu ua a E Em mb ba al ls sa ad da a
El costo futuro del agua de los embalses es una funcin convexa que depende de los
estados finales o volmenes de agua acumulados al trmino del intervalo de tiempo que dura el
despacho. Esta funcin tambin dependera del perfil de afluencias que se prev hacia el futuro.
La exposicin de su construccin se reserva para el captulo siguiente. Para un problema de
despacho especfico, esta funcin es:

1
FCF ( , a) v =

donde el vector a representa las afluencias a todas las centrales del sistema. Aprovechando la
caracterstica convexa de la funcin de costo futuro puede es aproximada por un conjunto de
hiperplanos que la acotan inferiormente.

{ }
T 1 1
0
( , a) max
j j
j
v v
+

De esta forma la funcin es representada en el modelo de optimizacin como una variable que
es restringida inferiormente por dichos planos, de la siguiente forma:

T 1
0
-
j j
v j (3.19)

donde el par vector
j
y valor
0 j
representa aproximaciones lineales, que pertenecen al conjunto
de aproximaciones inferiores disponibles.

3 3. .3 3. .3 3. . C Co on nv ve er rs si i n n d de e P Po ot te en nc ci ia a H Hi id dr r u ul li ic ca a e en n E El l c ct tr ri ic ca a e en n C Ce en nt tr ra al le es s d de e E Em mb ba al ls se e
Para efectos del modelo, la ligazn elctrica de centrales hidrulicas de embalse se
representa por una funcin de conversin del caudal turbinado por la central y la potencia
elctrica que produce su generador elctrico asociado. Dicha funcin es el producto entre el
caudal usado y una funcin de eficiencia que da cuenta de la altura de la cada presin del agua a
la altura de la bocatoma. Como la eficiencia dependera de la altura por sobre la bocatoma del

34
agua en el embalse y a su vez esta altura es una funcin del volumen til de agua almacenada,
(variable en el problema de optimizacin), podra ser modelada, en funcin del volumen. Si
T
q es
el caudal de agua turbinado por la central de embalse y v es el volumen de agua embalsada, el
factor de conversin de la energa y un parmetro de eficiencia que resume la eficiencia de la
turbina, la densidad del agua y la aceleracin de gravedad, entonces:

min
( )
( )
H T
p h q
h h

=
= +
(3.20)

Por otro lado, el volumen de agua en el embalse y la altura o cota alcanzada se relacionan
de forma no lineal. En general,

0
( ) ( )
h
v h S l l =

Por ejemplo, para un embalse con forma de cono truncado se tendra:

2
1 2 3
( ) ( ) v h h k k h k h = + +

Esto impide expresar en forma explcita la altura en funcin del volumen almacenado.
Una salida a este inconveniente puede ser la aproximacin lineal de la funcin de conversin en
funcin del volumen en torno al volumen inicial del embalse, es decir:

1 0 0 1 0
( ) ( ) '( ) ( ) v v v v v +

Con esto, la ecuacin de conversin a introducir como restriccin de igualdad en el
modelo tomara la forma ms general, como sigue:

0 1
E
0 0 0
( ' ) ' 0 N
HE i TE TE i
i i i i i i
p v q q v i = (3.21)

Si se considera que un rendimiento constante es suficiente para modelar la conversin de
energa, se asigna a la constante
0
un valor nulo. En caso contrario, la restriccin adopta una
forma no lineal, producto cruzado de variables, que involucra el estado inicial y final de los
embalses, complicando la resolucin del problema de optimizacin ya que esto puede causar la
prdida de convexidad de la regin factible. Por ello, la ecuacin de conversin a implementar es:

E
0
0 N
HE TE
i i i
p q i = (3.22)


35
3 3. .3 3. .4 4. . B Ba al la an nc ce e H Hi id dr r u ul li ic co o e en n E Em mb ba al ls se es s
Un embalse es una gran estanque que puede almacenar grandes volmenes de agua de
modo de permitir el uso de ella en el momento ms oportuno, ejerciendo la accin de regular los
caudales que fluyen por una cuenca en el tiempo. En un sentido abstracto y para efectos de esta
modelacin, una central hidrulica de embalse corresponde a una unidad hidrulica sobre la cual
se puede operar para decidir los caudales que fluiran por un canal u otro. Dichos canales son
denominados turbinado, vertido y filtrado. El balance de caudales en una central de embalse
debe equilibrar las afluencias directas (provenientes de otras centrales) y naturales, con las salidas
de caudal. Designando por:
T
q a los caudales que pasan por las turbinas (o turbinados),
V
q , a los
vertidos y
F
q , a los filtrados por la central;
i
a a los caudales afluentes naturales a la central.
Representando el incremento de volumen de agua almacenado en el embalse en trminos de un
caudal equivalente, acorde con el largo temporal de la etapa T, por
1 0
( ) / T v v . Las
restricciones de balance hidrulico en centrales de embalse queda de la forma siguiente:
E
1 0
t
E
i

v
a N
T T T V F
i i i
i i
TE VE F T V F
i i i k k k
k k k
v
q q q q q q i

+ + + = +

(3.23)

Los conjuntos
T
i
,
V
i
,
F
i
dan cuenta de las conectividades hidrulicas de una cuenca,
al representar los conjuntos de ndices de centrales cuyos caudales turbinados, vertidos o filtrados
son recibidos por la central i, respectivamente.
La central con embalse corresponde al modelo de unidad hidrulica ms complejo del
despacho. As, cualquier central hidrulica ms simple puede ser introducida como una central de
embalse. No obstante, esto se traduce en un costo computacional evitable, ya que conlleva un
mayor nmero de variables. Por ello, las unidades hidrulicas ms simples, como las que no
tienen embalse (serie) y las que no poseen embalse y no estn insertas en una serie hidrulica (de
pasada) poseen una forma de representacin especfica.

3 3. .3 3. .5 5. . F Fi il lt tr ra ac ci io on ne es s e en n E Em mb ba al ls se es s
El caudal de agua que se filtra o se pierde de un embalse depende, en buena medida, de la
presin del agua en las paredes que la albergan. Por ello, se puede establecer una relacin entre la
altura h del embalse y el caudal filtrado por ste. De esta forma, la filtracin puede modelarse
como un flujo que depende del volumen de agua almacenado cuando es posible establecer para
ello una relacin de tipo funcional, al igual que para el factor de conversin de la energa. Usando
la misma estrategia que entonces, linealizacin en torno al punto de operacin, se obtiene:

0 0 1 0
( ) ( )
( ) ( ) '( ) ( )
F
q f h v
v v v v v

= =
+

As, la restriccin a imponer a los caudales filtrados en un embalse resulta:

36

1 0
E
0 0 0
' ' N
F i i
i i i i
q v v i = + (3.24)

Singulares configuraciones geogrficas hacen posible que el agua filtrada de un embalse,
que corre subterrneamente, salga a la superficie unindose a los caudales afluentes de una
central hidrulica ubicada ms abajo, aprovechando toda o parte de la prdida. Que la filtracin
sea modelada como una variable explcita da cuenta de la posibilidad de este fenmeno,
permitiendo precisar la representacin de las conectividades hidrulicas de una cuenca.

3 3. .3 3. .6 6. . L L m mi it te es s e en n V Va ar ri ia ab bl le es s d de e E Em mb ba al ls se es s
Los volmenes finales de los embalses deben encontrarse dentro de los valores impuestos
por sus cotas mximas y mnimas. No obstante, resulta ms cmodo trabajar con el volumen
efectivo aprovechable del embalse. As, la restriccin para los volmenes queda:

1 1
E 0 N
i i
v v i (3.25)

Si bien es posible establecer lmites superiores para todos los caudales de un embalse,
resulta inconveniente desde el punto de vista prctico, ya que una mala conexin dar lugar a una
infactibilidad del problema. As, por criterios de implementacin, slo se limitarn los caudales
turbinados, en relacin con las potencias mximas, cuando exista central generadora. Por lo tanto:
E
0
0 N
0
TE TE
i i
VE
i
F
i
q q
q i
q

(3.26)

3 3. .3 3. .7 7. . B Ba al la an nc ce e H Hi id dr r u ul li ic co o e en n U Un ni id da ad de es s e en n S Se er ri ie e H Hi id dr r u ul li ic ca a
El balance hidrulico de una central serie hidrulica es similar al expuesto para una
central de embalse, con la excepcin de que sus volmenes inicial y final son siempre nulos. De
igual forma puede recibir el caudal filtrado de un embalse.
S

a N
T V F
i i i
TS VS T V F S
i i k k k i
k k k
q q q q q i

+ =

(3.27)

3 3. .3 3. .8 8. . C Co on nv ve er rs si i n n d de e P Po ot te en nc ci ia a H Hi id dr r u ul li ic ca a e en n E El l c ct tr ri ic ca a e en n C Ce en nt tr ra al le es s d de e P Pa as sa ad da a e en n S Se er ri ie e
Para este tipo de centrales, la conversin de potencias hidrulicas en elctrica presenta un
factor constante, ver ecuacin (3.20) ya que la altura de la cada de agua es siempre la misma. La
restriccin adopta la forma:

37
S 0 N
HS i TS
i i
p q i = (3.28)

3 3. .3 3. .9 9. . L L m mi it te es s e en n V Va ar ri ia ab bl le es s d de e U Un ni id da ad de es s d de e P Pa as sa ad da a e en n S Se er ri ie e
Al igual que para los embalses y por la misma razn, slo se limitarn los caudales
turbinados, en relacin con las potencias mximas cuando exista central generadora.

S
0
N
0
TS TS
i i
V
i
q q
i
q

(3.29)

3 3. .3 3. .1 10 0. . R Re es st tr ri ic cc ci io on ne es s d de e R Ri ie eg go o
Las restricciones de riego corresponden a una derivacin hidrulica donde caudales
explcitos son extrados de la cuenca aguas abajo de algn embalse. Estos valores son
determinados por complejas reglas establecidas por ley en convenios de riego. En Chile existen,
por ejemplo, el convenio de la cuenca del Maule [35], que restringe la operacin de la Laguna del
Maule y las centrales de embalse Cipreses, Pehuenche y Colbn y el de la Cuenca del Laja [36],
que restringe la operacin de la central de embalse el Toro. Los valores suelen determinarse en
funcin de las cotas de embalses y lagunas, de los caudales afluentes naturales de la cuenca y de
la poca del ao.
La restriccin de balances de caudal en la derivacin establece que el flujo de aguas
recibido, por afluentes naturales o provenientes de otras derivaciones, debe igualar al caudal
extrado
EXT
i
q ms el caudal remanente
R
i
q , factible de ser usado aguas abajo.

Ri EXT

a q
T V F
i i i
R
R A T V F
i i k k k i
k k k
q q q q q i N

=

(3.30)

Para evitar la infactibilidad del problema de operacin se introduce la variable
A
i
q que
corresponde a un caudal artificial que ser denominado afluente de falla. El uso de dicho caudal
ser penalizado fuertemente en la funcin objetivo, de manera similar a como lo es la potencia no
suministrada en las barras del sistema, a travs de un elevado costo. Las restricciones de riego
persiguen incidir en la operacin de los embalses, de modo que estos aseguren un abastecimiento
de agua apropiado para la agricultura. Por ello, resulta ms natural introducir los afluentes de
falla en las ecuaciones de balance de los embalses, como lo hacen algunos modelos que abordan
esta problemtica [8]. Sin embargo, esta metodologa resulta inconveniente si se considera que
esa agua sera aprovechada por las centrales hidrulicas aguas abajo, obtenindose un beneficio
elctrico que podra compensar una falla en situaciones de escasez de agua, en una determinada
cuenca y abastecimiento elctrico de costo elevado.


38
3 3. .3 3. .1 11 1. . C Ce en nt tr ra al le es s H Hi id dr r u ul li ic ca as s d de e P Pa as sa ad da a P Pu ur ra a
Las centrales de pasada pura no forman parte del circuito hidrulico de la cuenca, por lo
que su representacin se limita al establecimiento del lmite superior para la potencia elctrica
generable por el generador asociado. As, si
H
j
p es el lmite superior del generador hidrulico de
pasada pura,
j
su rendimiento y a
j
su afluencia natural, entonces el nuevo lmite del generador
es:

{ }
' min , ( a ) P
HP HP HP j j
j j j
p p p j N = (3.31)

3 3. .4 4. . P Pr ro ob bl le em ma a d de e l la a E Et ta ap pa a: : A Ac co op pl la am mi ie en nt to o T Te em mp po or ra al l y y l la a C Cu ur rv va a d de e C Ca ar rg ga a
3 3. .4 4. .1 1. . P Pr ro ob bl le em ma a d de e D De es sp pa ac ch ho o p pa ar ra a u un n N Ni iv ve el l d de e C Ca ar rg ga a
El problema de despacho para un nivel establecido de potencias de carga, con una
duracin de tiempo T, adquiere la forma resumida presentada en (3.32).

{ }
SR
E
1
R A
C
C
( )
1 0
(') 0 ( ')
1 0
(1/ T) (1/ T)
1
( ) min ( , ) ( ) /
. .
( , ) p
A f
0
a
v
a v
( , , , )
T
T U
GH
SR
E
OP
n
F
P C p p c q v
s a
G p
p D q
B q
q D v D
B q D v D
x x p q v x
+ +

=
=
= +
+ = +
=
(3.32)

La funcin de costo futuro entrega el valor esperado de los costos de generacin
calculados al final del intervalo de tiempo. El factor corresponde a la tasa de actualizacin
correspondiente a la duracin del intervalo. Si la tasa anual de descuento es
anual
, y el intervalo
de tiempo T se encuentra en horas, entonces:
( )
T
365*24
anual
1 = + (3.33)

El problema de despacho expuesto es aplicable a un intervalo de tiempo durante el cual la
carga no vara en forma significativa, lo que equivale intervalos de tiempo muy pequeos,
considerando un horizonte de mediano plazo. Con ello, el problema completo se compondra de
un nmero de etapas tan elevado que sera imposible de resolver. La dependencia temporal
estricta entre pequeos intervalos de tiempo, como hora a hora, es relevante en problemas de
despacho de corto plazo donde la ligazn temporal incide directamente en la optimizacin sobre

39
las variables de generacin, a travs de los costos de partida y las tasas mximas de toma de carga
de las centrales. Sin embargo, en el problema de mediano plazo, donde interesa establecer un
valor al agua de los embalses, esta dependencia temporal pierde relevancia. En un contexto de
programacin de mediano plazo, el objetivo central pasa por la estimacin de los costos de
operacin del sistema, para optimizar la sustitucin de generacin trmica por la hidrulica de los
embalses y viceversa [1].

3 3. .4 4. .2 2. . R Re ed du uc cc ci i n n a al l S Su ub bp pr ro ob bl le em ma a B Bl lo oq qu ue e- -E Et ta ap pa a
Para plantear el problema completo dentro de un intervalo de tiempo ms largo que se
denomina etapa e involucra la demanda de las cargas en funcin del tiempo durante ese lapso, se
recurre a la representacin de sta a travs de la curva de duracin de la carga CDC, Figura 3.6.
Esta curva representa la carga reordenando el eje del tiempo, agrupando los niveles de potencia
de demanda por duracin, de mayor a menor potencia. Leda en sentido inverso, la curva de
duracin de la carga dice para un nivel de potencia demandada la cantidad de tiempo que sta es
mayor o igual a ese nivel.

Figura 3.6: Representaciones de la carga en el tiempo. (a) Potencia demandada en cada instante de
tiempo. (b) Cantidad de tiempo que la potencia demandada se encuentra sobre un nivel.

Dado que an con la CDC la representacin no es til, ya que la potencia presenta un
valor continuo en el tiempo, sta es aproximada por una funcin constante por tramos, con
potencia y duracin prefijada en cada uno de ellos, denominados bloques de demanda, como
ilustra la Figura 3.7. Mientras mayor sea el nmero de bloques ms precisa ser la aproximacin.
Dos requisitos esenciales deben satisfacer la construccin de los bloques de carga. El primero,
que no se reduzca la demanda ms alta del periodo, o punta de la demanda, ya que esta impone la
capacidad mxima que debe estar disponible en el sistema. Ello se consigue haciendo que el
primer bloque tenga una potencia igual a la mxima demanda. El segundo requisito es que la
energa total representada sea la misma.
Curva de Duracin de la Carga
Carga P
C
min
P
C
max
P
tiempo T
Energa
(b)
Carga P
C
min
P
C
max
P
tiempo T
Energa
(b)
Carga P
tiempo
Curva de Carga
C
min
P
C
max
P
T
(a)
Carga P
tiempo
Curva de Carga
C
min
P
C
max
P
T
(a)

40
Figura 3.7: Representacin aproximada por bloques de demanda de la curva de duracin de la carga.

B
B
b
1
D Dmax
N
b
1
T
N
D b
1
0
p p
T
p ( )
b
D
b
p t dt
=
=
=
=
=

(3.34)

Para una modelacin multinodal el proceso de construccin de los bloques de demanda se
vuelve ms complejo. Si bien se puede hacer esta aproximacin para cada carga del sistema en
forma independiente, se destruye la relacin entre sus magnitudes relativas causando que los
despachos pierdan la representatividad de las condiciones de operacin del sistema. Se
vislumbran dos enfoques para hacer la aproximacin en el caso multinodal. El primero es sobre la
base de factores de distribucin geogrfica de la demanda, esto consiste en agrupar toda la
demanda del sistema un nico nodo para construir los bloques como en el caso uninodal y
posteriormente se distribuye la potencia de los bloques de acuerdo a factores de distribucin
calculados sobre la base de un anlisis geogrfico del comportamiento temporal de la demanda
sobre la red. En el segundo enfoque se trata de construir los bloques de demanda de todas las
cargas en forma conjunta. Para ello, se asimila cada hora (o intervalo mnimo de tiempo) del
periodo que dura la etapa a un bloque de la curva de duracin, luego se calcula la demanda de
cada bloque, para cada carga, promediando la potencia demandada en horas pertenecientes al
mismo bloque.
Un estudio ms acabado de representacin de la demanda en el caso multinodal se
encuentra fuera de los alcances de este trabajo. En la implementacin se hace uso del enfoque por
factores de distribucin geogrfica, ya que sta es la forma adoptada en el sector elctrico en
estudios con el SIC chileno y el formato de la informacin disponible de la demanda para efectos
de las simulaciones.
El problema completo de la etapa se construye de la unin de tantos problemas de
despacho, similares al del tipo (3.32), como bloques se representen en la curva de carga,
acoplados por la restriccin de balance en los embalses y la funcin objetivo. El planteamiento de
este problema se presenta en (3.35).
Aproximacin por bloques de la
1
C P
2
C P
.
Nb
C P
1

Nb
tiempo
T
Carga P
Aproximacin por bloques de la
1
C P
2
C P
.
Nb
C P
1

Nb
tiempo
T
Carga P

41

( )
{ }
R
SR SR
B
b b
E E
1
t,b
C
C
B
()
t
1
(') 0 (')
N
t 1
(1/ ) (1/ )
1
( ) min ( , ) ( )
. .
( , ) p
A f
D 0 1,..., N
B a
D v
B D a D v

B
T
G U A
GH
F
N
b b b t
OP
b
b b
n
b
b b
b
b t t
b t t
b
x
P C p p c q v
s a
G p
p q b
q
q D v
q v
=

+ +

= =
= +

+ = +
B B B 1 1 1 N N N
x ( , , ,..., , , , ) x
t
x p q p q v =
(3.35)

La estructura diagonal del problema sugiere su descomposicin en problemas ms
pequeos, equivalentes al (3.32) por cada bloque, usando, por ejemplo, la descomposicin de
Benders en forma determinstica. As, los subproblemas para los bloques de la curva de carga,
dentro de una etapa, son abordados como si fueran etapas en si mismos, con la duracin
respectiva. Para ello, es necesario introducir variables adicionales para los volmenes finales de
los embalses, que los representen al final de cada bloque de carga, constituyndose en los
volmenes iniciales para el problema del bloque siguiente. Esto es:

B , ,0 1 ,N
B , b=1,...,N -1; ;
t b t t t t
v v v v v
= = (3.36)

As, la ecuacin de balance hidrulico de los embalses puede ser transformada en forma
equivalente por:

( )
( )
( )
( ) ( )
B B
E E
B B B
E E
B B B
E E
B B
E E
N N 1
, , t 1 ,
1 1
N N N 1
, , , t ,
1 1 0
N N N
, , , t , , 1
1 1 1
N N
, , , t , , 1
1 1
B a v
B a v
B a v
B a v
t b t b t t t t b
b b
t b t b t b t t b
b b b
t b t b t b t b t b
b b b
t b t b t b t b t b
b b
q v v
q v
q v
q v
= =
= = =
= = =
= =
+ = +
+ = +
+ = +
+ = +

(3.37)

De igual forma, se genera una funcin de costos futuros vistos al final de cada bloque.
En esta representacin del subproblema de bloque se ha introducido la variable de la etapa del
horizonte de evaluacin del problema completo, t, para delinear el problema que ser

42
denominado subproblema bloque-etapa. Este se presenta en su forma reducida en (3.38). En ella
se introduce la dependencia en la etapa de todas aquellos parmetros del subproblema bloque-
etapa que necesariamente la tienen, aunque en estricto rigor todos podran variar entre etapas.

{ }
T
SR SR
t,b t,b
E E
, , 1 , , ,
, R A
t,b
C
C
()
t
, , 1
(') 0 (')
, t , 1
(1/ ) (1/ )
,
( ) min ( ) ( , ) c ( )
. .
( , ) p
A f
D 0
B a
D D v
B D a D v
x ( , , , ) x
G U
GH
t b t b t b t b t b
OP
t b
n
t b t b
F
t b t b
t b
P v C p p q v
s a
G p
p q
q
q v
q v
x p q v
= + +

=
=
= +
+ = +
=
(3.38)

Los volmenes inicial en el problema del primer bloque y final, en el ltimo, son los
inicial y final del problema de la etapa, es decir:
B ,0 1,N t t
v v

= y
B ,N 1,0 t t
v v
+
= .
En las funciones de costo futuro de cada subproblema de bloque se destaca un superndice
para resaltar que se trata de una funcin completamente distinta de la representada en (3.32) y
(3.35), con la salvedad de la ltima que s estara relacionada.
A simple vista, el uso de un factor de actualizacin en funciones de costo futuro que
aniden subproblemas de bloque parece coherente, al tratarse de intervalos de tiempo
consecutivos. Sin embargo, esto es errado, debido a que la construccin de los bloques son el
resultado de la agregacin de pequeos intervalos de tiempo con demanda similar, esparcidos a lo
largo de la etapa, y a que los bloques carecen de un orden consecutivo preciso. As, lo ms
razonable, desde el punto de vista de la actualizacin de los costos, es suponer que todos los
subproblemas de bloque ocurren al principio de la etapa y por ende slo el costo futuro trado
de la etapa siguiente debe corregirse. As,

B ,N 1,0
( ) ( ) /
t t
t
+
= - - (3.39)

Los argumentos que avalan la descomposicin del problema de la etapa son los mismos
que acreditan su uso en el problema global, ya sea desde el enfoque de la tcnica de Benders o de
la programacin dinmica. Si bien el problema equivalente completo de la etapa es menos
restringido que el descompuesto, porque las variables artificiales de volmenes finales en
subproblemas de bloques intermedios no estn restringidas a cotas mximas y mnimas, estos
ltimos se pueden construir, igualmente, sin restringir. No obstante, como en cualquier instante
de la curva de carga los embalses deben respetar estos lmites, la representacin ms restringida
del problema descompuesto aparece ms cercana a la realidad. En virtud de esto, los
subproblemas bloque-etapa conservarn la restriccin. Por otro lado, esta refinacin hacia
problemas de bloques permite, adems, entregar estados intermedios para los volmenes de los
embalses en la etapa que pueden ser usados para estimar, de mejor forma, rendimientos y

43
filtraciones. Finalmente, por la naturaleza de la curva de duracin de la carga, el orden en el que
se dispongan los subproblemas de bloque en el eje del tiempo ser siempre arbitrario, pero
carente de importancia desde el punto de vista terico, ya que anidados representan un
equivalente del mismo problema completo de la etapa.
En la resolucin de los problemas de etapa se aplicar la descomposicin de Benders
determinstica, dejando en el diseo de la herramienta la opcin de restringir las variables
artificiales de volumen almacenado en subproblemas bloque-etapa intermedios.

3 3. .4 4. .3 3. . R Re ep pr re es se en nt ta ac ci i n n d de e E Es st ta an nq qu ue es s d de e R Re eg gu ul la ac ci i n n
Otra ventaja de la descomposicin del problema de la etapa en bloques de carga es la
posibilidad de representar la existencia de estanques de regulacin en centrales de pasada pura.
Los estanques de regulacin son reservorios ms pequeos presentes en centrales
hidrulicas de pasada, que permiten guardar agua de, modo trasladar en el tiempo pequeos
volmenes desde las horas de baja demanda hasta las de punta. La representacin de dichos
estanques en centrales serie hidrulica es equivalente a la disposicin de pequeos embalses en
ellas. Producto de que en general las centrales serie forman parte de una serie hidrulica que
comienza con un embalse aguas arriba, su modelacin se hace innecesaria. Sin embargo, en
centrales de pasada pura, esta modelacin se puede hacer modulando los caudales afluentes
naturales a la central, incrementndolos en las horas de punta y reducindolos en las de baja
demanda, de modo que la suma represente la misma energa equivalente al caudal medio de la
etapa. Para ello, se construyen factores de modulacin de los caudales, en relacin al tamao del
estanque, de forma tal que, si a
t
es el caudal medio de la etapa y Nb el nmero de bloques y
{ }
1
, ...,
Nb
m m el conjunto de factores reparten la energa total disponible en la etapa, de modo que
su suma es uno.

1
1, 0
B N
b b
b
m m
=
=
(3.40)
As, se construye un caudal modulado para el subproblema bloque-etapa
, t b
a , tal que:

, ,
, ,
1
T
T
t b b t t t b
Nb
t t t b t b
i
m
=
=
=
a a
a a
(3.41)
La metodologa propuesta en este trabajo para construir los factores de modulacin hace
uso directo del tamao de los estanques y de la duracin de los bloques de carga, suponiendo que
la etapa se compone de un nmero entero de ciclos diarios sucesivos, con una estructura similar a
la de los bloques de carga. En ella, se intentara disponer la mayor cantidad de energa posible en
los bloques de mayor demanda, dejando para el bloque de menor demanda, la energa restante. Si
la etapa dura T horas, existirn tantos ciclos diarios Ncd como das cuadren en la etapa.
Ncd T 24 = (3.42)
Suponiendo que el primer bloque es el de alta, que la capacidad del estanque es V, el
mximo volumen de agua utilizable en bloques de mayor demanda es:

44

max ,
1
Ncd min V,
t t b
b
VA
a (3.43)
Dicho volumen se descuenta de los caudales de bloques de demanda en orden de baja a
alta, extrayendo el mximo del bloque inferior hasta completar el total. Finalmente, dicho
volumen se adiciona al caudal de bloques en orden de alta a baja, hasta alcanzar el mximo de
generacin del bloque superior.

3 3. .4 4. .4 4. . S Su ub bp pr ro ob bl le em ma a B Bl lo oq qu ue e- -E Et ta ap pa a e en n E Ex xt te en ns so o
Una formulacin detallada del problema de optimizacin para el bloque de carga de una
etapa determinada se presenta en (3.44). En ella se hace la distincin de todos los subgrupos de
variables y formas de las restricciones que es necesario identificar en la implementacin del
modelo.
El problema planteado es no lineal, tanto en la funcin objetivo como en restricciones, en
ambos casos con funciones de tipo cuadrtico. El conjunto factible, en las variables del
subproblema, es un convexo cerrado. Esto permite, para su resolucin, el empleo potencial de
variadas tcnicas de optimizacin no-lineal. En particular en [9] se hace uso de Relajacin
Lagrangeana permitiendo, a su vez, como es usual en la aplicacin de esta metodologa,
descomponer el problema de la etapa en tres tipos de pequeos problemas ms simples de
resolver, generacin elctrica, transmisin por la red y flujos hidrulicos. Esto es construido para
un problema con funcin objetivo lineal, estimndose que podra extenderse al caso de una
funcin objetivo cuadrtica. Sin embargo, la potencialidad de los paquetes de software de
optimizacin se ha incrementado notablemente, permitiendo resolver eficientemente problemas
cuadrticos. Desde un punto de vista prctico, existe un compromiso entre los costos de
implementacin de un algoritmo absolutamente desarrollado para el problema, que permite
explotar particularidades de este en su resolucin, y el uso ms directo de herramientas presentes
en paquetes de optimizacin ampliamente estudiados, depurados y probados.
El subproblema de optimizacin bloque-etapa completo, en extenso, se presenta en la
ecuacin (3.44). En ella se ha cambiado la representacin de la funcin de costos futuros por su
aproximacin por planos soportantes, a travs de la variable , con objeto de mostrar la
estructura de los problemas de optimizacin elementales a resolver.
Como una forma de facilitar la tarea de implementacin del algoritmo global, se opta por
una estrategia semi directa en el uso de los paquetes de optimizacin, en particular la aplicacin
inmediata de herramientas de resolucin de problemas cuadrticos, aplicando la metodologa de
programacin cuadrtica secuencial (SQP) al subproblema bloque-etapa. Los clculos necesarios
para su aplicacin, se describen en la siguiente seccin.


45

{ }
T
T U U U U
2
i i R
2
( ) ( ) A
t,b
C
, 1 , 1
,
r
( )
x 2x
D D
p
x f
( ) min ( )
. .
GB DB BB DB
T T T
T T T T T
i i i i
i j ij
i j
ij ij
G U BUS
j j j
j j j j
ij
i j ij
t b t b
t b
P P P P P P c q
p p i N
P v
x
s a

+
+ + + + +

+

=

U
S
0
0 0
t
i

( , )
x f ( , )
( ' ) 0
0
a
T V F
i i i
BB
BB
ij i j ij
E
HE i TE
i i i i
S
HS i TS
i i
TS VS T V F
i i k k k
k k k
i j
i j
p v q i N
p q i N
q q q q q

=
=
+ =

R
EXT
E
, 0
t,b t,b
t
i

, t,b-1
0 0 0 i
i

v

a q
' ' v
a
T V F
i i i
T V F
i i i
t b
i i
S
t
R
R A T V F
i i k k k i
k k k
t b
E
F i
i i i i
TE VE F T V F
i i i k k k
k k k
v
i N
q q q q q i N
q v i N
q q q q q q

=
= +
+ + + = +

{ }
T
P
t,b
C
t
1
0
,

-
0
min ' , ( a )
0 p
0
0
0 ,
Con:
( , ), ( , , )
( , , , , ), ( , ), ( , )
G G G
HP
U
G T H H HP HE HS
T V F R A T TE TS V VE VS
E
j j
t b
HP j j j
j
t t
T T
i i
V F
i N
v j
p p p
p p
p
v v
q q
q q
p p p p p p p
q q q q q q q q q q q q

= =
= = =
( , , , , , ) G U
t
x p p q v =
(3.44)


46
3 3. .5 5. . M Me et to od do ol lo og g a a d de e R Re es so ol lu uc ci i n n d de el l P Pr ro ob bl le em ma a B Bl lo oq qu ue e- -E Et ta ap pa a, , S SQ QP P
3 3. .5 5. .1 1. . L La a P Pr ro og gr ra am ma ac ci i n n C Cu ua ad dr r t ti ic ca a S Se ec cu ue en nc ci ia al l S SQ QP P
La programacin cuadrtica secuencial SQP, (Sequential Quadratic Programming), es un
algoritmo estndar, de tipo general, para resolver problemas de optimizacin no lineal, bajo los
siguientes supuestos [17]:
El problema no es demasiado grande.
Las funciones y gradientes presentes en el problema pueden ser evaluadas con buena
precisin.
El problema es suave y bien escalado.
Bajo esta metodologa, un problema de optimizacin con funcin objetivo no lineal y
restricciones no lineales se resuelve utilizando una variante del mtodo de Newton que busca
encontrar la raz del conjunto de ecuaciones planteadas para la condicin de ptimo de Karush-
Kuhn-Tucker. Esta metodologa itera resolviendo problemas de optimizacin cuadrticos que son
aproximaciones del problema de optimizacin original. En el Anexo B se presenta una
descripcin de esta metodologa.

3 3. .5 5. .2 2. . C C l lc cu ul lo os s P Pa ar ra a U Us so o d de e S SQ QP P
Esta seccin se centra en la elaboracin de las matrices y ecuaciones necesarias para la
aplicacin de SQP al problema (3.44).

Variable y funcin objetivo

( )
, , , , , , , , , , , , U T HP HE HS T V F R A
T t
x p p p p p q q q q q v = (3.45)

1 T
E
2
f(x)=
T
x x x + C Q (3.46)
Donde, es la suma de los costos fijos de las centrales trmicas, C es el vector de costos
lineales,
E
Q es la matriz de costos cuadrticos y es la representacin de los costos futuros.

T
1
0 0 0 0 1
R C T H
U G A
N N N N N
c

=

C
_ _
(3.47)

[ ]
V V
L T H 2
1
E
2 N N
N N N N
0 0 0 0
T
U G
I d
d
=

=

Q

_ _
(3.48)

N
1
= N
BUS
+2*N
E
+2* N
S
+ N
E
+ N
R
+ N
R
+ N
E


47
N
2
= N1+N
R
+1
N
V
: nmero total de variables.

G Gr ra ad di ie en nt te e y y H He es ss si ia an no o d de e l la a f fu un nc ci i n n o ob bj je et ti iv vo o

El gradiente de la funcin objetivo g(x) y el Hessiano H(x) son:

E
E
( )
( )
T
x x
x
= +
=
g C Q
H Q
(3.49)

M Ma at tr ri iz z J Ja ac co ob bi ia an na a d de e l la as s r re es st tr ri ic cc ci io on ne es s

El clculo de la matriz Jacobiana de las restricciones A, se resume en las siguientes
ecuaciones. Es importante mencionar que NX=|
BB
| es el nmero de conexiones entre barras de la
red.

b
C G BUS E S E S E R R E
CB GB
BUS
BB
X
BB
X
GE E
GE
( )
GS S
GS
( )
EE ES EE ES EE ER
E
T T S S F R
( )
SS SE SS SE SE SR
S
T T S S F R
E
dim N N N N N N N N N N N 1
N Cx Cx - 0 0
N 0 0 Cx 0 0
N 0 Cx 0 0
N D 0 -D 0 0 0
N D 0 0 -D 0 0
N 0 0 Ch Ch Ch Ch Ch Ch 0 D 0
N Ch Ch Ch Ch Ch Ch 0 0 0
N 0 0 0 0 I 0
k
i
P

= A
.
. .
0
(k )
RE RS RE RS RE
R
T T S S F
t+1
0 -D 0
N Ch Ch Ch Ch Ch I I 0 0
N 0 0 0 0 - 1
(3.50)
Donde se distinguen las siguientes matrices
CB
Cx
:
Matriz de conectividad elctrica entre cargas y barras. Valores 0 o 1. Restricciones de
balance de carga.
GB
Cx
:
Matriz de conexiones elctricas entre generadores y barras. Valores 0 o 1. Restricciones de
balance de carga.
k
i
P
:
Derivada de la potencia inyectada desde las conexin k a la barra i con respecto al ngulo de
voltaje de la barra i. Restricciones de balance de carga.
BB
Cx
:
Matriz de conectividad elctrica entre barras. Valores 0, 1/
ij
x . Restricciones de flujos.
GH
D
: Matriz de asociacin generador elctrico y unidad de embalse (serie). Valores 0, 1.

48
Restricciones de conversin de potencia de embalse (serie). H= (E: embalse, S: serie)
( )
H
D

:
Matriz diagonal de rendimientos hidrulicos. Restricciones de conversin de potencia de
embalse (serie). H= (E: embalse, S: serie)
H1H2
O
Ch
:
Matriz de conectividades hidrulicas. Restricciones de balance hidrulico. H1, H2 = (E:
embalse, S: serie, R: regado). O= (T: turbibnado, S: vertido, F: filtrado, R: remanente de
restriccin de riego).
b
( )
D :
Matriz diagonal de conversin de volmenes a caudales. Valores
b
1
. Balance hidrulico
de embalses.
0
(k )
D : Matriz diagonal de filtraciones de embalse. Restricciones de filtracin de embalses.
I
: Matriz identidad.
t+1

: Matriz de pendientes de las aproximaciones a la funcin de costo futuro.

2
2
2
2
( ) r
, ( )
2x
r
1 ( )
x
r
1 ( )
x
0
BB
k
BB
k
k j kj
k kj kj k j
j Cx kj kj
kj
kj k j
kj
kj lj
BUS
kj k j
i lj
kj
k
i i j Cx
P f f
x
x k i j
f
x k i j k N
f
P

= = +
+ =

= =
(3.51)

M Ma at tr ri ic ce es s H He es ss si ia an na as s d de e l la as s r re es st tr ri ic cc ci io on ne es s

Se resume el clculo de las segundas derivadas de las restricciones con respecto a las
variables, que no son nulas, que permite construir la matriz W de segundas derivadas para el
subproblema SQP.

2
2
2
r x
r x
0
BB
k
kj
k
l i l i j Cx
kj kj
kj
kj kj
l i
f
P
k i l j k i l j
f
k l i j k i l j

=

= = = =

= = = = =
(3.52)

Slo los Hessianos de las primeras N
BUS
restricciones son no nulos, correspondientes a las
restricciones de balance de potencia en barras, ya que en las restantes son funciones lineales.

Coordinacin Elctrica Hidrotrmica Captulo 4: Modelo de Coordinacin Hidrotrmica y Metodologa de Resolucin

49
4 4. . M MO OD DE EL LO O D DE E C CO OO OR RD DI IN NA AC CI I N N H HI ID DR RO OT T R RM MI IC CA A Y Y M ME ET TO OD DO OL LO OG G A A D DE E R RE ES SO OL LU UC CI I N N
El estudio y sntesis del algoritmo para resolver el problema completo es expuesto en este
captulo. En l se aborda la forma de modelar y enfrentar la incertidumbre hidrolgica, la
construccin del problema completo anidado y su descomposicin. Se presentan variantes de la
metodologa de resolucin sobre la base de cmo se modele el vector aleatorio de caudales
afluentes.

4 4. .1 1. . D De es sc cr ri ip pc ci i n n d de el l P Pr ro ob bl le em ma a C Co om mp pl le et to o
El problema de coordinacin elctrica hidrotrmica se resume en la siguiente forma
recursiva:

{
( )
}
SR SR
t,b t,b
E E
1 1
t
C
C
()
t
1
(') 0 (')
t 1
(1/ ) (1/ )
T
R A
( )
. .
( , ) p
A f
D 0
B a
D D v
B D a D v
x ( , , , ) x
( ) min ( , ) c
GH
t t
OP
n
t t
F
t t
t
t t
U G
x
v
s a
G p
p q
q
q v
q v
x p q v
v C p p q

=
=
= +
+ = +
=
+ +
(4.1)

En ella se define la funcin de costos futuros esperados en la etapa t como la funcin ( )
t t
v .

4 4. .2 2. . M Me et to od do ol lo og g a a d de e R Re es so ol lu uc ci i n n d de el l P Pr ro ob bl le em ma a A An ni id da ad do o
4 4. .2 2. .1 1. . M Mo od de el lo o d de e u un n P Pr ro ob bl le em ma a E Es st to oc c s st ti ic co o N No o L Li in ne ea al l d de e D Do os s E Et ta ap pa as s
La metodologa de Benders, aplicada al caso lineal, puede extenderse a problemas no
lineales convexos
10
. Para ello, se considera el siguiente problema estocstico no lineal con
recurso en dos etapas:

10
Para una exposicin detallada se recomienda ver [2]

50

{ }
( )
( )
1
1
i
1
i
inf ( ) Q( )
. . g 0, 1,...,
g 0, 1,...,
e
e
f x x
s a x i m m
x i m
+
= +
= =
(4.2)
donde la funcin de recurso esperado es [ ] Q( ) Q( , ) x x
= y

{ }
2
2
i i
2
i i
Q( , ) inf ( ( ), )

. . u ( , ) g ( ( ), ) 0, 1,...,
u ( , ) g ( ( ), ) 0, 1,...,
e
e
x f y
s a x y i m m
x y i m

=
+ = +
+ = =
(4.3)
con funciones
2 2
i i
( , ), u ( , ), g ( , ) f y x y continuas en x, y respectivamente para cualquier
realizacin de la variable aleatoria y medibles en para cualquier x, y de modo que Q( , ) x lo
sea. Bajo supuestos de convexidad de todas las funciones involucradas, linealidad afn de las
funciones en restricciones de igualdad (
2
i i
u , g , 1, ...,
e
i m = ), factibilidad del problema de recurso
para toda realizacin de la variable aleatoria (v.a.) donde la funcin de recurso esperado queda
definida; la funcin de recurso esperado Q( ) x es una funcin convexa. Si adems, la regin
factible del problema de recurso es acotada para todo x, entonces Q( , ) x es semicontinua
inferior en x para cualquier realizacin de la v.a. y con ello Q( ) x ; y el dominio de la funcin
de recurso esperado, es decir { } Q( ) x x = < + , es un conjunto convexo cerrado. Luego, la
funcin de recurso puede ser aproximada puntualmente por hiperplanos soportantes.
Por el teorema de dualidad dbil, los cortes de optimalidad son hiperplanos minorantes de
la funcin Q( ) x . Si adems se satisfacen los supuestos del teorema de dualidad fuerte, las
aproximaciones pertenecen al subgradiente de Q( ) x en el punto.
Como los problemas de recurso no son lineales, la funcin Q( ) x no es poliedral, ya que
no queda determinada por un nmero finito de bases ptimas de los problemas de segunda etapa.
De esta manera, no se puede asegurar la convergencia en un nmero finito de cortes, como en el
caso lineal. No obstante, es posible establecer un criterio de suficiencia de la aproximacin como
para terminar el proceso de incorporacin de cortes. Si k es el nmero de cortes para la funcin de
recurso esperado, el problema (4.2) queda de la forma:

{ }
( )
( )
1
1
i
1
i
min ( )
. . g 0, 1,...,
g 0, 1,...,
Q( ) ( ), 1,...,
e
e
i i i
f x
s a x i m m
x i m
x x x i k

+
= +
= =
+ =
(4.4)


51
donde ( )
i i
Q x , subgradiente de la funcin de recurso esperado calculado a partir de los
duales de los problemas de recurso. Si x
k+1
,
k+1
es la solucin del problema anterior y se define
una tolerancia >0 para el error en la aproximacin de la funcin de recurso, entonces el proceso
iterativo de resolucin se termina cuando se cumple:

1 1
( )
k k
Q x
+ +
< (4.5)

en caso contrario, se calcula el nuevo corte y se incorpora al problema de primera etapa. Es
posible demostrar que este proceso converge en nmero finito de iteraciones cuando la regin
factible del problema de recurso es adems un compacto.

4 4. .2 2. .2 2. . V Ve er ri if fi ic ca ac ci i n n d de e C Co on nd di ic ci io on ne es s P Pa ar ra a l la a A Ap pl li ic ca ac ci i n n d de e l la a D De es sc co om mp po os si ic ci i n n
La aplicabilidad de los resultados expuestos en la seccin anterior al problema de
coordinacin hidrotrmica pasa por un proceso recursivo de identificacin de funciones y
verificacin de las condiciones necesarias en cada subproblema bloque-etapa. En tal sentido, se
tiene que:
Se identifica la funcin objetivo del problema de primera etapa con la funcin de costos
de operacin del problema de despacho hidrotrmico de un bloque y la funcin de recurso
esperado de segunda etapa con la funcin de costo futuro o costo futuro esperado,
dependiendo de si est resolviendo un subproblema bloque-etapa que enlaza dos bloques
de demanda pertenecientes a una misma etapa o a etapas diferentes.
La funcin de costo de operacin es cuadrtica, continua, luego convexa.
En cualquier subproblema las restricciones no lineales (balances de carga) son de
desigualdad, cuadrticas continuas por efecto de las prdidas y por ende convexas.
Las restricciones de igualdad son lineales.
Todas las variables son acotadas, ya que corresponden a variables fsicas.
Todas las restricciones de desigualdad no son de desigualdad estricta.
Con todo lo anterior la regin factible de cada subproblema bloque-etapa es un convexo
cerrado y acotado.
Por construccin, cualquier subproblema bloque-etapa es siempre factible, por lo que la
funcin de costo futuro o costo futuro esperado queda definida en cualquier punto de
llenado de los embalses.
Con lo anterior, es posible aplicar la metodologa de Benders para resolver
recursivamente el problema completo. En principio esto se hara resolviendo completamente
subproblemas tomados de a pares. Sin embargo, existen formas ms eficientes de resolver el
problema completo cuando este consta de ms de dos etapas.

4 4. .2 2. .3 3. . A Al lg go or ri it tm mo o d de e D De es sc co om mp po os si ic ci i n n A An ni id da ad da a d de e B Be en nd de er rs s, , C Ca as so o D De et te er rm mi in n s st ti ic co o
El algoritmo de descomposicin de Benders, cuya extensin a problemas estocsticos es
conocida como L-Shaped-Method se enmarca dentro de los algoritmos de descomposicin por

52
columnas, para problemas que poseen estructura diagonal en sus restricciones, salvo por la
existencia de variables que ligan distintas filas, como lo seran los estados finales de los embalses
en cada bloque-etapa, en su planteamiento extensivo equivalente.
Al igual que para el caso de subproblemas lineales, el problema completo se soluciona
ms rpidamente, si se resuelve en un ir venir por sobre todo el encadenamiento de
subproblemas. Dicho encadenamiento se puede abordar como un rbol, donde cada nodo, que
representa un subproblema de optimizacin, da lugar a slo un descendiente. El proceso iterativo
establece que en cada paso por un subproblema ste sea resuelto una sola vez, sin iterar hasta la
convergencia de una pareja de subproblemas ancestro-descendiente.
En cada iteracin en sentido adelante (iteracin forward) se transmiten soluciones
tentativas, x
tk
hasta que se llega al ltimo subproblema o el proceso se trunca por infactibilidad de
uno de ellos. Luego se recorre el rbol en sentido inverso (iteracin backward) resolviendo cada
subproblema de manera que cada descendiente le entrega un corte de factibilidad u optimalidad
al subproblema ancestro,
tk
, en el punto calculado en la iteracin forward. El proceso se ilustra
en la Figura 4.1 para un problema de 4 etapas.
Figura 4.1: Forma de una iteracin completa en el algoritmo anidado de Benders. Se ilustra recursin en
sentido hacia delante (forward) y en sentido hacia atrs (backward).

Cuando se resuelve un subproblema de optimizacin en la recursin backward, se estar
haciendo uso de la aproximacin de la funcin de recurso que representa el costo futuro incurrido
en los subproblemas siguientes. Estas aproximaciones representan el valor de la funcin de costos
futuro en forma precisa slo en los puntos donde han sido calculadas. Por ello, los cortes de
optimalidad que entregan al subproblema ancestro no corresponden efectivamente al del
ptimo, con la salvedad del subproblema de la ltima etapa o cercano a la convergencia; por lo
que siempre se estar trabajando con aproximaciones inferiores de la funcin de recurso esperado
en cada subproblema que no necesariamente pertenecen al subgradiente en el punto. No obstante,
es posible probar que la acotan por debajo correctamente
El criterio de convergencia a usar, en un proceso de clculo como el descrito, es similar al
sealado en (4.5), pero esta vez para todos los subproblemas. Cabe destacar que, cuando el
criterio se cumple, se puede decir que en la fase forward de la iteracin siguiente la solucin del
subproblema ancestro no variar en forma significativa. De esto se desprende, que tampoco lo
harn los subproblemas descendientes, indicando que la recursin backward comenzara a
entregar cortes redundantes, reforzando la idea de que se ha llegado a la solucin del problema
completo.
4 2 3
2, 1,
(x )
k k
3, 2,
(x )
k k
4, 3,
(x )
k k
1
Forward
4 2 3
1,
x
k 2,
x
k 3,
x
k 0
x
1
Backward
Iteracin k en Benders Anidado
4 2 3
2, 1,
(x )
k k
3, 2,
(x )
k k
4, 3,
(x )
k k
1
Forward
4 2 3
1,
x
k 2,
x
k 3,
x
k 0
x
1
Backward
Iteracin k en Benders Anidado

53

4 4. .2 2. .4 4. . A Ap pr ro ox xi im ma ac ci i n n d de e l la a C Cu ur rv va a d de e C Co os st to os s F Fu ut tu ur ro os s y y F Fo or rm ma ac ci i n n d de e C Co or rt te es s, , C Ca as so o
D De et te er rm mi in n s st ti ic co o
Para describir la forma de aproximar la funcin de costos futuros y la construccin de un
corte de Benders o aproximacin inferior, se ver primeramente el caso en que sta proviene de la
resolucin de un subproblema bloque-etapa dentro de la misma etapa del problema completo, es
decir, el caso en que la funcin de costo futuro (FCF) que se intenta aproximar es determinstica.
Una representacin para el i-simo corte de Benders
, t b
i
obtenido de la solucin del subproblema
del bloque siguiente
11
b+1, al interior de la etapa t, es como sigue:

( )
E E , , 1 , 1 , , 1 , 1 N , N
, , , , ,
t b t b t b t b t b t b t b
i i i i i i i
v v
+ + + +
= R R R (4.6)

Donde
, 1 t b
i
+
corresponde al valor de la funcin objetivo del subproblema siguiente,
, 1 t b
i
+
son
pendientes construidas a partir de los multiplicadores de Lagrange del mismo subproblema,
resuelto para un estado inicial
, t b
i
v . A partir de estas aproximaciones de la FCF, se construye el
siguiente conjunto genrico de cortes:

, ,
1
k
t b t b
k i
i

=
=
(4.7)
y su evaluacin puntual como:

{ }
, , , ,
( ) max ( ) , 1,...,
t b t b t b t b T
k i i i
i
v v v i k = + = (4.8)

Para representar dicha aproximacin de la FCF, en los subproblemas de bloque, se
sustituye su presencia en la funcin objetivo por una variable auxiliar que es acotada
inferiormente por cada uno de los cortes existentes. En consecuencia, y para simplificar la
notacin, se escribir:

, 1 , , ,
( ) ( v ) , 1,...,
t b t b t b t b T
k i i i
v v i k
+
+ = (4.9)
Un nuevo corte de optimalidad, k+1, para la FCF del bloque b etapa t,
,
1
t b
k
+
, se obtiene de
la resolucin del subproblema del bloque siguiente para un estado inicial de los embalses de
,
1
t b
k
v
+

predeterminado en la fase forward del proceso iterativo. Para describir la construccin se
designar a
*
x como la solucin del problema de optimizacin
, 1 t b
P
+
en (4.1) y
* *
,
EF EB
a los
multiplicadores de Lagrange de las restricciones de filtracin y balance hidrulico de embalses
respectivamente. El problema
, 1 t b
P
+
, incluyendo la aproximacin de la FCF en b+1, se escribe:

11
Cuando la exposicin lo requiera, los ndices ligados a etapas y bloques de carga se dispondrn como
superndices.

54

{ }
SR SR
t,b+1 t,b+1
E
, 1 R A
t,b+1
C
C
()
t
, 1 ,
(') 0 (')
, 1 t ,
(1/ ) (1/ )
, 1 , 1
, 1
( ) min ( , )
. .
( , ) p
A f
D 0
B a
D D v
D a D v
( )
x ( , , ,
T
G U
GH
E
OP
t b
n
t b t b
F EF
t b t b
EB
t b t b
p
t b
P C p p c q
s a
G p
p q
q
q v
B q v
v
x p q v

+
+
+
+ +
+
+ +

=
=
= +
+ = +
= ) x
(4.10)
Los valores del nuevo corte en el punto
,
1
t b
k
v
+
son:

* * T
t,b+1
, 1 * * *
obj
1 R A
, 1 * *
1 (')
(1/ )
F ( ) ( , ) c
D D
G U
t b
OP
k
t b
k EF EB
x C p p q

+
+
+
+
= = + +
= +
(4.11)
Con ello, la nueva aproximacin de la funcin de costo futuro en el subproblema del bloque b,
etapa t, a adicionar al conjunto existente
, t b
k
es:

{ }
, , , , ,
1 1 1 1
( , , )
t b t b t b t b t b
k k k k k
v
+ + + +
= (4.12)

La construccin de las aproximaciones de la funcin de costo futuro esperado, que ligan
subproblemas en distintas etapas, pasa por precisar la metodologa a seguir para modelar la
incertidumbre hidrolgica, que es tema de las siguientes secciones.

4 4. .3 3. . R Re ep pr re es se en nt ta ac ci i n n d de e l la a I In nc ce er rt ti id du um mb br re e H Hi id dr ro ol l g gi ic ca a
4 4. .3 3. .1 1. . V Ve er rs si i n n S Si im mp pl li if fi ic ca ad da a d de el l P Pr ro ob bl le em ma a E Es st to oc c s st ti ic co o
Para la presente exposicin se usar el siguiente problema estocstico, modelado como
problema de recurso con NT etapas, definido en forma recursiva:

{ } ( )
1
1 1 1 1 1
1 1 1
( ) P ( ) : min ( ) ( )
s.a. A ( ) h( ) 1, ..., NT-1
E
t
t t t t t t t t
t t t t
n
t t
x x f x x
x x t
x X
+
+ + + + +
+ + +
= +
= + =

R
(4.13)


55
con un problema de primera etapa:

{ }
0 1 1 1 1
1 1 1 0
1 1
min ( ) ( )
s.a A ( ) h( )

n
f x x
x w x
x X
= +
= +

R
(4.14)

Donde
t
es la v.a. de la etapa t y w
t
representa una realizacin de ella. La funcin de recurso
( )
t t
x representa el costo futuro esperado visto desde la etapa t, en el punto x
t
y corresponde a
la aplicacin del operador valor esperado, tomado sobre la v.a.
1 t +
, al subproblema estocstico
de la etapa siguiente
1
P ( )
t t
x
+
,
1
E
t +
. La funcin de costo futuro esperado (FCFE) al final del

horizonte de estudio, es decir en la etapa NT, se da por conocida. Cuando el operador valor
esperado depende de v.a. previas, las funciones de recurso ( )
t t
x resultarn funciones de v.a. y
pueden ser modeladas tambin como una v.a.
Equivalentemente, el problema (4.14) puede ser descrito en forma extensiva, como sigue:

( ) ( ) ( ) { }
2 3 3
0 1 1 2 2 3 3 4 4
1 1 1 0
2 2 2 1
1
min ( ) ( ) ( ) ( ) ... ( )
s.a. A ( ) h( )
A ( ) h( )

A ( ) h( )
, 1, ...,
i
NT NT
x
NT NT NT NT
n
i i
f x f x f x f x x
x w x
x x
x x
x X i NT
= + + + + + +
= +
= +
= +
=

R
(4.15)

Representacin que resulta de utilidad para exponer algunos de los temas que se desarrollan ms
adelante.

4 4. .3 3. .2 2. . r rb bo ol l d de e E Es sc ce en na ar ri io os s y y A Al lg go or ri it tm mo o d de e D De es sc co om mp po os si ic ci i n n A An ni id da ad da a d de e B Be en nd de er rs s
Para poder evaluar numricamente las funciones de costo futuro esperado, se restringe la
v.a. de cada etapa a un conjunto discreto de posibles realizaciones. Vale decir,
t 1
{ ,..., }
A
t
t t
N
w w ,
donde A
t
N es el tamao de la particin en la etapa t. Con ello, el operador esperanza se
transforma en una suma sobre todas las formulaciones posibles del problema de la etapa
siguiente, ponderadas por las probabilidades de ocurrencia de cada elemento de la particin. As,
el problema estocstico, al construirse sobre la base de una discretizacin de las variables
aleatorias en cada etapa, adopta una estructura arborescente. Tal es caso de los modelos de
recurso. Se suele tomar como particin de la v.a. al conjunto de valores que ella a tomado en la
historia reciente del fenmeno. En otras palabras, a valores estadsticos histricos.
La Figura 4.2 ilustra la forma que adopta el problema completo para un caso de tres
etapas en cada una de las cuales la v.a. slo tiene dos posibles realizaciones. Cada nodo

56
representa un subproblema etapa, cada rama una conexin por variables y funcin de recurso de
segunda etapa.
La secuencia temporal de variables aleatorias es en si misma un proceso estocstico. Un
escenario, es una realizacin completa de dicho proceso, y puede verse como una trayectoria
completa en el rbol desde el nodo inicial hasta un nodo terminal u hoja del rbol, en la etapa NT.
El nmero de escenarios posibles para el problema completo es el producto de todas las
combinaciones posibles de realizaciones de la v.a. en cada etapa. Si A N
t
representa el nmero de
elementos en la particin de la v.a. en la etapa t, entonces el nmero total de escenarios posibles,
NS, es:

NT-1
A
2
NS N
t
t =
=
(4.16)

El nmero de nodos o subproblemas del rbol tendr similar orden de magnitud
12
. Para el caso de
la Figura 4.2, el nmero de escenarios es de 2
3
=8, mientras que el de nodos es de 15.
Figura 4.2: rbol de escenarios para un problema estocstico de tres etapas con una particin de la v.a. en
cada etapa de dos elementos.

En la Figura 4.2 el escenario S1 resulta de la combinacin de resultados de la v.a. en cada
etapa de (1,1,1), mientras que el S2, de (1,1,2); diferencindose slo en la ltima etapa. Se dir
que los escenarios S1 y S2 tienen iguales problemas ancestros hasta la etapa 2; o que son
indistinguibles hasta la etapa 3, donde se ramifican en distintos subproblemas descendientes.
Una vez modelada la v.a., y determinado el rbol de subproblemas respectivo, el
problema estocstico se transforma en un problema completamente determinstico. Para
resolverlo se suele usar la variante estocstica del algoritmo de descomposicin anidada de
Benders, que tiene una pequea diferencia con el presentado en la Seccin 4.2.2. en relacin a la

12
Para el caso en que la discretizacin de la v.a. tiene igual numero de elementos en todas las etapas, el
nmero de nodos en el rbol es de (NA
NT
-1) / (NA-1) NA
NT-1
.
2
2
2
2
2
Escenarios
S1
S2
S3
S4
S5
S7
S6
S8
1
1
1
1
2
1
1
1
2
Etapa 1 Etapa 2 Etapa 3 Etapa 4
2
2
2
2
2
Escenarios
S1
S2
S3
S4
S5
S7
S6
S8
1
1
1
1
2
1
1
1
2

57
forma de construir las aproximaciones de la funcin de costos futuros, esta vez esperados, en
cada subproblema nodo.
Al igual que para el caso determinstico, la forma ms rpida de resolver el rbol
completo es propagando la informacin dentro de l de manera de cambiar el sentido de recorrido
lo menos posible. La metodologa FFFB
13
(rpido hacia delante, rpido hacia atrs) establece que
se deben propagar las soluciones, recursivamente, en sentido hacia delante (forward) hasta que se
llegue, por cada recorrido, hasta el nodo final o bien hasta donde se encuentre una infactibilidad.
Luego, se retrocede propagando los cortes de factibilidad u optimalidad hasta llegar al
subproblema inicial [2]. Esta metodologa es la que aplica el algoritmo SDDP [3]. Este proceso se
ilustra en la Figura 4.3, para el rbol de la Figura 4.2, en el caso que todos los problemas son
factibles. Cada subproblema nodo constituye un problema de optimizacin que debe ser resuelto
con la mejor informacin disponible, en la direccin indicada por las flechas dibujadas junto a los
arcos respectivos, agregando la nueva informacin que se indica bajo ella.

Figura 4.3: Iteracin completa en algoritmo de descomposicin anidada de Benders versin estocstica,
con metodologa de resolucin FFFB. (a) recursin forward de una iteracin, (b) recursin backward.

La aproximacin de la FCFE en cada etapa es un conjunto de hiperplanos que minoran
dicha funcin en los puntos por donde se pas en la recursin forward de las iteraciones,
considerados puntos relevantes en la solucin del problema. Dichos hiperplanos resultan de la
aplicacin del operador esperanza a los cortes de Benders provenientes de los subproblemas
descendientes, calculados en la recursin backward de las iteraciones.
Cuando las v.a. son independientes de las de etapas anteriores, la acumulacin de todos
los hiperplanos en todos los nodos pertenecientes a una misma etapa constituyen la mejor
aproximacin disponible de la FCFE de la etapa. Una interpretacin de esta metodologa, a travs
de la programacin dinmica tradicional, es como sigue. En cada subproblema nodo de una etapa,
en la recursin backward, se construye una nueva aproximacin puntual de la FCFE en la
solucin obtenida en la fase forward de la iteracin, resolviendo el subproblema de la etapa

13
Del Ingls Fast Forward Fast Back
(a)
(b)
2
2
2
2
2
1
1
1
1
2
1
1
1
2
1,k
x
1,k
x
2,k
x
2,k
x
2,k
x
2,k
x
3,k
x
3,k
x
3,k
x
3,k
x
3,k
x
3,k
x
3,k
x
3,k
x
0
x
2
2
2
2
2
1
1
1
1
2
1
1
1
2
1,k
x
1,k
x
2,k
x
2,k
x
2,k
x
2,k
x
3,k
x
3,k
x
3,k
x
3,k
x
3,k
x
3,k
x
3,k
x
3,k
x
0
x
2
2
2
2
2
1
1
1
1
2
1
1
1
2
1,k
1,k
2,k
2,k
2,k
2,k
3,k
3,k
3,k
3,k
3,k
3,k
3,k
3,k
3
E
4

3,k
2,k
1,k
3
E
3
E
3
E
2
E
2
E
1
E
2
2
2
2
2
1
1
1
1
2
1
1
1
2
1,k
1,k
2,k
2,k
2,k
2,k
3,k
3,k
3,k
3,k
3,k
3,k
3,k
3,k
3
E
4

3,k
2,k
1,k
3
E
3
E
3
E
2
E
2
E
1
E

58
siguiente para todos las posibles realizaciones de su v.a. asociada. La aproximacin de la FCFE
en cada etapa se muestra en la parte inferior de la Figura 4.3 (b). En cada iteracin, el nmero de
aproximaciones puntuales de las FCFE en cada etapa ser distinta, e igual al nmero de nodos
asociados a la etapa.
Producto de que la v.a. de cada etapa puede estar correlacionada con su pasado temporal
reciente, o dicho de otro modo, que las realizaciones pasadas puede condicionar la v.a. presente,
la estimacin de los costos futuros esperados puede ser distinta para distintos pasados. Por
esta razn es necesario precisar como afecta al modelo expuesto este fenmeno.
Por otro lado, el nmero de subproblemas o nodos del rbol de escenarios crece
exponencialmente con el nmero de etapas, como muestra la ecuacin (4.16). Si bien el nmero
de etapas y la duracin de cada una de ellas, en las que se puede componer el problema completo,
podran definirse en forma completamente arbitraria, stas deben estar en relacin con las
caractersticas del proceso que se esta modelando. Una etapa, en si misma, no es slo una
discretizacin del eje del tiempo, sino que representa un instancia en el proceso temporal en la
cual se toma o corrige una decisin y cada subproblema de una etapa viene a representar dicho
proceso. Para el problema de coordinacin hidrotrmica, una etapa sera el intervalo de tiempo
existente entre dos instantes en los que el planificador decide cmo se administrar el agua de los
embalses en ese periodo. El horizonte de planificacin sera entonces un mltiplo de dichos
intervalos; y si es lejano puede dar lugar a un nmero importante de etapas y con ello el nmero
de escenarios explotar, ocasionando un nuevo enfrentamiento con la maldicin de la
dimensionalidad. Por ejemplo, si NA=10 es el nmero de elementos de la discretizacin de la
v.a. en cualquier de las NT=36 etapas, (tres aos a intervalos mensuales), se tendran NA
NT-
1
=10
35
escenarios y el rbol tendr un nmero algo superior de nodos. Esto, hace imposible su
resolucin exhaustiva ya para un nmero de etapas del orden de las decenas, por lo que se debe
buscar una forma de aproximar el proceso estocstico. Por ejemplo, una metodologa de muestreo
del rbol.

4 4. .3 3. .3 3. . C Ca ad de en na as s d de e M Ma ar rk ko ov v
Un proceso estocstico
i
{ }, i Z se dice una cadena de Markov de orden p si se tiene
que:

1 1 2 2
1 1 2 2
P( , , ...)
P( , , ..., ),
i i i i i i
i i i i i i i p i p
w w w
w w w w i

= = = =
= = = =

Z
(4.17)

Las cadenas de Markov de orden p son procesos estocsticos de memoria finita, es decir,
el comportamiento de la variable aleatoria
i
est influida directamente por las realizaciones que
ha tenido en las ltimas p etapas, siendo independiente de las realizaciones hace ms de p etapas.
Por cierto, el valor del parmetro p puede ser distinto en cada etapa, por lo que debiera notarse
con un subndice t, que se omite, para facilitar la exposicin.
Al modelar las variable aleatoria de los problemas (4.13) con una cadena de Markov, se
debe tener en consideracin que el operador esperanza E es una esperanza condicionada a las
realizaciones pasadas de ella. Si se designa por
, t p
W al vector de las p realizaciones pasadas
de la v.a. y al operador de esperanza condicionada
,
1
/
E
t p
t
W
+

, se tiene que:

59

( ) ( ) ,
1
1
1 1 1 1 1 1 1 1
/
E P ( ) E P ( ) , , ...,
t p
t
t
t t t t t t t t t p t p
W
x x w w w
+
+
+ + + + + +
= = = =
(4.18)
Esto equivale a decir que se tendrn distintas funciones de costo futuro esperado (FCFE)
en una misma etapa, para distintas realizaciones previas de las variable aleatorias, es decir
t
se
transforma en
,
( )
t p
W
t t
x
. As, las aproximaciones de la FCFE que sern construidas en cada

nodo del rbol y sern aplicables nicamente a ese subproblema.
La forma de construir una aproximacin de la FCFE, para el subproblema de un nodo en
la etapa t, cuyo subndice se obvia, en un k-simo punto
t,k
x , dado el pasado,
,
,
t p
W
t k
, es como
sigue. Si
1
1 1
t+1 1
{ ,..., }
A
t
t t
N
w w
+
+ +
constituye la discretizacin de la v.a. en t+1, las probabilidades
condicionadas respectivas son
, ,
1
1,1 1,
{ ,..., }
t p t p
A
t
W W
t t N
p p
+

+ +
y las soluciones del subproblema de la etapa
siguiente son
1
t+1,k,i t+1,k,i i=1
{F , }
A
t
N
+
, para cada realizacin de la v.a. cuando
t,k
x
t
x = , los puntos que
definen la nueva aproximacin sern:

,
,
N
, t+1,k,i 1,
1
N
, t+1,k,i 1,
1
F
t t p
t t p
W W
t k t i
i
W W
t k t i
i
p
p
+
=
+
=
=
=
(4.19)

lo que equivale a hacer el promedio ponderado por probabilidades de los cortes de Benders
proporcionados por todos los subproblemas descendientes,
t+1,k,i i=1
{ }
A
t
N
, en la recursin backward.
En el proceso iterativo slo la fase backward cambia en relacin al caso de v.a. independientes, la
que se ilustra en la Figura 4.4.
Figura 4.4: Recursin backward en el algoritmo de descomposicin anidada de Benders estocstico,
metodologa FFFB, cuando existe correlacin temporal de la v.a. en subproblemas de etapas.
2
2
2
2
2
1
1
1
1
2
1
1
1
2
1, ,1 k
1, ,2 k
2, ,1 k
2, ,2 k
2, ,1 k
2, ,1 k
3, ,1 k
3, ,2 k
3, ,1 k
3, ,2 k
3, ,1 k
3, ,2 k
3, ,1 k
3, ,1 k
1,1
3
E
1,2
3
E
2,1
3
E
2,2
3
E
1
2
E
2
2
E
1
E
{ }
8
4,
1
l
l =
{ }
4
3, ,
1
l k
l =
{ }
2
2, ,
1
l k
l =
1,k
2
2
2
2
2
1
1
1
1
2
1
1
1
2
1, ,1 k
1, ,2 k
2, ,1 k
2, ,2 k
2, ,1 k
2, ,1 k
3, ,1 k
3, ,2 k
3, ,1 k
3, ,2 k
3, ,1 k
3, ,2 k
3, ,1 k
3, ,1 k
1,1
3
E
1,2
3
E
2,1
3
E
2,2
3
E
1
2
E
2
2
E
1
E
{ }
8
4,
1
l
l =
{ }
4
3, ,
1
l k
l =
{ }
2
2, ,
1
l k
l =
1,k

60
Se destaca en la Figura 4.4 la diferencia entre el operador esperanza en nodos de una
misma etapa, dando lugar a distintas FCFE para una misma etapa, a cada una de las cuales se les
va construyendo una nica aproximacin adicional en cada iteracin. Tambin la FCFE al final
del horizonte de planificacin podra ser distinta en el subproblema final de cada escenario. Esta
parcelacin de la FCFE en cada etapa, en relacin con el pasado de la v.a., podra evitarse si se
construye un modelo para el proceso estocstico que permita parametrizar su relacin con
realizaciones pasadas de la v.a. Esto se consigue usando procesos peridicos autorregresivos.

4 4. .3 3. .4 4. . P Pr ro oc ce es so os s P Pe er ri i d di ic co os s A Au ut to or rr re eg gr re es si iv vo os s
Un proceso estocstico
i
{ }, i Z es un proceso peridico autorregresivo, de media
mvil, de periodo m y de orden (p,q), o proceso PARMA (m,p,q), si se tiene que:

1 1
i i
p q
i ik i k i il i l
k l
i

= =
= + +

r r Z (4.20)

donde { },
i
i r Z es un conjunto de variables aleatorias independientes con funcin de
distribucin
2
(0, )
i
N , (normal de media 0 y varianza
2
i
) que se le conoce con el nombre de
ruido aleatorio de la etapa, y:

mod
, 1, ...,
, 1, ...,
i j
i j
ik jk i
il jl i
p p
q q
i j m
k p
l q

=
=

=
= =

= =

(4.21)

Si cada una de las variables aleatorias
i
corresponde a un vector aleatorio de dimensin
d, entonces cada variable aleatoria r
i
es tambin un vector aleatorio. Las componentes de r
i

siguen una distribucin normal
2
(0, ), 1,..., d
ij
N j = y no son necesariamente independientes
entre s
14
. Las matrices y
ik il
son matrices cuadradas de dimensin d.
Si a la serie
t
{ }, 1,..., NT t = se le ajusta un proceso autorregresivo, entonces el
problema (4.13) puede ser resuelto equivalentemente por un problema en el cual:

' , 2,..., NT
t t t
w t = + = r (4.22)

14
La v.a. de caudal afluente a una central en una etapa puede estar correlacionada con los caudales afluentes
a otras centrales del sistema. En este caso se habla de correlacin espacial.

61
las v.a. r
t
son independientes entre s y

1 1
' ' , 2,..., NT
t t
p q
t tk t k tl t l
k l
w w r t

= =
= + =

(4.23)

donde se asumen conocidas las realizaciones pasadas de las v.a. respectivas hace p
t
y q
t
etapas
hacia atrs.
La construccin de las aproximaciones del valor esperado en (4.13), pasa por la
explotacin de las bondades que introduce la expresin (4.22) en la definicin del subproblema
de la etapa siguiente. stas surgen por dos vas. La primera, dice relacin con que la dependencia
puntual entre subproblemas que, a la hora de formar una nueva aproximacin del valor esperado,
involucra esta operacin sobre una v.a. que es independiente de la anterior. La segunda, es la
posibilidad de construir una extensin de la aproximacin del valor esperado en funcin de los
estados previos del proceso aleatorio en forma paramtrica, al igual que para la variable de
decisin. La nueva expresin que adopta la operacin de valor esperado, y con ello la funcin de
costo futuro esperado, dado el conjunto de realizaciones previas de la v.a. se escribe:
( ) ( ) 1 , 1
, ,
1 1
/
( , ) E P ( ) E P ( , )
t t p t
t p t p
t t t t t t
W
x W x x W

+ +
+ +
= = (4.24)

En lo que sigue, para simplificar la exposicin se asumir que p
i
=

p
j
=

1 y q
i
=

q
j
=

1 i,j.
Si el problema (4.13) incluyendo (4.22) posee un conjunto de K2 aproximaciones de la FCFE, en
t+1,
x w 2
t+1,k t+1,k t+1,k k=1
{ , , }
K
, en los puntos
2
t+1,k t+1,k k=1
{x , }
K
w , su formulacin adopta la forma:

{ }
1
1 1 1
1 1 1 1
x
1 1, 1, 1 1,
w
1, 1 1 1,
P ( , ) min ( )
A ( ) h( ' ) h( )
( x )
( ' ) , 1,..., K2
t
t t t t t t
t t t t t
T
t t m t m t t m
T
t m t t t m
n
t t
x w f x
x w x
x
w w m
x X

+
+ + +
+ + + +
+ + + + +
+
+ + + +
= +
= + +
+ +
+ =

r
r
_
R
(4.25)

Una aproximacin del valor de ( , )
t
en un k-simo punto
t,k
x , para un valor de la v.a.
en t de w
t,k
, se obtiene muestreando el problema de la etapa siguiente para distintas realizaciones
de la v.a. r
t+1
. Si se designa por F
i
a la funcin objetivo de cada uno de estos problemas y se
tienen NA muestras para cada una de las cuales se obtuvo el conjunto de cortes de Benders
A A N x N
t+1,k,i i=1 t+1,k,i t+1,k,i t+1,k,i i=1
{ } ={F , , }
, donde los superndices x, representan los multiplicadores de

Lagrange del primer y segundo grupo de restricciones. Se establece que, con abuso de notacin, a
partir del Lagrangeano de la funcin objetivo:


62

( )
x 1
t+1,k,i
,
K2
x w 1 1 1
1, , 1, 1, , , 1
1
1
, ,
'
(h) ( )
'
t
t
k i
t t t
t k i t m t k i m t
m
t t t
k i k i
x
w
w w w

+
+ + +
+ + + +
=
+

= = +

F
F F
(4.26)

donde la combinacin m,i corresponde a la restriccin de desigualdad m en la solucin del
subproblema de la etapa siguiente, para la hidrologa i. Dado que la v.a. r
t+1
es independiente,
la nueva aproximacin de ( , )
t
,
x w
t,k t,k t,k
{ , , } , en
t,k
x , w
t,k
, resultar de promediar las
derivadas (subgradientes), anteriores, as:

( )
A
A A
A A
N
, t+1,i
A
1
N N
x
, t+1,i
A A
1 1
,
N N K2
w x w
, 1, , 1, 1, , , 1
A A
1 1 1
,
1
N
1 1
N N
1 1
N N
F
(h) ( )
i
t
t k
i
x
t k
i i
k i
i
t k t k i t m t k i m t
i i m
t
k i
x
w

=
= =
+ + + +
= = =
=
= =

= = +

F
F
(4.27)

Esta nueva aproximacin ser el mejor estimador de la FCFE en el punto x
t,k
. Dado que
con un modelo autorregresivo la representacin de la FCFE es nica en cada etapa, en toda fase
backward del proceso iterativo se incorporarn tantas aproximaciones como nodos tenga el rbol
en esa etapa.

4 4. .3 3. .5 5. . M Mu ue es st tr re eo o d de el l P Pr ro oc ce es so o A Al le ea at to or ri io o
El aumento exponencial del nmero de escenarios con el nmero de etapas del horizonte
de estudio, hace prcticamente imposible resolver exhaustivamente el rbol de escenarios en
forma completa. Para abordar este nuevo aumento de la dimensionalidad del problema es
necesario reducir la cantidad de informacin a obtener limitando las aspiraciones, en principio, a
una suficientemente buena estimacin de la funcin de costo futuro esperado en la primera etapa
del problema, permitiendo decidir en forma apropiada el uso del agua de los embalses en esa
instancia. Para ello, es posible construir exploraciones del rbol de escenarios en torno a muestras
del proceso estocstico de los caudales, es decir, sobre la base de un conjunto de S realizaciones
concretas de la v.a. que se denominarn secuencias. Esto puede ser interpretado como una
metodologa que, sobre la base de una simulacin de montecarlo, construye las aproximaciones
de las funciones de costos futuros esperados en los puntos donde se necesitan, es decir, por donde
aproximadamente pasan las cotas de los embalses.
Mientras ms alto sea el nmero de muestras, mayor ser el grado de cercana de la
solucin alcanzada con el ptimo del problema, al nivel del subproblema de la primera etapa. En
cierto sentido, se construiran tantas muestras hasta el punto en que es posible reconocer que se
posee suficiente informacin acerca de la incertidumbre en el problema de la primera etapa. Para
estimar las FCFE en cada nodo de una secuencia, se procede a muestrear el subproblema de la

63
etapa siguiente para un nmero predeterminado de realizaciones de la v.a. a la manera de la
programacin dinmica, tal como se expuso en las dos subsecciones precedentes. Al conjunto de
SA
t
realizaciones de la v.a. para los subproblemas de la etapa siguiente se le denominar
aperturas. La forma del problema reducido se expone para el problema de 4 etapas habitual, en
la Figura 4.5. Se han seleccionado 2 escenarios S2 y S8 y se usa un nmero de aperturas de 2.
Figura 4.5: Muestreo del rbol de escenarios

Al muestrear el rbol, surge el inconveniente de que no se tiene explcitamente una
aproximacin de la funcin de costos futuros para resolver los subproblemas de los nodos de las
aperturas, con la salvedad de aquel que pertenece a la misma secuencia, producto de las
correlaciones de la hidrologa con su pasado reciente. Sin embargo, al usar un modelo
autorregresivo para modelar las hidrologas, se posee una nica aproximacin de la curva de
costos futuros que parametriza este efecto hidrolgico sobre la FCFE, permitiendo usarla como si
se tratara de un proceso con v.a. independientes
15
, constituyendo su principal atractivo. Al usar
una cadena de Markov, se podra usar la representacin de la FCFE que ms se asemeje a la
necesitada; esta es la construida para el nodo perteneciente a la secuencia en la misma etapa. El
error que esto acarrea ser pequeo, en la medida que la solucin del subproblema de la apertura
evale la aproximacin de la FCFE en puntos cercanos a aquellos donde fue construida y la
dependencia de sta con la hidrologa de la etapa no sea fuerte. Esta situacin ocurrira en el
modelo de coordinacin cuando las etapas son temporalmente cortas, producto de que los
embalses no pueden presentar grandes variaciones de sus cotas y la informacin adicional que
aporta la ltima realizacin hidrolgica no puede perturbar de forma importante las expectativas
futuras. Adems, el proceso iterativo hace que se construyan aproximaciones del costo futuro no
slo en el punto por donde pasara la solucin ptima, sino que tambin en sus proximidades.
Si los supuestos citados resultan razonables, entonces la conveniencia de mezclar
aproximaciones de la FCFE provenientes de distintas secuencias no es clara y debiera ser
evaluada experimentalmente. Efectuar esta mezcla sobrecargar los subproblemas de

15
Esto es lo que hace el programa SDDP [6].
1
2
2
2
2
2
Escenarios
S2
S8
1
1
1
2
1
1
1
2
Escenario Muestra
Subescenario (Apertura)
Se omite
1
2
2
2
2
2
Escenarios
S2
S8
1
1
1
2
1
1
1
2
Escenario Muestra
Se omite

64
optimizacin con un conjunto de restricciones adicionales que pueden resultar intiles y su efecto
sobre la eficiencia del algoritmo de optimizacin usado para resolver los subproblemas
elementales de cada nodo podra ser desfavorable, dependiendo de las caractersticas de este
ltimo
16
. En particular con el solver CPLEX [18], los problemas cuadrticos elementales son
resueltos usando un algoritmo de barreras, para el cual un aumento del nmero de restricciones se
traduce en un aumento de la dimensin del problema irrestricto penalizado a resolver, con el
consecuente aumento del tiempo de computo.
Tanto para un modelo estocstico de Markov como para uno autorregresivo, la
aproximacin de la FCFE
`
, , t s k
en la etapa t, secuencia s e iteracin k, estar sujeta a errores. Si
se designa
tk
al valor verdadero de la aproximacin, entonces, con abuso de notacin, la
aproximacin se puede escribir como:

`
, , , , , , , , , ,
, con 0,
t s k tk t s k t s k t s k t s k
= + > R (4.28)

obviando errores en las pendientes.
Los valores
, , t s k
y
, , t s k
son representaciones de las desviaciones separadas por
naturaleza.
, , t s k
corresponde a la componente del error en la aproximacin debido a que las
FCFE de la etapa siguiente slo es minorada por hiperplanos, por lo que siempre es positivo en el
sentido que produce que la estimacin se encuentre por debajo del valor verdadero. En cambio
, , t s k
sera un cierto sesgo de la estimacin que puede existir porque no es obtenida a partir de
todos los escenarios futuros posibles. Se trata efectivamente de un estimador del valor esperado
que puede estar influenciado por la secuencia a la que pertenece, pudiendo tener, en principio,
cualquier signo. Para el caso de los modelos autorregresivos este valor se cree muy pequeo si la
apertura es grande. Para el caso de cadenas de Markov con la metodologa expuesta, adems del
error anterior, se introduce el corrimiento de la FCFE por efecto de la diferencia entre la
correlacin hidrolgica entre el subproblema de la etapa perteneciente a la secuencia y los de las
aperturas; lo que equivale a despreciar el segundo trmino, del tercer grupo de restricciones en
(4.25). Este incremento adicional del sesgo al usar cadenas de Markov se puede evitar
construyendo tambin aproximaciones de la FCFE para los subproblemas de aperturas. Si adems
se dispone de las probabilidades de transicin entre las aperturas de una etapa y la siguiente, y
dado que se tienen los cortes procedentes de los subproblemas de la etapa subsiguiente, para
construir las aproximaciones necesarias de la FCFE en un nodo, basta hacer el promedio
ponderado por probabilidades de dichos cortes, con la salvedad de que esta nueva aproximacin
de la FCFE en nodos de apertura no ser calculado en el punto determinado en ese nodo en la
fase forward del proceso iterativo, sino que en el punto calculado en el nodo de la secuencia. Esto
se ilustra en la Figura 4.6.
Al mezclar las aproximaciones de la FCFE obtenidas en secuencias distintas, ya sea en
etapas donde no existe correlacin hidrolgica con el pasado en el caso de Markov o para
cualquier etapa en el caso autorregresivo, se debe tener en consideracin que el sesgo puede tener

16
En algoritmos de optimizacin que se acercan al ptimo por la periferia de la regin factible un aumento
del nmero de restricciones podra acelerar la convergencia al incrementar la cantidad de vrtices de sta, generando
atajos para llegar al punto ptimo.

65
cualquier signo. As, para aproximaciones cercanas, es decir, calculadas en torno a similares
decisiones, prevalecer la ms cara, producto de que ellas se introducen como aproximaciones
inferiores de la FCFE en el modelo de optimizacin. Otro argumento en pro de estudiar la
conveniencia de mezclar aproximaciones construidas durante el proceso de clculo en distintas
secuencias.
Figura 4.6: Aprovechamiento de cortes para construir aproximaciones de la FCFE en los subproblemas de
las aperturas.

Por otro lado, la metodologa de resolucin propuesta requiere que las hidrologas
sorteadas en los subproblemas de apertura en cada etapa permanezcan fijas, debido a que se
deben mantener las aproximaciones internas de la FCF al interior de los subproblemas de las
etapas, entre los problemas de despacho correspondientes a los bloques de demanda en los que se
descompuso el subproblema de la etapa. Esta metodologa efectivamente muestrea el rbol de
escenarios.
Metodolgicamente, el programa SDDP [6] efecta en la fase backward del algoritmo en
cada etapa un nuevo sorteo, construccin y resolucin de subproblemas de apertura para estimar
la FCFE en un punto. Con ello se intentara aumentar la aleatoriedad del sesgo de las
aproximaciones. Si bien esta opcin es atractiva, puede resultar contraproducente por dos
motivos. El primero, el aumento del gasto computacional que significa construir y resolver
completamente desde cero nuevos subproblemas apertura. El segundo, en la aproximacin de las
FCFE en torno al punto ptimo, si se asume la existencia de sesgo, prevalecer la aproximacin
ms cara, es decir, la que ha sido calculada en el sorteo con resultado de mayor sesgo positivo;
esto es, cuando se sorte el conjunto de hidrologas ms secas para los subproblemas apertura.

4 4. .3 3. .6 6. . C Co ot ta as s y y C Cr ri it te er ri io os s d de e C Co on nv ve er rg ge en nc ci ia a
Cuando se resuelve el rbol completo, y considerando el proceso iterativo sealado en
4.3.3, resulta que, en cada iteracin (forward-backward), el valor de la funcin objetivo en el
subproblema de la primera etapa
0,k
se ir acercando progresivamente al valor ptimo, pero
2
2
Escenarios
S2
S8
2
1
1
1
2
Escenario Muestra
Ligazn entre aperturas
3, ,1 k
3, ,2 k
3, ,1 k
3, ,2 k
1,2
3
E
2,1
3
E
2
2
Escenarios
S2
S8
2
1
1
1
2
Escenario Muestra
Ligazn entre aperturas
3, ,1 k
3, ,2 k
3, ,1 k
3, ,2 k
1,2
3
E
2,1
3
E

66
como la funcin de costos futuros vistos desde la primera etapa es aproximada inferiormente,
resultar subvaluada. De ello se desprende que
0,k
es una cota inferior del valor verdadero de
0
,
es decir,

0, 0 k
(4.29)

La resolucin del problema (4.13) conlleva la determinacin de una cantidad fija,
0
, ya
que se conoce el valor preciso de la v.a., al igual que el lado derecho del subproblema en la etapa
inicial. Este subproblema involucra implcitamente el valor esperado de funciones aleatorias
( )
t t
x dependientes del proceso
NT
t 2
{ }
t =
. Por otro lado, el vector solucin de los subproblemas
de cada etapa, pueden modelarse como otro proceso estocstico,
NT
t 1
{ }
t =
x , dependiente del proceso
t
{ } . As, se puede definir la v.a. z, como:

NT
1
( ) ( )
i NT NT
i
f
=
= +
z x x (4.30)
cuyo valor esperado es precisamente
0
.
De igual forma, como los costos futuros usados en cada nodo del rbol de escenarios
son slo aproximaciones inferiores, resulta que las soluciones respectivas son subptimas, y por
ende los costos medios de operacin sobre todos los escenarios del rbol estarn por sobre el
ptimo. Si
t,s,k
{ }, 1,..., NT, 1,..., NS t s = = x son las soluciones obtenidas en cada nodo del rbol
en la iteracin k, con NS nmero total de escenarios y se define:

, , , , ,
1
( ) ( )
NT
s k t s k NT NT s k
t
z f x x
=
= +
(4.31)

la aproximacin k de la v.a. z en el escenario s, se tendr que su valor medio Z
k
es una cota
superior para
0
, es decir:

NS
,
1
1
NS
Z
k s k
s
z
=
=

(4.32)
y finalmente:

0, 0
Z
k k
(4.33)

Si se resuelven todos los escenarios posibles, cuando se trabaja con v.a. discretas, el
resultado carece de incertidumbre y se podra afirmar que las cotas estarn tan cerca como se
desee si se itera lo suficiente. Luego, es posible usar la expresin (4.33) como criterio de
convergencia para un nivel de tolerancia , es decir, el proceso iterativo se detiene cuando:


67

0,
Z
k k
(4.34)

Producto de que no se tiene una clara nocin de la magnitud de
0
se puede usar un
criterio porcentual. Por otro lado, el criterio sealado en (4.5) entrega seales de la magnitud de
las correcciones a la funcin de costo futuro que puede ser usado como segundo criterio de
detencin cuando la expresin (4.34) an no se cumple. Si esto ocurre indicara que el valor de
en (4.34) es demasiado exigente para la magnitud de las sensibilidades del problema y por tanto
se prev que se debera iterar demasiado para satisfacerlo.
Producto de que el rbol de escenarios es muestreado sobre la base de escenarios S NS
y dado que la v.a. hidrolgica es en realidad una v.a. continua, slo se tendr un estimador de la
media de z,
Z , en cada iteracin:

S
,
1
1
S
Z
k s k
s
z
=
=

(4.35)

cuya desviacin estndar se calcula como sigue:

2
,
1
1
( )
1
Z Z
S
k k s k
s
z
S

=
=

(4.36)

Dicha desviacin estndar refleja la incertidumbre alrededor del estimador, por lo que un
criterio de convergencia como (4.33) no sera apropiado, ya que jams podra llegar a cumplirse
si el valor de S y del nmero de aperturas en cada etapa no es lo suficiente grande. Luego, un
criterio global de convergencia, dado los valores de S y NA
t
, debe contemplar la incertidumbre
existente; esto sera a travs de un intervalo de confianza. Si se asume que z tiene una
distribucin normal, se puede calcular el umbral de un intervalo de confianza de un distribucin
normal N(0,1), N

, para un intervalo de confianza de probabilidad 1-. De esta manera, el
criterio de convergencia global ser [4]:

0,
Z Z
k k k
N

(4.37)

Por ejemplo, para un intervalo de confianza con probabilidad de 95%, el criterio de
convergencia ser:

0,
1.96 Z Z
k k k

(4.38)


68
4 4. .4 4. . D Di is sc cu us si i n n y y M Me et to od do ol lo og g a a P Pr ro op pu ue es st ta a
4 4. .4 4. .1 1. . C Ca ar ra ac ct te er r s st ti ic ca as s H Hi id dr ro ol l g gi ic ca as s e en n C Ch hi il le e
En Chile, se admite que un ao hidrolgico comienza el mes de Abril de cada ao
calendario y termina el mes de Marzo del ao siguiente. Durante el primer semestre, bsicamente
otoo e invierno, se considera que los caudales afluentes a las centrales proceden directamente de
las precipitaciones en forma lquida; mientras que en el segundo, primavera-verano, el caudal de
los afluentes se debe principalmente al agua procedente de los deshielos de la nieve acumulada en
la cordillera durante el primer semestre. As, en un contexto intra-anual, la dependencia de los
caudales de los segundos seis meses del ao tendra, por un lado, una fuerte correlacin con sus
valores pasados en los primeros seis y, por otro, una caracterstica casi determinstica en el
segundo semestre.

4 4. .4 4. .2 2. . M Mo od de el lo o d de el l P Pr ro oc ce es so o d de e C Ca au ud da al le es s A Af fl lu ue en nt te es s e en n l la as s E Et ta ap pa as s
Las secuencias de subproblemas de etapa y subproblemas de aperturas, en cada una de
ellas, quedan determinados por los caudales afluentes a las centrales hidrulicas en los problemas
de despacho y constituyen muestras o exploraciones del rbol de escenarios. La metodologa
usada para generar dichas secuencias y aperturas, vale decir, el tipo de modelo a usar para el
proceso estocstico de caudales afluentes es, en gran medida, independiente de la metodologa
empleada para resolverlo, siendo igualmente vlida si se usara programacin dinmica
estocstica. Mientras las opciones para modelar el proceso estocstico de caudales aparecen
mltiples, entre las que se pueden citar: cadenas de Markov, procesos autorregresivos peridicos
y clustering de estadsticas histricas, como las ms conocidas. La metodologa de resolucin
para el caso multiembalse, en un enfoque de clculo numrico, es el algoritmo de
descomposicin anidada de Benders estocstico, resuelto usando la tcnica FFFB, y la versin
determinstica del mismo algoritmo en los subproblemas de las etapas.
La construccin de un modelo de proceso estocstico detallado para representar las
variables aleatorias de caudales en los subproblemas de etapas escapan al propsito central de
este trabajo de tesis. No obstante, se propone e implementar una metodologa heurstica sencilla
para construir las secuencias y aperturas hidrolgicas en base a las tablas de caudales histricos
disponibles, la que podr ser reemplazada sin necesidad de alterar el algoritmo de resolucin.
Esta problemtica da origen el trabajo de ttulo [20]
Las secuencias hidrolgicas sern construidas encadenando aos hidrolgicos histricos
completos al azar. Esto es, la secuencia hidrolgica es parcelada en aos hidrolgicos y luego a
cada uno de ellos se le asocia un ao hidrolgico de la estadstica histrica, por sorteo. De esta
forma, el conjunto de valores de caudal usado para los afluentes en cada etapa del problema,
dentro de un ao hidrolgico en la secuencia, corresponde a los de la tabla estadstica para la
misma etapa del ao estadstico seleccionado. Por ejemplo, si se dispone de una tabla estadstica
histrica de 40 aos y se debe construir un secuencia que abarque 3 aos hidrolgicos, una
secuencia construida podra ser {ao 40, ao 6, ao 19}.
Para la construccin de aperturas se usar un procedimiento similar al anterior. Si se
requiere construir NA aperturas para una etapa, se sortean de la estadstica hidrolgica histrica
NA-1 aos, ya que el nmero NA corresponde al de la secuencia. As, los valores de caudal usados

69
en los subproblemas apertura de una etapa corresponden a los valores de la tabla estadstica, para
esa misma etapa, del ao sorteado.
Producto de que no se tiene disponibilidad de distribuciones de probabilidad, todos los
sorteos son efectuados al azar. Esto es correcto en el mbito interanual, donde existe
independencia entre un ao y el siguiente. No obstante, es defectuoso en el mbito intra-anual
debido a la correlacin temporal. Para reducir este defecto, se har uso de la percepcin de
determinismo existente en los periodos de deshielo, correspondiente al segundo semestre del ao
hidrolgico, considerando que las etapas pertenecientes a esos periodos no tienen variabilidad
hidrolgica, lo que equivale a asignarles un valor para la apertura de su v.a. de uno. Un estudio
ms detallado respecto de este tema se encuentra en [20].
Tomar los datos directamente de tablas estadsticas asegura que las realizaciones de las
v.a. en una etapa conserven la correlacin espacial entre cuencas y la variabilidad entre aos
hidrolgicos. El desconocimiento del las probabilidades de transicin para las aperturas podra
incrementar, aleatoriamente por cierto, el sesgo en el clculo de las aproximaciones de la FCFE
en el mbito intra-anual, al aumentar en demasa la variabilidad hidrolgica y el efecto de no
considerar el corrimiento de su valor medio. Esto, no invalida la metodologa de resolucin, pero
si podra debilitar la calidad de los resultados obtenidos al introducir ruido aleatorio extra.

4 4. .4 4. .3 3. . E Es st tr ra at te eg gi ia a d de e R Re es so ol lu uc ci i n n d de e S Se ec cu ue en nc ci ia as s A Ai is sl la ad da as s
Se ha sealado anteriormente que la conveniencia de mezclar aproximaciones de la FCFE,
procedentes de secuencias distintas no es clara. Esto se debe a que la nica instancia concreta en
la que dichas aproximaciones efectivamente se uniran es en la representacin de la FCFE en el
subproblema de la primera etapa. En consecuencia, se propone que la resolucin de cada
secuencia se haga por separado. Esto resulta muy atractivo desde el punto de vista prctico, en
una primera implementacin de la metodologa y algoritmo, por los siguientes motivos:
Reduccin de los tiempos de acceso a memoria: la resolucin de cada secuencia involucra
una importante cantidad de datos que deben ser mantenidos en memoria por cuestiones de
eficiencia. Resolver simultneamente todas las secuencias solicitadas involucrar un
volumen de datos tal que sera necesario el uso de archivos y bases de datos en lnea, con
el consecuente incremento de los tiempos asociados a lectura y escritura de informacin.
Paralelizacin directa: sin intervencin de complejos mecanismos de coordinacin de
procesos paralelos, las secuencias se pueden resolver directamente en procesadores
independientes para, finalmente, acoplar todas las aproximaciones de la FCFE construidas
para el subproblema de la primera etapa a partir de todas las secuencias resueltas y volver
a resolver slo el subproblema de la primera etapa.
Modelo autorregresivo mnimo: al optar por el uso de modelos autorregresivos, dado que
las secuencias se resolveran por separado, slo es necesario trabajar con modelos de
orden 1, en relacin con cada secuencia. Este enfoque sera ms econmico, desde el
punto de vista computacional, que la construccin de aproximaciones de la FCFE para
cada subproblema de apertura cuando se usan cadenas de Markov, en el caso de que se
persiga minimizar el sesgo por correlacin temporal de la hidrologa.
Liberacin del parmetro S: en forma directa el parmetro S podra incrementarse si se
considera que el intervalo en torno al cual podra encontrarse el costo de la primera etapa,

70
(ecuaciones (4.33) y (4.37)) es demasiado amplio, haciendo el clculo incorporando
nuevas secuencias.
Como primer estudio en la lnea de aclarar el beneficio de mezclar aproximaciones de la
FCFE calculadas en secuencias distintas, se propone el almacenamiento y uso de estas
aproximaciones en las etapas de fin de ao, donde no existe correlacin temporal. Esta
informacin puede acumularse en bases de datos, de modo que pueda ser usadas en forma
consecutiva. Esto es, en la medida que se resuelve una nueva secuencia, se van incorporando las
nuevas aproximaciones all calculadas y se usan las existentes. De esta manera, se podr
contrastar las caractersticas de convergencia de las secuencias y el efecto sobre la decisin de la
primera etapa cuando las representaciones de la FCFE en un fin de ao usan y cuando no, la
informacin existente en la base de datos.

4 4. .5 5. . D De es sc cr ri ip pc ci i n n d de el l A Al lg go or ri it tm mo o C Co om mp pl le et to o
4 4. .5 5. .1 1. . A As sp pe ec ct to os s G Ge en ne er ra al le es s y y C Co on nv ve en nc ci io on ne es s
El algoritmo a describir en estas pginas hace uso de una cadena de Markov para modelar
el proceso estocstico hidrolgico. Se requiere que los vectores de caudales afluentes, tanto para
las secuencias hidrolgicas como las aperturas, sean generados previamente y se encuentren
disponibles, al igual que todas las probabilidades de transicin respectivas.
Producto que, por construccin, todos los problemas de optimizacin posibles de ser
planteados son factibles, el algoritmo explicitado se centra en el manejo de cortes de optimalidad.
Por esto, se obvian en su concepcin los cortes de infactibilidad y los manejos de bloqueos de la
recursin forward en una secuencia por efecto de la infactibilidad de un problema. En cualquier
caso, una extensin de la metodologa para cubrir este aspecto es directa.
Los subproblemas de optimizacin que deben ser resueltos en cada paso de una recursin
backward o forward son del tipo de problema de despacho hidrotrmico para un bloque de carga,
un vector de caudales afluentes y una representacin de la FCFE como el sealado en (4.10). La
metodologa de resolucin de cada subproblema no es relevante para esta fase del algoritmo. Sin
embargo, el uso de un algoritmo que pueda aprovechar al mximo la informacin de resolucin
de problemas pasados reducir los tiempos de ejecucin. En particular, la aplicacin de SQP
permite el uso de la solucin anterior del mismo problema como punto de partida para resolver el
problema no-lineal perturbado, ya sea por la introduccin de un nuevo corte o por un cambio en
el estado inicial de llenado de los embalses. Para ello, se plantea el primer problema cuadrtico
elemental de la metodologa en torno a la ltima solucin conocida del mismo problema. Si el
algoritmo de resolucin de problemas cuadrticos elementales permite inducirle bases ptimas, se
podran reducir an ms los tiempos de ejecucin, almacenando y usando, adems de la ltima
solucin, la ltima base ptima.

La siguiente tabla resume la simbologa usada para la descripcin del algoritmo y sus
variantes.


71
Tabla 4.1: Simbologa aplicable al algoritmo de coordinacin hidrotrmica.
ndices
s : ndice de secuencia hidrolgica sorteada. s = 1,...,S.
i : ndice de apertura hidrolgica sorteada, ligada a una secuencia. En cada etapa: i = 1,...., NA
t
.
t : ndice de etapa o intervalo de tiempo del horizonte de estudio. t = 1,...., NT.

b
: ndice del bloque o fraccin de la curva de duracin de la demanda, b = 0,..., NB. b = 0 se usa
para identificar estados iniciales de los embalses en problemas para bloque 1.
Variables
1,b
k
v
: vector de estado de llenado de los embales en la etapa 1, bloque b en la iteracin k.
,
, ,
t b
s i k
v
: vector de estado de llenado de los embales al final de la etapa t, bloque b; en la secuencia s,
apertura i e iteracin k.
,
,
t b
s k
x
: vector solucin del problema de despacho de la etapa t, bloque b; para la secuencia s, en la
iteracin k.
,
, ,
t b
s i k
: corte de Benders, obtenido de la solucin del problema de despacho correspondiente.
1,b
k
: conjunto de aproximaciones de la FCF en el problema de la etapa 1, bloque b en la iteracin k.
,
, ,
t b
s i k

: conjunto de aproximaciones de la FCF en el problema de la etapa t, bloque b; para la secuencia s,
apertura i en la iteracin k.
0,k
: valor de la funcin objetivo del problema del primer bloque, primera etapa, en la iteracin k.
1
k : conjunto de aproximaciones de la FCFE modelada al final de la etapa 1 en la iteracin k.
, ,
t
s i k

: conjunto de aproximaciones de la FCFE modelada al final de la etapa t; para la secuencia s,
apertura i en la iteracin k.
Parmetros
,
a
t
s i

: vector de caudales afluentes en la etapa t, secuencia s y apertura i.
,
( , , )
t b
P

: problema de despacho para la etapa t, bloque de carga b, planteado con un estado inicial de
llenado de los embalses de
, 1
, ,
t b
s i k
v

, con caudales afluentes de
,
a
t
s i
y la representacin aproximada
de la FCF de
,
, ,
t b
s i k
.

A Ac co op pl la am mi ie en nt to o d de e c co or rt te es s e en nt tr re e b bl lo oq qu ue es s y y e et ta ap pa as s
La metodologa propuesta involucra el tratamiento de los bloques de la curva de duracin
de carga como si fueran sub-etapas acopladas temporalmente. De esta manera, el estado inicial de
llenado de los embalses para cada subproblema de despacho del primer bloque de una etapa ser
el estado final calculado en el subproblema de despacho del ltimo bloque, para el subproblema
de despacho con la hidrologa de la secuencia de la etapa anterior. As, el acoplamiento temporal
de las variables de nivel de llenado de los embalses del sistema se resume en la siguiente
expresin:

B 1,0 , N
, , ,1,
,
t t
s i k s k
v v i
+
= (4.39)


72
Se entiende que el estado final de los embalses al final de una etapa en una secuencia es
aquel calculado para la hidrologa cuyo ndice de apertura corresponde a dicha secuencia, que por
convencin se asumir que es la nmero 1. Mientras las representaciones de la FCF entre
subproblemas de bloques de carga se mantiene, la FCF que enfrenta el subproblema del ltimo
bloque de carga corresponde a la FCFE de la etapa y por ello se le asigna la representacin de
esta curva construida hasta la iteracin en curso. Si se aprovecha esta instancia para introducir el
efecto de la tasa de descuento
t
, resulta:

B ,N
, ,
, ,
t
t
s i k
s i k t
= (4.40)

ya que la FCFE representa los costos futuros vistos al final de la etapa y el problema se
resuelve representando los costos al inicio de ella.
La forma en que se propaga la informacin se ilustra en Figura 4.7 y Figura 4.8, para la
etapa dos secuencia uno, (correspondiente al escenario 2), en el problema de tres etapas con dos
secuencias y apertura de dos hidrologas.
Una nueva aproximacin de la FCFE se construye a partir de los cortes de Benders
procedentes de los subproblemas de despacho del primer bloque de la etapa siguiente para las
aperturas hidrolgicas. En el enfoque ms general, se debe construir una nueva aproximacin de
la FCFE para cada apertura, en la recursin backward del proceso iterativo. Sobre la base de la
ecuacin (4.11) y (4.19), si
A
t
N t+1,1
s,i,k i=1
{ } es el conjunto de cortes de Benders procedentes de la
resolucin de los subproblemas de primer bloque de la etapa t+1,
1 1,1
1,1 , , , ,
( , a , )
t t t
t s k s i s i k
P v
+ +
+
, una nueva
aproximacin de la FCFE en la etapa t se obtiene, a partir de las probabilidades respectivas como:

`
A
t
N
1,1
, , , , , , , ,
1
( ) ( )
t
t t t
s k s j i s i k s k s j k
i
v p v
+
=
=
(4.41)

Figura 4.7: Propagacin de la informacin de estados iniciales de llenado de los embalses entre
subproblemas de bloque y de etapa. Fase forward del proceso iterativo.
2,0
1,k
v
2,1
1,k
v
2,2
1,k
v
2,3
1,k
v
2,3
1,k
v
2,3
1,k
v
3,0
1,1,k
v
3,1
1,1,k
v
3,0
1,2,k
v
3,1
1,2,k
v
1,3
k
v
Etapa 2 Etapa 3
2,0
1,k
v
2,1
1,k
v
2,2
1,k
v
2,3
1,k
v
2,3
1,k
v
2,3
1,k
v
3,0
1,1,k
v
3,1
1,1,k
v
3,0
1,2,k
v
3,1
1,2,k
v
1,3
k
v
Etapa 2 Etapa 3

73

Figura 4.8: Propagacin de la informacin de cortes de Benders entre subproblemas de bloque y de
etapa. Fase backward del proceso iterativo.

C Co ot ta a s su up pe er ri io or r d de e l la a c co on nv ve er rg ge en nc ci ia a
Para poder contrastar los costos futuros esperados derivados de la operacin del sistema
en las condiciones dadas por los escenarios de las secuencias con la aproximacin de la FCFE, es
necesario modificar la expresin (4.31), para que incorpore la tasa de actualizacin y la
descomposicin en bloques de carga. El costo de operacin de la secuencia s es:

B NT N
,
, ,1, 1 , ,
1 1
( ) ' ( ) '
t b
OP
s k s k t NT NT s k NT
t b
z C x x
= =
= +
(4.42)
donde '
t
corresponde a la acumulacin de las tasas de descuento de todas las etapas hasta la t,
es decir:

1
'
t
t t
i

=
=
(4.43)

I It te er ra ac ci i n n c ce er ro o
Las primera iteracin del proceso de clculo involucra la resolucin de problemas de
optimizacin sin informacin de FCF y FCFE. Por ello, se propone hacer primeramente un
conjunto de recursiones backward para niveles prefijados de la variable de estado inicial de
llenado de los embalses. Esto podra interpretarse como un mecanismo de acumulacin de
informacin de las funciones de costos futuros (esperados) a la manera de la programacin
dinmica.
En trminos generales, los embalses de un sistema con similares caractersticas, en
ausencia de congestiones, tenderan a variar sus cotas de forma pareja. As, podra resultar
beneficioso para la convergencia del algoritmo, obtener aproximaciones de las FCF/FCFE en
torno a valores iguales de llenado de los embalses. Como punto de partida de esta heurstica se
comenzar el proceso iterativo por una recursin backward en la que el nivel de llenado inicial de
2,1
1,k
2,2
1,k
2,3
1,k
`
3
1,k
3,1
1,1,k
3,1
1,2,k
3,1
1,1,k
3,2
1,1,k
3,1
1,2,k
3,2
1,2,k
2,1
1,k
Etapa 2 Etapa 3
2,1
1,k
2,2
1,k
2,3
1,k
`
3
1,k
3,1
1,1,k
3,1
1,2,k
3,1
1,1,k
3,2
1,1,k
3,1
1,2,k
3,2
1,2,k
2,1
1,k
Etapa 2 Etapa 3

74
todos los embalses del sistema, en cada bloque y etapa, se encuentra en el 50% de su capacidad.
Se sugiere como estudio, en esta lnea, la incorporacin de niveles iniciales apropiados de llenado
de los embalses del sistema para la iteracin cero, que puedan acelerar la convergencia. Estos
podran ser, por ejemplo, los niveles histricos de los embalses o bien los niveles obtenidos en
ejecuciones pasadas del algoritmo obtenidos para secuencias similares a las sorteadas.

4 4. .5 5. .2 2. . R Re es so ol lu uc ci i n n d de e S Se ec cu ue en nc ci ia as s e en n F Fo or rm ma a S Si im mu ul lt t n ne ea a
Como primera versin del algoritmo de resolucin del problema de coordinacin
hidrotrmica se presentar aquel en la cual las exploraciones del rbol de escenarios se resuelven
simultneamente sin mezclar las aproximaciones procedentes de secuencias distintas y como
variante, aquella en que no.
El nmero de aperturas para los problemas de segunda etapa es uno, ya que las secuencias
cumplen el rol de aperturas en la construccin de las aproximaciones de la FCFE de la primera
etapa. Para reducir el nmero de instrucciones de condicin en la presentacin del algoritmo, se
simplificarn las operaciones ligadas a variables de la primera etapa, con la siguiente convencin:

1 1
,1,
1, 1,
,1,
1, 1,
,1,
,
,
,
s k k
b b
s k k
b b
s k k
s
s
v v s

=
=
=
(4.44)

( (I In ni ic ci ia al li iz za ac ci i n n) )
1. I ni c i al i zar pr oc eso: k = 0,
1,
0
(0.5, 0.5,....)
b
v = ,
,
, ,0
(0.5, 0.5,....)
t b
s i
v = , { }
1,
0
( )
b
v = ,
{ }
,
, ,0
( )
t b
s i
v = ,
{ }
1
0 ( ) v = ,
{ } , ,0 ( )
t
s i v = .
( (R Re ec cu ur rs si i n n B Ba ac ck kw wa ar rd d) )
2. For t = NT,...,1.
2.1. For s = 1,...,S.
2.1.1. For i = 1,...,NA
t
.
2.1.1.1. Asi gnar
,
, ,
, ,
B
t
t N
s i k
s i k t
= , ecuacin (4.40)
2.1.1.2. For b = NB,,1.
2.1.1.2.1. Resol ver pr obl ema
, 1 ,
, , , , , ,
( , a , )
t b t t b
t b s i k s i s i k
P v
, ecuacin (4.10)
2.1.1.2.2. al mac enar
( )
, , 1 , 1 ,
, , , , , , , , , ,
( ) Corte de Benders ( , a , )
t b t b t b t t b
s i k s i k t b s i k s i s i k
v P v

= ,
ecuacin (4.11)
2.1.1.2.3. Si b >1 asi gnar
{ }
, 1 , 1 , , 1
, , , , 1 , , , ,
( )
t b t b t b t b
s i k s i k s i k s i k
v

= , ecuacin (4.12)
2.1.2. Si t > 1, For j = 1,...,NA
t-1
.

75
2.1.2.1. Const r ui r nueva apr ox i mac i n de l a FCFE
`
A
t
N
1
,0 ,1 ,0
,1, , , , , ,1, , ,
1
( ) ( )
t
t t t
i
v p v
=
=
, ecuacin (4.19)
2.1.2.2. Asi gnar
`
{ }
1 1 1
,0
, , , , 1
, , ,1,
( )
t t t
t
s j k s j k
s j k s k
v

=
2.1.3. Si (t = 1), br eak (s).

( (R Re ec cu ur rs si i n n F Fo or rw wa ar rd d) )
3. Asi gnar k = k+1.
4. For t =1,..., NT.
4.1. For s = 1,...,S.
4.1.1. For i = 1,...,NA
t
.
4.1.1.1. Asi gnar
,0 1,
, , ,1,
B t t N
s i k s k
v v

= .
4.1.1.2. For b = 1,,NB.
4.1.1.2.1. Resol ver pr obl ema
, 1 ,
, , , , , , 1
( , a , )
t b t t b
t b s i k s i s i k
P v
, ecuacin (4.10).
4.1.1.2.2. Al mac enar
( )
, , 1 ,
, , , , , , , , 1
Sub-Vector Solucion ( , a , )
t b t b t t b
s i k t b s i k s i s i k
v P v
= ,
ecuacin (4.11).
4.1.1.2.3. Si (i = 1) al mac enar
( )
, , 1 ,
, , ,1, ,1 ,1, 1
Vector Solucion ( , a , )
t b t b t t b
s k t b s k s s k
x P v
= ,
ecuacin (4.11).
4.1.1.2.4. Si (b = 1, t = 1) al mac enar
( )
1,0 1 ,1
0, 1,1 ,1, ,1 ,1, 1
Valor Optimo ( , a , )
t
k s k s s k
P v

= .
4.1.2. Si (t = 1), br eak (s).
5. Const r ui r z
s,k
, ecuacin (4.42).
6. Const r ui r
,
( ) Z
k s k
z , ecuacin (4.35).
7. Const r ui r

( ) ,
, Z Z
k k s k
z , ecuacin (4.36).

( (C Co on nv ve er rg ge en nc ci ia a y y F Fi in na al li iz za ac ci i n n) )
8. Si

0,
Z Z
k k k
N

, ecuacin (4.37), i r a paso 2.
9. Ter mi nar .

Para introducir la mezcla de aproximaciones de la FCFE en periodos sin correlacin entre
la hidrologa actual y la futura, bastara introducir y/o modificar la recursin backward de la
siguiente forma:

76
( (M Mo od di if fi ic ca ac ci i n n R Re ec cu ur rs si i n n B Ba ac ck kw wa ar rd d p pa ar ra a m me ez zc cl la ar r a ap pr ro ox xi im ma ac ci io on ne es s) )
2.1.2. Si ((t > 1) (corr(a
t
, a
t+1
) 0), For j = 1,...,NA
t-1
.
`
1
,0 ,1 ,0
, , ,1, , , , , ,1,
1
( ) ( )
A
t
N
t
t t t
s j k s k s j i s i k s k
i
v p v
=
=
, ecuacin (4.19)
2.1.2.2. Asi gnar
`
{ }
1 1 1
,0
, , , , 1
, , ,1,
( )
t t t
t
s j k s j k
s j k s k
v

=
2.1.3. Si ((t > 1) corr(a
t
, a
t+1
) = 0)
`
1
,0 ,1 ,0
,1, ,1, ,1, , , ,1,
1
( ) ( )
A
t
N
t
t t t
s k s k s i s i k s k
i
v p v
=
=
, ecuacin (4.19)
2.1.4. Si (t = 1), br eak (s).
2.2. Si ((t > 1) corr(a
t
, a
t+1
) = 0) , asi gnar
`
{ }

1 1 1
,0
1,1, 1,1, 1
,1, ,1,
1
( )
S
t t t
t
k k
s k s k
s
v

=
=

,
2.2.2. For s = 1,...,S., j = 1,...,NA
t-1
.
2.2.2.1. Asi gnar

1 1
, , 1,1,
t t
s j k k

= .

4 4. .5 5. .3 3. . R Re es so ol lu uc ci i n n d de e S Se ec cu ue en nc ci ia as s e en n F Fo or rm ma a I In nd de ep pe en nd di ie en nt te e
En esta versin del algoritmo el nmero de aperturas para el problema de segunda etapa
es mayor que uno. El subndice s se mantiene para diferenciar secuencias. La FCFE de la primera
etapa acumula la informacin de las aproximaciones obtenidas de la resolucin de todas las s-1
secuencias previamente calculadas, por lo que no lleva subndice s,
1,b
k
.
EL criterio de convergencia de una secuencia aislada no es directa, ya que en los
problemas de apertura la FCFE siempre estar subvaluada. Por ello, se implementarn varios
criterios para su estudio prctico. Un criterio basado en la ecuacin (4.5), se escribira, para una
tolerancia como:

1,1 1,1 1,1 1,1
,1, 1
( ) ( )
s k k k k
v v
(4.45)
No obstante, el valor de puede ser difcil de estimar a priori. Para ello se puede usar un
error porcentual p sobre el valor medio de la FCF. Esto es:

( )
1,1 1,1 1,1 1,1
,1, 1
1,1 1,1 1,1 1,1
,1, 1
( ) ( )
( ) ( )
100 2
s k k k k
s k k k k
v v
p
v v

+
(4.46)

Una variante ms directa del criterio anterior es sobre la base del valor de la funcin
objetivo
0,k
del primer subproblema bloque-etapa, entre recursiones backward sucesivas, que

77
puede ser interpretada como el valor de una FCF vista al principio del horizonte de evaluacin
para el estado inicial de llenado de los embalses
1, 0 b
k
v
=
:

( )
1,1 1,1
0, 1 0,
1,1 1,1
0, 1 0,
100 2
k k
k k
p

+
+
+
(4.47)

( (I In ni ic ci ia al li iz za ac ci i n n) )
1. I ni c i al i zar pr oc eso: k = 0, s = 0,
1,
0
(0.5, 0.5,....)
b
v = , { }
1,
0
( )
b
v = , ,
{ }
1
0 ( ) v =
2. I ni c i al i zar sec uenc i a s = s+1,
,
, ,0
(0.5, 0.5,....)
t b
s i
v = { }
,
, ,0
( )
t b
s i
v = ,
{ } , ,0 ( )
t
s i v =

( (R Re ec cu ur rs si i n n B Ba ac ck kw wa ar rd d) )
3. For t = NT,...,1.
3.1. For i = 1,...,NA
t
.
3.1.1. Asi gnar
,
, ,
, ,
B
t
t N
s i k
s i k t
= , ecuacin (4.40)
3.1.2. For b = NB,,1.
3.1.2.1. Resol ver pr obl ema
, 1 ,
, , , , , ,
( , a , )
t b t t b
t b s i k s i s i k
P v
, ecuacin (4.10)
3.1.2.2. al mac enar
( )
, , 1 , 1 ,
, , , , , , , , , ,
( ) Corte de Benders ( , a , )
t b t b t b t t b
s i k s i k t b s i k s i s i k
v P v

= , ecuacin
(4.11)
3.1.2.3. Si b >1 asi gnar
{ }
, 1 , 1 , , 1
, , , , 1 , , , ,
( )
t b t b t b t b
s i k s i k s i k s i k
v

= , ecuacin (4.12)
3.2. For j = 1,...,NA
t-1
.
3.2.1. Const r ui r nueva apr ox i mac i n de l a FCFE
`
A
t
N
1
,0 ,1 ,0
,1, , , , , ,1, , ,
1
( ) ( )
t
t t t
i
v p v
=
=
,
ecuacin (4.19)
3.2.2. Asi gnar
`
{ }
1 1 1
,0
, , , , 1
, , ,1,
( )
t t t
t
s j k s j k
s j k s k
v

=
4. Si (convergencia = verdadero), ecuacin (4.45) i r a 7.

( (R Re ec cu ur rs si i n n F Fo or rw wa ar rd d) )
5. Asi gnar k = k+1.
6. For t =1,..., NT.

78
6.1. For i = 1,...,NA
t
.
6.1.1. Asi gnar
B ,0 1,N
, , ,1,
t t
s i k s k
v v

= .
6.1.2. For b = 1,,NB.
6.1.2.1. Resol ver pr obl ema
, 1 ,
, , , , , , 1
( , a , )
t b t t b
t b s i k s i s i k
P v
, ecuacin (4.10).
6.1.2.2. Al mac enar
( )
, , 1 ,
, , , , , , , , 1
Sub-Vector Solucin ( , a , )
t b t b t t b
s i k t b s i k s i s i k
v P v
= , ecuacin
(4.11).
6.1.2.3. Si (i = 1) al mac enar
( )
, , 1 ,
, , ,1, ,1 ,1, 1
Vector Solucin ( , a , )
t b t b t t b
s k t b s k s s k
x P v
= , ecuacin
(4.11).

( (C Co on nv ve er rg ge en nc ci ia a y y F Fi in na al li iz za ac ci i n n) )
7. Const r ui r z
s,k
, ecuacin (4.42).
8. Si s < S ir a 2.
9. Const r ui r
,
( ) Z
k s k
z ,

( ) ,
, Z Z
k k s k
z ecuaciones (4.35) y (4.36).
10. Si

0,
Z Z
k k k
N

, i nc r ement ar S, i r a paso 2.
11. Ter mi nar .
Coordinacin Elctrica Hidrotrmica Captulo 5: Implementacin y Validacin

79
5 5. . I IM MP PL LE EM ME EN NT TA AC CI I N N Y Y V VA AL LI ID DA AC CI I N N
En el presente captulo se resumen los principales aspectos tanto del algoritmo
implementado como de la herramienta de software desarrollada para darle soporte. Igualmente, se
muestran algunos resultados de experiencias de clculo efectuadas con objeto de estudiar en
forma prctica las cualidades de la metodologa propuesta y permitir la medicin de la calidad de
los resultados que arroja.
La larga extensin de la herramienta de software desarrollada y la mltiple cantidad de
problemas de implementacin que fue necesario afrontar impiden, en los marcos de esta
exposicin, cubrir en detalle todos sus aspectos. Es por ello que la exposicin se enfoca en
caractersticas globales de los componentes que la conforman y de cmo ellos se entrelazan para
integrar el programa completo. Ms informacin de la herramienta, de sus diversos mdulos y
componentes se presenta en anexos. Caractersticas detalladas de bases de datos, interfaz grfica
y manuales de uso se encuentran en elaboracin y estarn disponibles como documentos internos
del rea de Energa del DIE.
Toda gran tarea debe tener un nombre que la identifique y sta no es la excepcin. Luego
de algunos desvaros la herramienta de software construida fue bautizada con el nombre
SEEDS
17
, por planificacin estocstica del despacho econmico de sistemas elctricos.

5 5. .1 1. . M Ma ar rc co o d de el l D De es sa ar rr ro ol ll lo o y y R Re eq qu ui is si it to os s I Im mp pu ue es st to os s a a l la a I Im mp pl le em me en nt ta ac ci i n n
5 5. .1 1. .1 1. . S So ob br re e e el l S So of ft tw wa ar re e e en n G Ge en ne er ra al l
La construccin de SEEDS se perfila bajo una serie de caractersticas ligadas a su
integracin con la plataforma DeepEdit y de la disponibilidad de libreras para la resolucin de
problemas cuadrticos elementales. Las siguientes caractersticas resumen aspectos generales del
desarrollo del software:
Lenguaje y metodologa de programacin: el trabajo fue implementado en lenguaje Java,
utilizando la metodologa de Programacin Orientada a Objetos (POO).
Libreras de optimizacin: las libreras disponibles para resolver problemas cuadrticos son
MINOS [19] y CPLEX [18]. A la primera se accede por medio de archivos de texto y
comandos de lnea, mientras que a la segunda, por medio de DLL
18
.
Base de Datos: por diseo, DeepEdit maneja la informacin para distintas condiciones de
operacin de un sistema elctrico, en bases de datos externas apropiadas para cada
herramienta. Continuando con dicha metodologa, la herramienta de coordinacin
hidrotrmica incorpora la construccin y uso de una base de datos externa. El motor de bases
de datos tpicamente empleado en las herramientas de DeepEdit es MS-Access por medio del
puente ODBC
19
de los sistemas operativos.

17
Stochastic Electric Economic Dispatch Scheduling.
18
DLL: Dynamic Link Library.
19
Open Data Base Connectivity.

80
Interfaz grfica interactiva: el manejo visual de informacin y control, como ventanas de
dilogo, diagramas esquemticos, tablas y grficos de datos, se llev a cabo bajo los
principios metodolgicos y enfoques en los que se basa DeepEdit, empleando las mismas
libreras y herramientas grficas.

5 5. .1 1. .2 2. . L La a H He er rr ra am mi ie en nt ta a d de e C Co oo or rd di in na ac ci i n n H Hi id dr ro ot t r rm mi ic ca a
El problema global (etapas anidadas) requiere la resolucin del problema de optimizacin
correspondiente a cada etapa, bloque de demanda e hidrologa del horizonte a evaluar. Por ello,
es necesario que el mecanismo de construccin y solucin de cada subproblema sea rpido y
eficiente. En este sentido, los siguientes puntos fueron considerados en la programacin del
algoritmo:
1. Construccin de una estructura del problema de optimizacin a resolver correspondiente
a aquel que represente un problema etapa-bloque con mayor nmero de variables y
restricciones que es vlido para un conjunto de etapas.
2. El problema anterior debera ser modificado entre etapas y bloques cambiando
nicamente parmetros de matrices y cotas, que no involucren cambios topolgicos de
manera de evitar la reconstruccin de la estructura del problema.
3. La solucin alcanzada en cada subproblema de etapa-bloque debe poder ser almacenada
y usada como punto de partida en la iteracin siguiente.
4. En las iteraciones forward, los problemas de las aperturas slo necesitan ser resueltos
hasta el penltimo bloque de carga.
5. Se trabaja con potencias en p.u. y con volmenes almacenamiento en embalses,
representados por un por porcentaje de su capacidad, para mejorar la deteccin de
errores.

5 5. .2 2. . I Im mp pl le em me en nt ta ac ci i n n: : R Re ep pr re es se en nt ta ac ci i n n H Hi id dr r u ul li ic ca a y y M Ma an ne ej jo o d de e I In nf fo or rm ma ac ci i n n
5 5. .2 2. .1 1. . L La a P Pl la at ta af fo or rm ma a D De ee ep pE Ed di it t
DeepEdit es una plataforma computacional basada en una arquitectura cliente-servidor
que permite describir y analizar las distintas componentes de un sector elctrico [10, 11, 12].
Esto, sin desacoplar los aspectos tcnicos de los econmicos. Algunos criterios que
condicionaron su diseo y construccin son:
Flexibilidad y facilidad en el mantenimiento y ampliacin de opciones de modelacin. Esto,
por medio de la programacin orientada a objetos.
Eficiencia en la comunicacin hombre mquina a travs de una interfaz grfica orientada.
Independencia de la plataforma computacional utilizada e incorporacin de tecnologa
Internet. Conseguido a travs de la tecnologa Java.
Facilidad en el desarrollo incorporacin y ejecucin de herramientas de anlisis tanto
cuantitativas como cualitativas. Alcanzada con la creacin de la base de datos orientada a
objetos.

81

La Figura 5.1 ilustra la arquitectura cliente-servidor de la plataforma. Las flechas grises
representan servicios requeridos por parte de los clientes a los respectivos servidores, en tanto
que las de color negro simbolizan un mero intercambio de datos. Las bases de datos BDR (Base
de datos de elementos Red), BDM (Base de datos del Mercado) y BDH (Base de datos de
elementos Hidrulicos) constituyen la parte medular del sistema, siendo sus servicios solicitados
por todas las componentes del sistema. La informacin contenida en la base de datos puede ser
modificada en lnea, a travs de los editores de red, de mercado e hidrulico.
Figura 5.1: Arquitectura del Sistema DeepEdit [11]. Se incluye la extensin a sistemas hidrulicos.

Tanto la base de datos de elementos hidrulicos como el editor hidrulico fueron
desarrollados en el contexto de este trabajo
20
.

5 5. .2 2. .2 2. . O Ob bj je et to os s P Pa ar ra a R Re ep pr re es se en nt ta ac ci i n n d de e S Si is st te em ma as s H Hi id dr r u ul li ic co os s
La Figura 5.2 resume las clases de objetos usadas para modelar un sistema hidrulico
asociado a un sistema elctrico de potencia. En ella se encadenan segn su jerarqua en el rbol
de herencia del diseo orientado a objetos ideado. Todos los objetos heredan de la clase
fundamental en java denominada object. La clase comp es la clase fundamental de objeto de
DeepEdit, mientras que hdb_comp lo es de todos los objetos hidrulicos. A su vez, la clase
hdb_unit es la clase padre de todas aquellas clases de objetos que representen alguna decisin
sobre un curso de agua. La descripcin y uso de los objetos hidrulicos es como sigue:
agreement (Convenio de regado): esta clase de objeto permite representar convenios
de regado en una cuenca hidrulica.
hdb_affl (Afluente natural): clase que modela un caudal de origen natural en algn
punto de una cuenca hidrulica.

20
Ms detalles en Anexo D.
Base datos orientada al objeto
BDR
Biblioteca de clases de
herramient as de anlisis
Editor de mercado
Editor de red
Interfaz
hombre-mquina
Manejo de eventos
y actuali zacin
Archivos
fuente
Editor de
archivos fuent e
Eventos externos
Cliente & Servidor
Cliente
Servidor
Cliente & Servidor
Cliente
Cliente
Sistema de
informacin geogrfica
Cliente
Editor hidrulico
Cliente
BDM BDH
Base datos orientada al objeto
BDR
Biblioteca de clases de
herramient as de anlisis
Editor de mercado
Editor de red
Interfaz
hombre-mquina
Manejo de eventos
y actuali zacin
Archivos
fuente
Editor de
archivos fuent e
Eventos externos
Cliente & Servidor
Cliente
Servidor
Cliente & Servidor
Cliente
Cliente
Sistema de
informacin geogrfica
Cliente
Editor hidrulico
Cliente
BDM BDH

82
hdb_link (enlace hidrulico): representa cursos hidrulicos como ros y canales.
Constituye el elemento central que conecta objetos en una cuenca.
hdb_ppur (central de pasada pura): modela centrales hidrulicas de pasada pura. Esto
es, que se encuentran aisladas y que slo reciben caudales provenientes de afluentes
naturales.
hdb_irr (canal de regado): permite representar extracciones de caudal de una cuenca
con fines de regado, los cuales no pueden volver a la cuenca aguas abajo. Estos
objetos son gobernados por los convenios de regado.
hdb_ser (unidad serie): modela una derivacin de caudales en una cuenca en serie
hidrulica con ella. Puede o no tener asociada un central hidrulica de pasada.
hdb_res (embalse): constituye una especializacin de la unidad serie, con la
capacidad de almacenar agua. Permite representar tanto embalses puros como
centrales de embalse en una cuenca.

Figura 5.2: rbol de herencia de objetos hidrulicos

Los sistemas hidrulico y elctrico se vinculan por medio de las centrales hidrulicas que
pueden ser de pasada pura, en serie hidrulica o de embalse. La Figura 5.3 resume los vnculos
entre objetos de la versin actual de DeepEdit, incluyendo los objetos hidrulicos bsicos, como
un todo. Esta figura corresponde a un adaptacin del esquema presentado en [21]. En la siguiente
seccin se incluyen algunos ejemplos de estos objetos en la esquematizacin de cuencas
hidrulicas para el caso del SIC chileno.
object
comp
hdb_comp
hdb_unit
hdb_ser
hdb_res
hdb_link hdb_affl
hdb_ppur hdb_irr
agreement
object object
comp comp
hdb_comp hdb_comp
hdb_unit hdb_unit
hdb_ser hdb_ser
hdb_res hdb_res
hdb_link hdb_link hdb_affl hdb_affl
hdb_ppur hdb_ppur hdb_irr hdb_irr
agreement agreement

83
Figura 5.3: Vnculos entre objetos de DeepEdit y de la base de datos de objetos hidrulicos.

5 5. .2 2. .3 3. . E Ed di it to or r H Hi id dr r u ul li ic co o
Para la representacin visual y la interfaz hombre-mquina, se desarroll el editor
hidrulico. En l, se simbolizan visualmente los objetos hidrulicos y se modelan las cuencas
asociadas a un sistema elctrico interactivamente. Cada objeto tiene la capacidad de mostrarse al
interior del editor, dando seales visuales de su estado. La Figura 5.4 muestra los smbolos
empleados para cada objeto y las variantes visuales para la unidad serie y de embalse..
Figura 5.4: Smbolos de objetos en el editor hidrulico y variantes para unidades de embalse y serie
hidrulica.

Suministro
Operador
Consumidor
Contrato
Carga
Barra
Generador
Transformador
Lnea
Embalse
Serie
Enlace
G
BDR
BDM
BDH
Afluente
Pasada
Pura
PURO
CON
FILTRACIONES
NORMALES
ASOCIADO A
GENERADOR
ELCTRICO
ASOCIADO A GENERADOR
ELCTRICO CON
FILTRACIONES
REUTILIZABLES
DERIVACIN
HIDRULICA
ASOCIADA A
GENERADOR
ELCTRICO
AFLUENTE UNIDAD DE
EMBALSE
UNIDAD
SERIE
CANAL DE
REGADO
CENTRAL DE
PASADA PURA
CONVENIO
DE REGADO
ENLACE
HIDRULICO
PURO
CON
FILTRACIONES
NORMALES
ASOCIADO A
GENERADOR
ELCTRICO
ASOCIADO A GENERADOR
ELCTRICO CON
FILTRACIONES
REUTILIZABLES
DERIVACIN
HIDRULICA
ASOCIADA A
GENERADOR
ELCTRICO
DERIVACIN
HIDRULICA
ASOCIADA A
GENERADOR
ELCTRICO
AFLUENTE UNIDAD DE
EMBALSE
UNIDAD
SERIE
CANAL DE
REGADO
CENTRAL DE
PASADA PURA
CONVENIO
DE REGADO
ENLACE
HIDRULICO
AFLUENTE UNIDAD DE
EMBALSE
UNIDAD
SERIE
CANAL DE
REGADO
CENTRAL DE
PASADA PURA
CONVENIO
DE REGADO
ENLACE
HIDRULICO

84
La representacin de una cuenca se visualiza como se muestra en la Figura 5.5. En ella se
aprecia parte del modelo de la cuenca del Maule; las centrales de embalse Rapel, Canutillar y
Cipreses. La modificacin de parmetros inherentes a cada objeto se puede efectuar en forma
interactiva como es usual en entornos computacionales grficos. La Figura 5.5 muestra la ventana
de parmetros de un objeto embalse, a la que se accede pulsando sobre l.

Figura 5.5: Editor hidrulico e interfaz de usuario. Ejemplo de muestra.

En el Anexo C se describen las cuencas hidrogrficas del Maule y del Laja y se visualiza
su representacin en el editor hidrulico. Entre los objetos hidrulicos que modelan cuencas
vinculadas al SIC se encuentran:
agreement : convenio de riego de la cuenca del Maule.
hdb_affl : afluentes a la Laguna del Maule, afluentes en la hoya intermedia a la
central Isla.
hdb_link : canal Isla rama Maule.
hdb_ppur : central Alfalfal.
hdb_unit : bocatoma Maule central Isla.
hdb_irr : canales para riego bajo central Machicura (Canal Sur 1, 2, 3, Canal San
Clemente, etc.) en cuenca del Maule.
hdb_ser : central Antuco en cuenca del Laja.
hdb_res : embalse puro Laguna del Maule, central de embalse Cipreses (Laguna de la
Invernada asociada a generador Cipreses) con filtraciones captadas aguas abajo por
central Isla.

5 5. .2 2. .4 4. . B Ba as se e d de e D Da at to os s P Pa ar ra a H He er rr ra am mi ie en nt ta a d de e C Co oo or rd di in na ac ci i n n H Hi id dr ro ot t r rm mi ic ca a
Por metodologa, los objetos en DeepEdit slo almacenan informacin correspondiente a
una condicin particular de operacin de un sistema elctrico. Por ello, el desarrollo de la
herramienta incluye el diseo y construccin de una base de datos para almacenar la informacin

85
necesaria de entrada y salida para un algoritmo de coordinacin hidrotrmica. Dicha base de
datos consta de un conjunto de tablas vinculadas entre las que destacan:
Estadsticas de caudales: para cada afluente natural el caudal histrico semanal.
Proyecciones de demanda: valores semanales para cada objeto de carga representado en
el sistema y parmetros para la construccin de la curva de carga.
Tablas de mantenimientos: contiene la informacin de salida parcial o total de servicio de
objetos elctricos e hidrulicos de un sistema.
Tablas de Escenarios: almacena la construccin de los escenarios a evaluar por la
herramienta de coordinacin, sobre la base de las tablas de caudales y las definiciones de
horizonte y etapas de simulacin. Un mdulo del programa construye esta tabla usando
los criterios establecidos en el captulo anterior. No obstante, puede ser construida por un
programa externo.

5 5. .3 3. . I Im mp pl le em me en nt ta ac ci i n n: : A Al lg go or ri it tm mo o
5 5. .3 3. .1 1. . O Ob bj je et to os s d de e l la a M Me et to od do ol lo og g a a d de e R Re es so ol lu uc ci i n n
Si bien un diseo rigurosamente orientado a objetos para construir el algoritmo mejora la
escritura, comprensin y mantenimiento del cdigo necesario para su implementacin, su
aplicacin intensiva acarrea ineficiencias en tiempos de ejecucin al incrementar excesivamente
el tamao y volumen de los mensajes, lo que acarrea un consumo excesivo de memoria y un
aumento de los tiempos de proceso por traspasos de informacin. Por ello, la implementacin del
algoritmo de coordinacin contempl el diseo de un conjunto de clases de objetos que asimilan,
dentro de lo conveniente, la abstraccin matemtica de los componentes del algoritmo. Los ms
relevantes son:
Corte de Benders (BC): objeto capaz de almacenar, procesar, evaluar y efectuar
operaciones aritmticas sobre cortes de Benders.
Funcin aproximacin por planos soportantes (SPAF): extiende la clase de objeto
Vector de Java, para almacenar un nmero indefinido de objetos BC. Es capaz de procesar
una coleccin de cortes y entregar una aproximacin inferior a la superficie que aproxima
basado en la informacin de cortes que contiene.
Problema etapa hidrologa (SHPM): representa un nodo del rbol de escenario. Se
identifica con un ndice de etapa e hidrologa. Esta clase de objeto almacena la
informacin de resultados de cada subproblema - bloque y la informacin de
aproximaciones a los costos futuros existentes entre dichos subproblemas; resuelve el
problema de la etapa en direccin forward o backward segn se le indique Para ello se
sirve de los objetos optimizador SHTPS y curva de costos futuros esperados (SPAF) con
los que se la vincule.
Optimizador de problemas etapa-bloque-hidologa (SHBPS): este tipo de objeto
almacena la estructura bsica de los subproblemas de optimizacin correspondientes a un
bloque de carga, etapa e hidrologa y los resuelve. Implementa la metodologa SQP
llamando a la librera que se le indique y optimiza el caudal de las centrales de pasada
pura con tanque de regulacin.
Herramienta Principal (SEEDS Tool): es la encargada de ejecutar el algoritmo ideado.
Para ello crea y usa los objetos descritos y la base de datos especifica del problema de
coordinacin hidrotrmica.

86

Figura 5.6: Diagrama de vnculos y mensajes entre objetos para dar forma al algoritmo.

Los diversos objetos que en conjunto conforman el algoritmo de coordinacin
hidrotrmica son creados y entrelazados por un nico objeto SEEDS_Tool. Esto, se resume en la
Figura 5.6. El nmero de objetos SHPM y la forma en como se vinculan a travs de mensajes es
anloga a la forma de resolucin de un escenario descrito en el Captulo 4. Cada objeto SHPM
hace uso de las aproximaciones de la curva de costos futuros esperados que le provee
SEEDS_Tool, y se comunica con ste a travs de mensajes de accin y objetos BC. Por otro lado,
se generan tantos objetos optimizadores de problemas de despacho SHBPS como estructuras
distintas de problemas se presenten a largo de las etapas del horizonte de estudio. As, en el mejor
de los casos cuando no existen cambios topolgicos en los sistemas elctricos o hidrulicos,
existir un nico objeto SHBPS que es vinculado con todos los objetos SHPM para proveerles los
servicios de resolucin.
Producto que los nicos objetos que efectivamente resuelven los problemas de
optimizacin son los SHBPS, slo stos se enlazan con las libreras de optimizacin y la base de
datos orientada a objetos de DeepEdit. En las etapas de inicializacin del algoritmo, la
informacin de la base de datos SEEDS es cargada a los objetos hidrulicos y de resolucin para
reducir los tiempos de traspaso de informacin y hacer ms fluida la programacin.

5 5. .3 3. .2 2. . I In nt te er rf fa az z d de e P Pa ar r m me et tr ro os s y y C Co on nt tr ro ol l d de e E Ej je ec cu uc ci i n n
Finalmente, para cubrir las necesidades de una interfaz hombre mquina flexible, se cre
un sistema que permite en forma interactiva crear, modificar, almacenar y ejecutar casos de
estudio. La Figura 5.7 muestra parte del conjunto de ventanas de usuario de la herramienta, por
medio de la cual se trabaja con la herramienta. Se muestran las ventanas principales de
parmetros generales, modelo de carga, definicin de etapas y ejecucin.
Obj. DeepEdit
Elctricos
Hidrulicos
SHPM
Etapa i:
h1, h21,,hNA
SPAF
Costo Futuro
Esperado Etapa i
SHBPS
SEEDS TOOL
Libreras Opt.
CPLEX
MINOS Base de Datos
SEEDS
Escenario
Secuencia
Deep Edi t Deep Edi t
Obj. DeepEdit
Elctricos
Hidrulicos
SHPM
Etapa i:
h1, h21,,hNA
SPAF
Costo Futuro
Esperado Etapa i
SHBPS
SEEDS TOOL
Libreras Opt.
CPLEX
MINOS Base de Datos
SEEDS
Escenario
Secuencia
Deep Edi t Deep Edi t

87

Figura 5.7: Ventanas de interfaz de usuario de herramienta de coordinacin hidrotrmica SEEDS.

5 5. .4 4. . S Si im mu ul la ac ci io on ne es s y y V Va al li id da ac ci i n n
5 5. .4 4. .1 1. . S Su ub bp pr ro ob bl le em ma a d de e D De es sp pa ac ch ho o T T r rm mi ic co o P Pa ar ra a u un n B Bl lo oq qu ue e d de e C Ca ar rg ga a
Con la herramienta desarrollada se resolvi el problema presentado en [16]. Este
problema corresponde a un despacho hidrotrmico multinodal para una condicin de operacin
instantnea, sin modelo hidrulico para las centrales hidrulicas presentes. Estas centrales
hidrulicas son modeladas como centrales trmicas con costo cero. El sistema consta de 9 nodos,
14 lneas, 13 generadores, 9 cargas; posee un capacidad de generacin de 1410 MW, mientras
que la carga total del sistema asciende a 1100 MW. La Tabla 5.1 resume la comparacin de
resultados obtenidos para cada tipo de variable.

Tabla 5.1: Contraste de resultados de despacho trmico multinodal en sistema de 9 barras.
mxima promedio mxima promedio
Generacin [MW] 4.38E-04 4.87E-05 4.38E-04 4.87E-05
Prdidas Lneas [MW] 3.73E-03 2.01E-03 3.73E-03 2.01E-03
Flujos Lneas [MW] 3.20E-02 7.44E-03 3.20E-02 7.44E-03
Precio Spot [US$/MWh] 4.51E-03 2.06E-03 4.50E-03 2.06E-03
Variable
MINOS CPLEX
Diferencias Absolutas


88
El modelo de prdidas empleado en el caso descrito es de tipo senoidal dado por la
expresin (3.9) y los costos trmicos de centrales son lineales. Por otro lado, se fuerza la igualdad
de las ecuaciones de balance de potencia en los nodos del sistema. La tolerancia usada en el
modelo SQP para los costos de la funcin objetivo es de 0.1%, y de 0.01% para el cumplimiento
de la igualdad de las ecuaciones de balance nodal. Por medio de ambas libreras, MINOS y
CPLEX, se alcanzan resultados prcticamente idnticos. Por tal motivo, los resultados de la Tabla
5.1 son casi indistinguibles.
Esta experiencia permite corroborar la calidad de los resultados entregados por la
herramienta en lo que respecta al despacho trmico multinodal con prdidas.

5 5. .4 4. .2 2. . S Su ub bp pr ro ob bl le em ma a d de e D De es sp pa ac ch ho o H Hi id dr ro ot t r rm mi ic co o P Pa ar ra a u un n B Bl lo oq qu ue e d de e C Ca ar rg ga a
La depuracin de resolucin de subproblemas de despacho hidrotrmico se efectu sobre
la base del resultado de la seccin anterior y anlisis de sensibilidad. En el supuesto que la
contraparte econmica del subproblema de despacho es resuelto correctamente, se analizaron por
inspeccin los resultados para variables hidrulicas entregados y se hizo anlisis de sensibilidad
para los multiplicadores asociados al agua de los embalses para verificar el correcto clculo de
los problemas.
Entre otros, el principal caso de prueba es un modelo reducido del SIC chileno incluyendo
una representacin de los sistemas hidrulicos existentes, entre ellos las cuencas del Laja y del
Maule. La parte elctrica del modelo contempla: 43 nodos, 78 lneas, 58 generadores y 42 cargas,
con una demanda total de 3950 [MW]. La parte hidrulica consta de 23 afluentes, 7 canales de
regado, 10 centrales de pasada, 6 embalses de los cuales 5 son centrales elctricas, 18 unidades
serie de las cuales 10 son centrales elctricas y 71 enlaces hidrulicos. Los costos trmicos
usados son lineales, los costos de falla cuadrticos y el modelo de prdidas empleado es tambin
cuadrtico. Ms detalles de este caso se encuentran en el Anexo C y en el CD que acompaa al
documento.
Los resultados mostrados se obtuvieron con el sistema descrito anteriormente para una
duracin del bloque de carga de un mes. El costo futuro es incluido en la forma de un nico corte
de Benders en el que todos los embalses se encuentran en su nivel medio de llenado. Dicho corte
se construy por medio de un procedimiento externo usando informacin pblica del valor del
agua de los embalses del SIC. A modo de ejemplo, la Tabla 5.2 muestra resultados de
sensibilidad del valor del agua del Lago Laja para un estado inicial de llenado de 3097 Mm
3
. En
ella, se muestran los valores del agua para la situacin base de comparacin y un caso de
incremento y decremento del estado inicial del volumen de agua embalsada. Para cada caso se
presenta el valor del agua calculado en dlares por decmetro cbico a partir de los
multiplicadores de Lagrange, una vez aplicada la metodologa SQP. En negrita se destacan los
principales valores a contrastar. Se observa una muy buena correspondencia entre la variacin de
los costos estimados a partir de los multiplicadores y aquellos obtenidos directamente de la
solucin.
Los resultados mostrados en la Tabla 5.2 fueron obtenidos usando la librera MINOS con
una tolerancia de costos de 10
-6
%. A estas alturas las diferencias entre los resultados arrojados
por las libreras MINOS y CPLEX poseen una similitud notable. Sin embargo, cuando se
incrementa el nmero de aproximaciones del costo futuro representado por medio de cortes, la
librera MINOS manifestar algunos retrasos y problemas de convergencia en subproblemas
cuadrticos de la metodologa.

89
Tabla 5.2: Ejemplo: sensibilidad del valor estratgico del agua almacenada en el Lago Laja.
Caso
Vol inicial
[Mm3]
Costo del Agua
[US$/Dm3]
Costo Oper.
[miles US$]
Costo Futuro
[miles US$]
Costo Total
[miles US$]
Diferencias
[miles US$]
Base 3097.0 51.90202 22,322.5 237,705.2 260,027.6 -
Incremento 3098.0 51.90201 22,321.7 237,654.1 259,975.7 -51.90234
Decremento 3096.0 51.90203 22,323.2 237,756.3 260,079.5 51.90191

5 5. .4 4. .3 3. . S SI IC C C Ch hi il le en no o: : C Ca as so o E Es st to oc c s st ti ic co o d de e D Do os s E Et ta ap pa as s y y u un n B Bl lo oq qu ue e d de e C Ca ar rg ga a
Al modelo del SIC descrito en la seccin anterior se le construy un escenario estocstico
de dos etapas, en que la segunda etapa consta de 4 condiciones hidrolgicas, y una funcin de
costo futuro construida externamente. La condicin de llenado de los embalses es del orden del
30% para todos ellos. La Figura 5.8 resume los resultados del proceso iterativo para la diferencia
de los costos operacionales y futuros de la primera etapa entre aquellos obtenidos entre
iteraciones. Tambin se muestra en ella la diferencia entre los costos futuros estimados en la
recursin forward y aquellos obtenidos en la correccin de la recursin backward, con el correr
de las iteraciones.
Figura 5.8: Convergencia de costos en problema estocstico modelo del SIC dos etapas. Resultados con
librera CPLEX.

La simulacin se detiene cuando la diferencia entre los costos entre dos iteraciones
sucesivas es inferior a 0.1% tanto para los costos futuros como para los inmediatos. Se comienza
con una recursin forward.
En la Figura 5.8 se muestra la convergencia de costos en problema estocstico de dos
etapas. A la derecha se presenta la diferencia de costos entre iteraciones, a la izquierda, la
magnitud de las correcciones del costo futuro de la primera etapa. Se puede observar un buen
comportamiento numrico de la herramienta, acorde con lo esperado de la teora. Estos valores,
corresponden a la simulacin con la librera CPLEX. Para el mismo problema, la resolucin por
medio de la librera MINOS no llega a los niveles de la tolerancia exigida, apareciendo patrones
de evolucin de costos errticos. Un estudio comparativo de los cortes de Benders generados con
el uso de cada librera revela discrepancias en las pendientes de los cortes a partir de la segunda
iteracin. Con ello, las soluciones se distancian.
Patrn de Convergencia.
Costo actual menos costo iteracin anterior
0.0%
1.0%
2.0%
3.0%
4.0%
5.0%
6.0%
7.0%
8.0%
9.0%
10.0%
2 3 4 5 6 7 8 9 10 11
Iteraci ones
Costo
Futuro
Operacional
Diferencias en costos futuros. Valor correccin
backward menos estimacin forward
1.E+02
1.E+03
1.E+04
1.E+05
1.E+06
1.E+07
2 3 4 5 6 7 8 9 10 11
Iteraci ones
[US$]
Patrn de Convergencia.
Costo actual menos costo iteracin anterior
0.0%
1.0%
2.0%
3.0%
4.0%
5.0%
6.0%
7.0%
8.0%
9.0%
10.0%
2 3 4 5 6 7 8 9 10 11
Iteraci ones
Costo
Futuro
Operacional
Diferencias en costos futuros. Valor correccin
backward menos estimacin forward
1.E+02
1.E+03
1.E+04
1.E+05
1.E+06
1.E+07
2 3 4 5 6 7 8 9 10 11
Iteraci ones
[US$]

90
Al analizar los cortes que aproximan el costo futuro esperado en el problema de la etapa
1, se encuentra que con la librera CPLEX siempre resulta activo el corte introducido en la
iteracin anterior, situacin que no ocurre con MINOS. Un estudio exhaustivo con MINOS revela
que los multiplicadores obtenidos de los problemas de segunda etapa no estiman correctamente
las pendientes del valor del agua de los embalses o lo hacen con menor precisin que CPLEX.
Resultados con otros problemas similares sugieren que, ocasionalmente, la librera
MINOS presenta errores en sus resultados cuando el problema de optimizacin que se le plantea
presenta un modelo de funcin de costos futuros aproximada por ms de tres cortes cercanos.
Esto se ve reflejado en que la metodologa SQP requiere, bajo esas circunstancias, un nmero
anormal de iteraciones y algunos de los subproblemas cuadrticos que se le plantean tardan un
tiempo excesivo en ser resueltos.

5 5. .4 4. .4 4. . S SI IC C C Ch hi il le en no o: : C Ca as so o E Es st to oc c s st ti ic co o d de e T Tr re es s E Et ta ap pa as s y y u un n B Bl lo oq qu ue e d de e C Ca ar rg ga a
Como problema estocstico de un escenario se resolvi el modelo del SIC empleado
anteriormente al cual se le cre una secuencia de tres etapas con 4 aperturas en la etapa 2 y 3.
Como funcin de costo futuro para la etapa 3 se us la misma del problema anterior. La Figura 5.9
muestra la evolucin de la diferencia de costos entre iteraciones y de cotas superiores e inferiores
confeccionadas para un problema de secuencia. A la derecha se presenta la diferencia de costos
entre iteraciones, a la izquierda, cotas inferiores y superiores para el costo total de la primera
etapa como si se tratara de un problema de dos etapas. La cota inferior corresponde a los costos
totales del problema de la etapa 1 en la recursin forward, mientras que la superior se estima
como el costo operacional anterior ms los costos futuros corregidos provenientes de la recursin
backward.

Figura 5.9: Convergencia de costos en problema estocstico modelo del SIC tres etapas. Resultados con
librera CPLEX.

Patrn de Convergencia de Diferencias
de Costos
0.0%
1.0%
2.0%
3.0%
4.0%
5.0%
6.0%
7.0%
8.0%
9.0%
10.0%
1 2 3 4 5 6 7 8
Iteraci ones
Costos
Futuro
Operacional
Patrn de Convergencia de Cotas
en Etapa 1
1.580E+08
1.585E+08
1.590E+08
1.595E+08
1.600E+08
1.605E+08
1.610E+08
1.615E+08
1.620E+08
1.625E+08
1.630E+08
1.635E+08
1.640E+08
1.645E+08
1.650E+08
0 1 2 3 4 5 6 7 8
Iteraci ones
Costos
Tot ales [US$]
Patrn de Convergencia de Diferencias
de Costos
0.0%
1.0%
2.0%
3.0%
4.0%
5.0%
6.0%
7.0%
8.0%
9.0%
10.0%
1 2 3 4 5 6 7 8
Iteraci ones
Costos
Futuro
Operacional
Patrn de Convergencia de Cotas
en Etapa 1
1.580E+08
1.585E+08
1.590E+08
1.595E+08
1.600E+08
1.605E+08
1.610E+08
1.615E+08
1.620E+08
1.625E+08
1.630E+08
1.635E+08
1.640E+08
1.645E+08
1.650E+08
0 1 2 3 4 5 6 7 8
Iteraci ones
Costos
Tot ales [US$]

91
En esta simulacin se inici el proceso iterativo con una recursin backward en un punto
similar al estado inicial de los embalses. Por esta razn, se aprecia un rpida cada en las
diferencias costos entre iteraciones en la primera parte de la convergencia. Esto permiti, a la
postre, reducir una iteracin para alcanzar la tolerancia de 0.5% para cada costo en la primera
etapa.
Los patrones de convergencia y los resultados obtenidos avalan el buen desempeo tanto
de la metodologa como de la implementacin. Al comparar las grficas de la Figura 5.9 se deduce
que, si bien el patrn de convergencia basado en las diferencias de costos entre iteraciones resulta
un tanto errtico en las primeras iteraciones, en la prctica resulta que detener las iteraciones por
diferencia de costos entre iteraciones o entre magnitud de correcciones de la funcin de costo
futuro esperado es igualmente restrictivo y confiable.
5 5. .5 5. . O Ob bs se er rv va ac ci io on ne es s a a l la a I Im mp pl le em me en nt ta ac ci i n n d de el l A Al lg go or ri it tm mo o y y E Ex xp pe er ri ie en nc ci ia as s d de e C C l lc cu ul lo o
5 5. .5 5. .1 1. . M Me et to od do ol lo og g a a S SQ QP P
En el contexto de la experiencia alcanzada con la depuracin de la herramienta y las
simulaciones efectuadas con la tcnica SQP para resolver los subproblemas de despacho, se
puede concluir que la metodologa es viable en trmicos prcticos y sus resultados auspiciosos.
No obstante, se aplicaron algunas modificaciones al planteamiento estndar de resolucin de
subproblemas cuadrticos para salvar dificultades numricas encontradas en el uso de una u otra
librera. Entre estas destacan el uso de correcciones parciales de soluciones y multiplicadores
entre iteraciones SQP, escalamiento de costo para la aproximacin de la funcin de costos futuros
y aplicacin de costos artificiales despreciables al volumen final de los embalses.
La correccin iterativa de variables y multiplicadores de la metodologa SQP se restringi
a la parte elctrica de los problemas de despacho. Esto, porque slo esta componente del
problema de optimizacin tiene restricciones no lineales. Con ello, se mejora la precisin de los
resultados asociados a la parte hidrulica del problema, se evita parte de los clculos asociados
actualizaciones a las restricciones respectivas y permite aprovechar de mejor forma las bases
ptimas del problema previo.
El escalamiento de la variable que representa la aproximacin de la funcin de costo
futuro en la funcin objetivo se hace necesaria para que los costos de las variables de la funcin
objetivo del problema cuadrtico tengan rdenes de magnitud similares. Mientras que en el
problema matemtico esta variable tiene un costo unitario, las restantes variables son los costos
de generacin trmicos, de falla, gradientes y Hessiano multiplicados por la duracin en horas del
bloque de carga. Esto acarrea, en ocasiones, que las libreras de optimizacin enfrenten
problemas de estabilidad numrica, que a la postre impiden que sus algoritmos internos converjan
a una solucin.
Si bien es posible con las libreras explotar soluciones y bases ptimas previas, esto no fue
contemplado en la implementacin del algoritmo. Esta decisin fue tomada para reducir las
fuentes de errores de programacin y evitar posibles problemas computacionales. Sin embargo, a
estas alturas del desarrollo se considera conveniente invertir esfuerzos en esta direccin, al
vislumbrarse que puede reducir los tiempos de ejecucin.


92
5 5. .5 5. .2 2. . I In ni ic ci io o I It te er ra at ti iv vo o y y U Us so o d de e S So ol lu uc ci io on ne es s d de e D De es sp pa ac ch ho o P Pr re ev vi ia as s
Comenzar el proceso iterativo con una recursin backward puede reducir el nmero de
iteraciones necesarias para alcanzar la convergencia cuando se calculan aproximaciones de las
funciones de costo futuros y costos futuros esperados en puntos apropiados de estado inicial de
llenado de los embalses. El problema estocstico de la Seccin 5.4.3 y 5.4.4 se redujo de 1 a 3
iteraciones cuando se inici el proceso iterativo con una recursin backward en punto cercano al
estado inicial de llenado del lago Laja. Esta metodologa podra transformarse en un buen
mecanismo de reduccin del nmero de iteraciones abriendo la puerta a aventurar heursticas que,
por ejemplo, aprovechen las soluciones de simulaciones anteriores para crear los puntos donde
calcular las aproximacin de las funciones de costo futuro; o se estimen dichas puntos sobre la
base de balances energticos simples.
En el contexto de la solucin del problema estocstico, se prevea til el uso de la
solucin inmediatamente anterior de cada subproblema de despacho como punto de partida de la
metodologa SQP aplicada al mismo subproblema corregido, ya sea por estado inicial de llenado
de los embalses, como por costo futuro esperado. En la prctica esto resulta altamente
beneficioso. En todos los casos estudiados se llega a la misma solucin del problema global, pero
con un nmero significativamente menor de problemas cuadrticos elementales resueltos. En los
problemas estocsticos del SIC simulados, cada problema de despacho toma tpicamente 3
iteraciones SQP. Cuando se usan las soluciones previas, en las primeras iteraciones de la
metodologa global se requieren tres iteraciones SQP, en las intermedias dos, y cercano a la
convergencia del problema estocstico de slo una. Para el problema estocstico de la Seccin
5.4.4 se necesit resolver 264 problemas cuadrticos, mientras que cuando se usan las soluciones
previas este valor se reduce a 168.

5 5. .5 5. .3 3. . T Ti ie em mp po os s d de e E Ej je ec cu uc ci i n n
Las simulaciones fueron efectuadas en un computador Pentium IV 1.3 GHz. con 512 MB
de memoria. La resolucin de un problema como el de la Seccin 5.4.1 toma del orden de 50
milisegundos con la librera CPLEX y de 700 milisegundos para la librera MINOS. Este
problema de despacho se resuelve en 4 iteraciones SQP.
Los problemas de despacho de las secciones 5.4.3 y 5.4.4 toman tpicamente 3 iteraciones
SQP para alcanzar la tolerancia en costos de 0.1%. Con la librera CPLEX este subproblema se
resuelve en 250 mili-segundos aproximadamente, mientras que con MINOS los tiempos son del
orden de 3 segundos.
El problema estocstico completo de la Seccin 5.4.4 se resuelve en el peor de los casos
en 23.78 seg. con la librera CPLEX. Este tiempo se reduce 17.90 segundos cuando se comienza
con una recursin backward y se aprovechan las soluciones previas de cada subproblema etapa.
En el contexto de los problemas de despacho resueltos, internamente a la librera CPLEX
le toma entre 11 y 24 iteraciones del algoritmo de barreras que usa, acercndose al mayor valor
cuando el nmero de cortes de Benders aumenta. Por su parte a la librera MINOS le toma del
orden de 400 iteraciones del algoritmo de pivote complementario.

Coordinacin Elctrica Hidrotrmica Captulo 6: Sistemas Elctricos Hidrotrmicos en Ambientes Competitivos

93
6 6. . S SI IS ST TE EM MA AS S E EL L C CT TR RI IC CO OS S H HI ID DR RO OT T R RM MI IC CO OS S E EN N A AM MB BI IE EN NT TE ES S
C CO OM MP PE ET TI IT TI IV VO OS S
En este captulo se estudia la extensin y aplicacin de la herramienta y metodologa
desarrollada a los mercados elctricos en ambientes competitivos, centrado en el mercado
mayorista de generacin consumo. Primeramente se introduce esta materia con una revisin de
las caractersticas de estos mercados para luego plantear algunas de las problemticas
involucradas y cmo la herramienta puede ser empleada para abordarlas.

6 6. .1 1. . M Me er rc ca ad do os s E El l c ct tr ri ic co os s C Co om mp pe et ti it ti iv vo os s
En diversas partes del mundo, los mercados de energa elctrica se encuentran en un
proceso de reestructuracin, hallndose en distintas fases de un proceso de transicin desde una
estructura centralizada a una competitiva.
En mercados elctricos competitivos, la generacin elctrica se vuelve una actividad con
un mayor campo de accin en la cual tanto las decisiones de expansin como las de operacin ya
no recaen en decisiones administrativas tomadas por organismos centrales usualmente basados
en esquemas de minimizacin de costos -, sino ms bien dependen de decisiones estratgicas de
las empresas que buscan maximizar sus beneficios econmicos. Si bien en este contexto hay
mayores oportunidades, donde ellas existen hay tambin mayores riesgos. Las empresas
generadoras deben efectuar no slo las tradicionales funciones relacionadas con la planificacin
de la operacin de sus plantas (partida, parada, coordinacin hidrotrmica, mantenimiento, etc.),
sino que nuevas funciones asociadas a los mercados competitivos (inversin, ofertas, estrategias,
manejo del riesgo, etc.). Consecuentemente, las empresas necesitan modelos y herramientas de
apoyo a la toma de decisiones apropiadas y especficas, que modelen las caractersticas del
esquema de mercado en el que estn insertas. Asimismo, las entidades gubernamentales las
requieren para evaluar el desempeo del mercado, predecir y corregir sus deficiencias y estudiar
el impacto de polticas y regulaciones.
Los mercados elctricos se caracterizan por ser mercados oligoplicos con una baja
elasticidad de la demanda. Por ello suelen ser modelados por medio del uso de la teora de juegos
y se postula el equilibrio de Nash como su solucin. El anlisis y representacin de estos
mercados da lugar a modelos complejos, en los que su solucin se alcanza por medio de la
adopcin de fuertes simplificaciones. Si bien se han hecho avances en el diseo de nuevos
modelos y herramientas, stos se han centrado en algn aspecto particular de sistemas elctricos
predominantemente trmicos. En particular en sistemas hidrotrmicos, el acoplamiento temporal
de las decisiones de administracin de la energa almacenada en los embalses y la incorporacin
de la incertidumbre hidrolgica hace an ms difcil la tarea.

6 6. .1 1. .1 1. . E Es st tr ru uc ct tu ur ra as s d de e M Me er rc ca ad do o P Pa ar ra a l la a O Op pe er ra ac ci i n n
Las formas bsicas de mercado implementadas en la prctica se pueden dividir en
mercados de tipo pool y sistemas basados en contratos bilaterales, incluyendo, como se describe a
continuacin, a los modelos de bolsas de energa como un caso particular de pool.

94
Combinaciones de las siguientes formas dan origen a los diversos tipos de mercados existentes en
el mundo.
1.- Modelos tipo pool: en los modelos tipo pool hay 2 agentes encargados de la coordinacin del
sistema: el operador de mercado (responsable de aspectos econmicos) y el operador de
sistema (responsable de aspectos tcnicos). Entre ellos se distinguen:
a.- Pool clsico: en el caso de un pool clsico, oferentes y consumidores renuncian a
comerciar directamente. Las compras y ventas de energa son decididas por el operador de
mercado en base a curvas de oferta (o curvas de costo) y curvas de demanda, con un
criterio de minimizacin de costos. El plan de operacin que resulta es transformado en
un plan tcnicamente factible por el operador del sistema.
b.- Bolsa de energa: Una bolsa de energa puede ser vista como un caso particular de un
pool. Usualmente se trata de un mercado diario que tiene por objeto llevar a cabo las
transacciones de energa para el da siguiente mediante la presentacin de ofertas de venta
y adquisicin por parte de los agentes de mercado. Estas ofertas son presentadas al
operador de mercado e incluidas (previa acreditacin) en un proceso de casacin. Este
proceso culmina con las asignaciones de produccin y compra de energa elctrica para el
da siguiente.
2.- Contratos bilaterales fsicos: En un mercado basado en contratos bilaterales fsicos,
oferentes y consumidores establecen libremente relaciones de tipo comercial. El intercambio
de ofertas conduce a un contrato que especifica el abastecimiento por parte del oferente y el
consumo por parte del consumidor, con una influencia directa sobre el despacho de la
operacin resultante. Luego, en base a criterios predefinidos de seguridad y confiabilidad, el
operador del sistema determina la factibilidad y los servicios de red requeridos para la
realizacin tcnica del contrato bilateral fsico solicitado. Finalmente, utilizando una
metodologa establecida, se calcula el peaje resultante para la transaccin bilateral.
3.- Contratos bilaterales financieros: de manera anloga a los contratos bilaterales fsicos, los
contratos bilaterales financieros son un resultado del libre intercambio comercial entre
oferentes y consumidores. A diferencia de los primeros, los ltimos no afectan al despacho de
la operacin, sino que son acuerdos entre los participantes del mercado con el fin de manejar
el riesgo de variaciones futuras del precio de la energa elctrica.
En particular, el mercado elctrico chileno es descrito como un pool obligatorio con
costos auditados al cual se le superpone un mercado de contratos bilaterales financieros,
transformando el mercado spot en un mercado de balances y transferencias.

6 6. .1 1. .2 2. . E Es st tr ru uc ct tu ur ra as s d de e M Me er rc ca ad do o e en n l la a E Ex xp pa an ns si i n n d de e l la a G Ge en ne er ra ac ci i n n
En lo referente a la expansin de la generacin en sistemas elctricos se distinguen
aquellos mercados en los que las decisiones de expansin se efectan en forma centralizada y los
que lo hacen en forma competitiva. Lo anterior se asimila a los conceptos de inversin
monoagente o multiagente. Tpicamente, en mercados elctricos que operan sobre la base de una
bolsa de energa, las decisiones de expansin son tomadas por los inversionistas en funcin de
sus intereses y de las seales de precios que emanan de la operacin del mercado de corto y sus
proyecciones para el mediano y largo plazo. Por otro lado, en mercados de operacin centralizada
(Pool clsico), las decisiones de expansin pueden ser llevadas a cabo en forma central o

95
competitiva. En el primer caso, el organismo central determina un plan de instalacin de nuevas
plantas, usualmente basado en criterios de minimizacin del costo global de inversin y
operacin del sistema, para luego licitar dichas plantas. En el segundo, son los inversionistas
quienes, bajo criterios de rentabilidad sobre la base de proyecciones de operacin del sistema y
contratos, deciden la instalacin de nuevas plantas en el sistema.
En el mercado elctrico chileno, las decisiones de expansin de la generacin son tomadas
libremente por los inversionistas A este respecto, la Ley (DFL1)[34] define al segmento de
generacin de energa elctrica como un negocio que no es un servicio pblico.

6 6. .2 2. . P Pr ro ob bl le em m t ti ic ca as s e en n M Me er rc ca ad do os s C Co om mp pe et ti it ti iv vo os s
Independientemente de la finalidad, tanto el regulador como los agentes del mercado
requieren modelar y proyectar el comportamiento del mercado elctrico. Debido al gran tamao
del problema y en relacin al impacto de las decisiones involucradas ste suele descomponerse en
corto y largo plazo. En cada una de ellos se integra una gran cantidad de fenmenos e
informacin, entre los que destacan la tarificacin de la transmisin, las proyecciones de la
demanda y el precio de los combustibles. Esta seccin se enfoca en los problemas de decisin de
los generadores, suponiendo conocida la restante informacin.
Entre los modelos y herramientas existentes para estudiar los mercados competitivos se
distinguen aquellos que simulan explcitamente el comportamiento de los agentes insertos en un
ambiente econmico artificial y aquellos que buscan determinar, por medio de herramientas
matemticas, el equilibrio de Nash de un juego representativo del esquema particular del mercado
y las caractersticas de los agentes.
6 6. .2 2. .1 1. . M Me er rc ca ad do o d de e C Co or rt to o P Pl la az zo o ( (B Bo ol ls sa a d de e E En ne er rg g a a) )
En un mercado elctrico basado en bolsa de energa, los agentes enfrentan el problema de
hacer ofertas por su capacidad de generacin para la subasta del da anterior. En este esquema, las
empresas informan a un agente central la relacin precio-cantidad a la que estn dispuestos a
vender su energa. Posteriormente, el agente central decide la cantidad de energa que compra a
las empresas de modo de satisfacer la demanda tomando en cuenta, entre otras restricciones, la
capacidad de transmisin de la red de transporte. Como resultado de este proceso denominado
casacin, se obtiene el precio de la energa y el despacho; y con ello se determina tanto el
volumen de ventas como el beneficio operacional obtenido por cada empresa. Debido al
comnmente alto nivel de concentracin de la propiedad existente a nivel de generacin, ste se
modela como un mercado oligoplico. En trminos formales el problema que enfrentan las
empresas se conoce como oferta estratgica y se plantea como un juego, tpicamente no
cooperativo bajo supuestos de informacin completa, y se postula el equilibrio de Nash como su
solucin. Para ello existen dos enfoques tradicionales: el modelo de oligopolio de Bertrand,
donde los productores deciden precios de venta para niveles de produccin fijos; y el modelo de
oligopolio de Cournot, en que los productores deciden cantidad a ofertar a niveles de precios
fijos.

96
Bajo el enfoque de simulacin explicita se distingue una nueva rama de la economa
denominada ACE
21
[22, 23, 24], basada en la aplicacin de algoritmos genticos y autmatas
aprendices. Si bien este enfoque no goza de la mayor credibilidad por su carencia de formalidad,
ha sido aplicado con intensidad al estudio de mercados elctricos con resultados interesantes. No
obstante, se debe tener en consideracin la diferencia existente entre la modelacin del
aprendizaje individual y el social, por su incidencia directa en los resultados [25].
En el contexto formal, el problema de oferta estratgica a la bolsa ha sido enfrentado, bajo
una serie de simplificaciones, a travs del planteamiento de un problema de complementariedad
mixto que luego es resuelto por paquetes de software especializado como GAMS y PATH [26].
Una variante interesante se encuentra en [27], donde los autores proponen un mecanismo de
discretizacin de ofertas que, por medio del uso de variables enteras, permite transformar el
problema de encontrar el equilibrio del juego como un problema de optimizacin lineal entera
mixta.
En su gran mayora, la investigacin a nivel internacional se ha centrado en sistemas
trmicos. En lo que respecta a sistemas hidrotrmicos, el problema se vuelve an ms complejo.
Esto se debe al acoplamiento temporal del uso de los recursos hidrulicos, su interdependencia
espacial, la valoracin del agua embalsada y la incertidumbre hidrolgica. En el corto plazo, si
bien se pueden suponer una hidrologa determinstica y una estimacin del valor del agua
embalsada, an subsiste el problema de la interdependencia de los recursos hidrulicos que afecta
a las centrales en serie, el que se torna ms complejo en cuencas en que coexisten centrales de
distinto dueo. En este caso, los recursos hidrulicos con los que cuenta una central, dependen de
la oferta del dueo de la central aguas arriba y del resultado de la casacin efectuada por el
agente central.

6 6. .2 2. .2 2. . V Va al lo or ra ac ci i n n d de el l A Ag gu ua a E Em mb ba al ls sa ad da a e en n M Me er rc ca ad do os s c co on n B Bo ol ls sa a d de e E En ne er rg g a a
En sistemas hidrotrmicos la existencia de embalses entrelaza las decisiones del uso del
agua almacenada en el presente y el futuro. En un mercado basado en bolsa de energa, son las
empresas propietarias de los derechos de uso del agua almacenada quienes, individualmente,
decidirn cundo y a qu precio ofertarn esta energa, de manera de maximizar sus retornos,
sujetas a la incertidumbre hidrolgica. As, el problema centralizado de uso del agua de los
embalses para minimizar una funcin de costo social, tpicamente la de costo esperado de
operacin del sistema elctrico, se transforma en un conjunto de problemas de maximizacin de
utilidad, usualmente de beneficios operacionales esperados de la empresa.
Al igual que en el problema centralizado, la decisin de uso del agua almacenada en
embalses puede ser tomada sobre la base de cantidades o costos de oportunidad. Si bien el
modelo de Bertrand aparece ms natural en un mercado de corto plazo, mientras que el de
Cournot en el de largo plazo, ambos han sido usados para efectos de determinar el uso del agua
de los embalses en un mercado elctrico con bolsa de energa. La conveniencia de usar la energa
almacenada en embalses en el presente o en el futuro depender del contraste entre los beneficios
que se pueda obtener en cada instancia. As, el valor estratgico de esta energa almacenada en un
determinado momento se forma a partir de simulaciones futuras del mercado.

21
del ingls Economa Computacional basada en Agentes.

97
En el contexto de su planteamiento y resolucin, no se han encontrado trabajos que
apliquen la metodologa de simulacin por medio de agentes artificiales al problema de la
valoracin del agua almacenada en los embalses en sistemas elctricos hidrotrmicos basados en
bolsa de energa. En la literatura internacional se encuentran trabajos que tratan el problema por
medio del uso de herramientas matemticas formales de simulacin, como [26, 28, 29]. Mientras
en todos ellos se usa la Programacin Dinmica Estocstica para abordar la incertidumbre
hidrolgica y la valoracin del agua, el problema de encontrar el equilibrio de Nash se enfrenta
por medio de diferentes metodologas. En [28] se utiliza un modelo simplificado de oligopolio de
Cournot para cada etapa, en cada una de las cuales, bajo una serie de supuestos que permiten
resolver el equilibrio del mercado de corto plazo en forma explcita, se determina el agua usar por
dos embalses modelados, los cuales son tratadas como agentes formador de precios, mientras que
los restantes agentes (plantas trmicas) son tratadas como tomadores de precio. En [29] se aplica
una tcnica iterativa de convergencia de precios sobre la base de escenarios hidrolgicos ligados
a expectativas de precios, donde en cada etapa se resuelve un equilibrio de mercado de corto
plazo para el uso del agua de los embalses, lo que permite construir curvas de beneficio futuro
esperado para cada uno. En [26] se modela un juego sencillo que involucra problemas de
optimizacin lineales por agente, dnde slo uno de ellos posee un embalse con capacidad de
regulacin entre etapas, luego se entrelazan los problemas globales de cada empresa a travs del
mercado, los que son resueltos conjuntamente planteando el problema complementario mixto
para todo el horizonte, incluido el rbol de escenarios derivado de la programacin dinmica, que
finalmente es resuelto por paquetes de software estndar.

6 6. .3 3. . E Ex xt te en ns si i n n a a M Me er rc ca ad do os s T Ti ip po o P Po oo ol l c co on n B Bo ol ls sa a d de e E En ne er rg g a a
En virtud del la integracin con la plataforma DeepEdit, la herramienta de coordinacin
hidrotrmica y en particular la base de datos de objetos hidrulicos permiten expandir sus
potencialidades estructurales a mercados elctricos con bolsa de energa. Prueba de ello, el
trabajo descrito en [29] fue desarrollado sobre las primeras versiones del editor y base de datos
hidrulico, en integracin con los restantes. No obstante, la aplicacin de la metodologa de
resolucin propuesta para simular y valorar el agua de los embalses a mercados con bolsa de
energa no es directa. Si bien es posible usar la estructura recursiva y esquema orientado al objeto
en su concepcin general, existe una serie de problemas fundamentales que impiden una
adaptacin inmediata. Los principales son: cambio en el modelo de despacho, representacin y
formacin del valor del agua embalsada y tratamiento de las cuencas hidrogrficas con centrales
en serie hidrulica de distinto dueo.
Si bien el modelo de despacho desarrollado realiza un despacho a mnimo costo y no uno
que cumpla las condiciones del equilibrio de Nash, ste puede mantenerse para evaluar ofertas
de venta de energa y de no abastecimiento de carga. En virtud de que el despacho es capaz de
manejar costos trmicos cuadrticos para produccin y no abastecimiento de carga, al ser usados
para representar ofertas de comprar y venta de energa en una hora, bloque o periodo con similar
nivel de demanda, los resultados del despacho y multiplicadores asociados (costos marginales)
sern los precios y energas de la casacin. Con un ajuste menor al cdigo del objeto de
resolucin de despachos, es posible usar un valor para el agua almacenada en cada embalse,
separadamente, mientras que las centrales de pasada y serie seran representadas como tomadoras
de precio, con oferta de toda su capacidad resultante a un valor de cero, lo cual no se aleja de la
realidad al tener estas centrales un costo de oportunidad nulo para su energa. Estos resultados

98
alimentaran un proceso iterativo, ver Figura 6.1, que ajustara las ofertas de las centrales
trmicas, embalses y compra de energa, de manera de encontrar un equilibrio de Nash.
En forma anloga en el contexto de un mediano plazo, la herramienta puede ser empleada
para evaluar estrategias de costos de las centrales del sistema, realizando slo simulaciones
operativas. Posteriormente, de los resultados operacionales, se calcularan los beneficios
esperados de los respectivos agentes. Sobre la base estos se modificaran las estrategias de costos
de manera de mejorar sus retornos.
Figura 6.1: Esquema iterativo para bsqueda del equilibrio en mercado elctrico de corto plazo usando el
despacho cuadrtico implementado.

La funcin de costos futuros esperados no tiene un anlogo de funcin de beneficios, ya
que es construida para minimizar costos futuros esperados del sistema y, por ende, resulta no
separable [28]. Por ello, el beneficio futuro esperado asociado al nivel de los embalses de cada
empresa debe construirse separadamente para cada una de ellas. Desafortunadamente, la
representacin por medio de cortes de la funcin de beneficio futuro esperado para cada empresa
no es viable. Esto se debe a que a que los subproblemas de etapa subyacentes no resultan
cncavos al modelar un sistema con ms de un embalse de distintos agente [26]. De esta manera,
la representacin y formacin del valor del agua de los embalses requiere volver a la
programacin dinmica estocstica ms tradicional, con la correspondiente explosin
combinatorial. Por otro lado, es posible mantener el esquema iterativo global de muestreo del
rbol de escenarios y aproximaciones sucesivas para reducir el nmero de subproblemas a
resolver. Esta vez, sin garanta de convergencia. Producto de que las curvas de beneficio futuro
sern representadas slo a travs de puntos, se propone usar slo los ms recientemente
calculados en cada recursin forward y, adicionalmente, construir el valor en otros puntos para
complementarlos en la recursin backward, por ejemplo en la vecindad de aquellos por donde
pasan los niveles de los embalses en cada recursin forward. La Figura 6.2 muestra la recursin
forward del esquema La recursin backward se presenta en la Figura 6.3, se destaca la
Mod. Benef.
Empresa 1
Oferta
Actualizada
Empresa 1
Empresa 4
Oferta
Actualizada
Empresa 4
Empresa 2
Oferta
Actualizada
Empresa 2
Empresa 3
Oferta
Actualizada
Empresa 3
Despacho Hidrotrmico Cuadrtico
Mod. Benef. Mod. Benef. Mod. Benef.
Precio (i), Generacin (Qi)
(i,Qi)
Mod. Benef.
Empresa 1
Oferta
Actualizada
Empresa 1
Empresa 4
Oferta
Actualizada
Empresa 4
Empresa 2
Oferta
Actualizada
Empresa 2
Empresa 3
Oferta
Actualizada
Empresa 3
Despacho Hidrotrmico Cuadrtico
Mod. Benef. Mod. Benef. Mod. Benef.
Precio (i), Generacin (Qi)
(i,Qi)

99
construccin de aproximaciones en la vecindad de los estados alcanzados en la recursin
forward.
Figura 6.2: Recursin Forward del esquema de aproximaciones a las funciones de beneficio futuro de
cada empresa.

Dada la no concavidad que puede existir en la aproximacin de la curva de beneficios
futuro esperado en el subproblema de optimizacin de cada agente, en su representacin lineal
por partes puede ser necesaria la introduccin de variables enteras. Para ms detalles ver [29].
Dado el alto costo computacional del uso de variables enteras se propone el empleo de una
tcnica de ensayo y error. En sta, se resuelve primero el problema sin variables enteras, como se
hara con una curva cncava y, luego de la resolucin, si se verifica que no se cumple la relacin
de llenado de las variables auxiliares que forman el volumen final, se vuelve al resolver el
problema, esta vez con el uso de variables enteras.

2
2
2
2
2
Escenarios
S1
S2
S3
S4
S5
S7
S6
S8
1
1
1
1
2
1
1
1
2
V0
V0
Vs12
Vs22
Vs13
Vs23
Recursin Forward
2
2
2
2
2
Escenarios
S1
S2
S3
S4
S5
S7
S6
S8
1
1
1
1
2
1
1
1
2
V0
V0
Vs12
Vs22
Vs13
Vs23
Recursin Forward

100

Figura 6.3: Recursin Backward del esquema de aproximaciones a las funciones de beneficio futuro de
cada empresa.

A pesar de la simplificacin hecha a centrales en serie hidrulica de distinto propietario, al
considerarlas tomadoras de precio por el total de su capacidad disponible en funcin de la oferta
de los embalses, subsiste el inconveniente de modelar centrales de embalse en una misma cuenca
y con distinto propietario. Una forma simple de abordar esto es desligando las cuencas a partir de
la presencia de embalses y considerar que el agua liberada por el embalse aguas arriba como un
afluente aleatorio ms, que puede ser construido en funcin de los afluentes naturales que recibe
el embalse superior y criterios operacionales.

6 6. .4 4. . E Ex xt te en ns si i n n a a M Me er rc ca ad do os s T Ti ip po o P Po oo ol l c co on n O Op pe er ra ac ci i n n C Ce en nt tr ra al li iz za ad da a
La integracin de la herramienta de coordinacin hidrotrmica, bases de datos y editor
hidrulico a la plataforma DeepEdit permite extender sus capacidades a otros mbitos de los
mercados competitivos. As, el acoplamiento de las bases de datos de red, mercados e hidrulica
permite desarrollar simulaciones y estudios en variadas reas de la operacin econmica de
sistemas elctricos de potencia, sobre la base de las simulaciones de la operacin y
complementados por los multiplicadores asociados a las diversas restricciones. Entre otros:
planificacin de la expansin de la generacin y de la transmisin, estudio del impacto de las
restricciones de riego, evaluacin comercial de empresas elctricas, optimizacin de contratos y
clculo de peajes de transmisin. Algunos de estos problemas se describen en los siguientes
prrafos.
2
Escenarios
S2
S3
S4
1
2
1
1
BFs13(Vs12)
BFs12(Vs12+V)
BFs12(Vs12-V)
Recursin Backward
BFs12(V1)
BFs12(Vs12)
BFs12(Vs12+V)
BFs12(Vs12-V)
E
BFs14(Vs13)
BFs14(Vs13+V)
BFs14(Vs13-V)
BFs14(Vs13)
BFs14(Vs13+V)
BFs14(Vs13-V)
E
2
Escenarios
S2
S3
S4
1
2
1
1
BFs13(Vs12)
BFs12(Vs12+V)
BFs12(Vs12-V)
Recursin Backward
BFs12(V1)
BFs12(Vs12)
BFs12(Vs12+V)
BFs12(Vs12-V)
EE
BFs14(Vs13)
BFs14(Vs13+V)
BFs14(Vs13-V)
BFs14(Vs13)
BFs14(Vs13+V)
BFs14(Vs13-V)
EE

101
6 6. .4 4. .1 1. . I In nt tr ro od du uc cc ci i n n a a l la a E Ex xp pa an ns si i n n d de e l la a G Ge en ne er ra ac ci i n n
Tpicamente, en mercados elctricos que operan sobre la base de una bolsa de energa, las
decisiones de expansin son tomadas por las empresas generadoras (inversionistas) en funcin de
sus intereses y de las seales de precios que emanan de la operacin del mercado de corto y
mediano plazo. Por otro lado, en mercados de operacin centralizada, las decisiones de expansin
pueden ser llevadas a cabo en forma central o competitiva. En el primer caso, el organismo
central determina un plan de instalacin de nuevas plantas, que usualmente minimiza el costo
global de inversin y de operacin del sistema, para luego licitar dichas plantas. En el segundo,
son los inversionistas quienes, bajo criterios de rentabilidad, deciden la instalacin de nuevas
plantas en el sistema.
En el mercado elctrico chileno, las decisiones de expansin de la generacin son tomadas
en forma competitiva. El DFL1 de 1982 modificado por la Ley 19.940 de 2004 [34] no define al
segmento de generacin de energa elctrica como un servicio pblico, a diferencia de los de
transmisin y distribucin, lo que se traduce en que las empresas generadoras no tienen
obligacin de invertir en nuevas plantas.

6 6. .4 4. .2 2. . E Ex xp pa an ns si i n n C Ce en nt tr ra al li iz za ad da a d de e l la a G Ge en ne er ra ac ci i n n
Este problema de expansin es tratado en sistemas hidrotrmicos en los siguientes
trabajos [30, 31]. El enfoque usual es un esquema iterativo de resolucin de problemas de
coordinacin hidrotrmica que alimenta un problema de optimizacin central que minimiza el
costo de operacin e inversin esperado del sistema. La realimentacin se lleva a cabo por medio
de los costos de operacin [30] y adicionalmente de los multiplicadores asociados a las
restricciones de capacidad del problema de coordinacin [31]. De esta manera, se corrige la
entrada de proyectos de generacin previamente establecidos a lo largo del horizonte de
planificacin. Una metodologa alternativa para modelar y resolver el problema de la
coordinacin hidrotrmica multiembalse, basado en programacin dinmica estocstica, es
presentada en [32]. Esta metodologa, ms simple y aproximada, puede resultar til para
problemas de evaluacin en el largo plazo como lo es el de la expansin de la generacin

6 6. .4 4. .3 3. . E Ex xp pa an ns si i n n C Co om mp pe et ti it ti iv va a d de e l la a G Ge en ne er ra ac ci i n n
En este contexto, y dadas las caractersticas habituales de oligopolio que presenta el
segmento de generacin de los sistemas elctricos, el problema global de predecir la inversin en
nuevas plantas que efectuaran las empresas generadoras se puede modelar por medio de la teora
de juegos. En [33] se formaliza este problema, se postula el equilibrio de Nash como su solucin
y se demuestra la existencia de este equilibrio en estrategias mixtas. Desde el punto de vista de
cmputo, la metodologa que permite encontrar dicho equilibrio usa como ncleo de clculo una
herramienta de coordinacin hidrotrmica para obtener los precios y cantidades producidas, sobre
la base de los cuales se calcula el beneficio asociado a la estrategia de cada agente.


102
6 6. .4 4. .4 4. . E Ex xp pa an ns si i n n d de e l la a T Tr ra an ns sm mi is si i n n
Resolviendo para mltiples escenarios de demanda y generacin el problema de
coordinacin hidrotrmica en el mediano plazo, es posible determinar un plan de expansin
ptimo del sistema de transmisin. Ya sea directamente, utilizando los costos de inversin y
operacin del sistema, o incluyendo los multiplicadores asociados a las restricciones de capacidad
para realimentar una metodologa de correccin de la entrada de proyectos de instalaciones de
transmisin en el horizonte de evaluacin. Si bien estos proyectos suelen estar predefinidos, el
anlisis de los multiplicadores asociados a las restricciones de capacidad para los diversos
escenarios de generacin, demanda e hidrologa permite establecer tramos crticos en los que se
requiere incrementar la capacidad.
DeepEdit cuenta con una herramienta orientada a la planificacin de la expansin de
sistemas de transmisin en sistemas trmicos [11,12]. Un trabajo adicional de integracin y
reduccin de escenarios permitira extenderla a sistemas hidrotrmicos usando la herramienta de
coordinacin hidrotrmica desarrollada como ncleo de clculo de despachos.

6 6. .4 4. .5 5. . P Pe ea aj je es s y y A An n l li is si is s d de e l la a T Tr ra an ns sm mi is si i n n
En el caso chileno, la Ley 19.940 establece la realizacin del estudio de transmisin
troncal y la metodologa de asignacin del pago de peajes por los productores y consumidores
del sistema. En ambos casos, se requiere de la realizacin de simulaciones de la operacin del
sistema elctrico basadas en la coordinacin hidrotrmica. En particular, debido a la integracin
con DeepEdit, slo falta cerrar el lazo entre la herramienta de coordinacin hidrotrmica
desarrollada y la existente para clculo de peajes. Para efectos del estudio de transmisin
troncal, que debe determinar el conjunto de instalaciones del sistema de transmisin que deben
ser considerados como parte del sistema troncal o fundamental para la operacin del sistema, slo
bastara definir los escenarios y mejorar el acoplamiento del manejo de entrada y salida de
circuitos del editor de red con la formacin del sistema de transmisin en el horizonte de
evaluacin en la herramienta de coordinacin hidrotrmica.

6 6. .4 4. .6 6. . O Ot tr ro os s E Es st tu ud di io os s
Como consecuencia de la modelacin de restricciones de riego efectuada en este trabajo,
es posible rescatar los multiplicadores asociados a ellas en las simulaciones de la operacin del
sistema. As, por ejemplo, se contara con una estimacin del costo elctrico de dichas
restricciones, aportando informacin til para negociar los derechos de aguas con los regantes en
situaciones de dficit de energa.
La capacidad para simular la operacin del sistema elctrico en el mediano plazo permite
todo tipo de evaluaciones econmicas, entre ellas el monitoreo de mercado [34]. En asociacin
con el editor de mercado de DeepEdit y su capacidad para modelar contratos, resulta directo la
creacin de un pequeo mdulo que calcule los resultados operacionales y comerciales de los
distintos agentes del sistema, permitiendo evaluar el desempeo de sus estrategias de contrato y
su correccin.

Coordinacin Elctrica Hidrotrmica Captulo 7: Conclusiones

103
7 7. . C CO ON NC CL LU US SI IO ON NE ES S
En este trabajo se estudia y propone tanto un modelo para la coordinacin hidrotrmica y
como una metodologa para su resolucin. As, sobre la base de los avances en torno al tema, se
conciben formas de plantear el problema y algoritmos para resolverlo, alcanzando su
implementacin. Esto, complementado con el desarrollo de metodologas para el manejo de la
informacin permiten simular la operacin en el mediano plazo de sistemas elctricos
hidrotrmicos. La herramienta de software, denominada SEEDS, es capaz de abordar la
coordinacin hidrotrmica en el mediano plazo para sistemas elctricos longitudinales con
representacin multinodal y multiembalse, manejo de costos cuadrticos y prdidas de
transmisin cuadrticas, lineales o senoidales.
Los anlisis de sensibilidad y la simulacin de casos de estudio, entre los que destaca un
modelo del SIC chileno, permiten validar la herramienta, tanto en el cumplimiento de objetivos
como en la calidad de resultados.
Los principales logros alcanzados se exponen en las siguientes secciones bajo un enfoque
global y uno especfico, en correspondencia con los objetivos trazados. Finalmente se propone
una lista de estudios orientados a extender la lnea de investigacin y desarrollo iniciada con este
trabajo.

7 7. .1 1. . R Re es su ul lt ta ad do os s G Ge en ne er ra al le es s. .
Se disea e implementa un algoritmo que resuelve el problema de la coordinacin
hidrotrmica con caractersticas multinodal, multiembalse y con un grado de detalle no lineal en
la modelacin de los despachos hidrotrmicos involucrados. En efecto, el modelo de despacho
incorpora costos cuadrticos de produccin y de no abastecimiento de carga, flujo de potencias
DC por la red y prdidas de transmisin cuadrticas. Desde el punto de vista del algoritmo, la
versin implementada aplicada a casos de prueba muestra que la herramienta es capaz de abordar
el problema de la coordinacin en sistemas elctricos longitudinales como el SIC chileno.
Se disea y construye una base de datos y modelo orientado a objetos para representar
sistemas hidrogrficos ligados a la generacin de energa elctrica en el contexto de la
coordinacin hidrotrmica. Para el manejo e interpretacin de informacin se crea una interfaz
grfica interactiva, denominada Editor Hidrulico, que ampla las capacidades de la plataforma
DeepEdit. La base de datos orientada a objetos y editor hidrulico permiten modelar cuencas
hidrogrficas como las del ro Maule y del Laja, en el SIC. Asimismo, se disea e implementa
una serie de mdulos complementarios de preproceso necesarios para adaptar la informacin
disponible a la arquitectura del modelo de coordinacin, entre ellos: construccin de la demanda
y curva de duracin de carga, creacin de etapas y horizonte de evaluacin, manejo de
estadsticas hidrolgicas y elaboracin de rboles de escenarios. Tanto el software de resolucin
del problema de coordinacin, como la base de datos orientada a objeto, interfaz grfica y
mdulos de preproceso se integran a la plataforma DeepEdit.
Durante el desarrollo de este trabajo se estudian metodologas para el manejo de la
exploracin y explotacin de cortes de Benders en el rbol de escenarios. Adicionalmente, se
proponen variantes del algoritmo de coordinacin segn se emplee una cadena de Markov o un
proceso autorregresivo para modelar caudales afluentes naturales.

104
7 7. .2 2. . C Co on nc cl lu us si io on ne es s E Es sp pe ec c f fi ic ca as s
La resolucin directa del problema de coordinacin hidrotrmica, ya sea por medio de la
tcnica de programacin dinmica estocstica o la descomposicin anidada de Benders
estocstica, causa una explosin combinatorial. Mientras el primero explota por la multiplicacin
de estados de los embalses, el segundo lo hace por multiplicacin de realizaciones de la variable
aleatoria. En este contexto, resolver el problema de coordinacin hidrotrmica en forma
aproximada bajo el esquema SDDP, esto es, sobre la base de exploraciones del rbol de
escenarios o secuencias, resulta un compromiso entre factibilidad de resolucin y calidad de los
resultados. En tal sentido, se requiere de estudios tendientes a esclarecer la mejor forma de
efectuar estas exploraciones. Puntualmente, determinar un nmero apropiado de secuencias y de
aperturas, evaluar estrategias para compartir aproximaciones de la funcin de costo futuro
esperado entre secuencias y la mejor forma de resolverlas. En estos estudios se busca balancear el
nivel de aleatoriedad, con la precisin de las soluciones y los tiempos de ejecucin. El objetivo es
reducir el error en los estimadores de valor esperado, en un compromiso entre el nmero de
exploraciones del rbol de escenarios y la precisin alcanzable en las aproximaciones. Producto
de que la metodologa de resolucin del problema resulta muy adaptable a la computacin
paralela, se recomienda su uso.
La tcnica SQP aparece til y prctica para resolver problemas de despacho hidrotrmico
en bloques de carga modelados segn las caractersticas ms exigentes impuestas en este trabajo.
Producto de que la metodologa de resolucin puede hacer uso de paquetes de optimizacin
comerciales, la herramienta implementada es adaptable a cualquiera de ellos.
La experiencia de cmputo con los paquetes de optimizacin MINOS (v5.0) y CPLEX
(v8.1) tiene resultados dismiles. Si bien con ambos se resuelven subproblemas de despacho
independientes, slo con CPLEX se logra buenos resultados en esquemas iterativos de
subproblemas anidados. Se estima que hay problemas de tipo numrico con la librera MINOS
utilizada (un tanto obsoleta), debido a que los errores de solucin aparecen cuando se acumulan
cortes de Benders en torno a un mismo punto de las funciones de costo futuro, es decir, cuando se
le plantean problemas de optimizacin con restricciones de desigualdad muy similares. Con
ambas libreras es necesario adaptar el planteamiento de los problemas de optimizacin para
evitar la aparicin de errores de cmputo de origen numrico como el escalamiento de costos y la
correccin parcial de soluciones en iteraciones SQP.
El uso de modelos de despacho con costos y prdidas cuadrticas para modelar la
coordinacin hidrotrmica multinodal y multiembalse de sistemas elctricos, resueltos por medio
de la conjuncin de las tcnicas SDDP, SQP y descomposicin determinstica de Benders en
subproblemas de etapa, resulta auspicioso en todos los casos estudiados, mostrando la viabilidad
de la metodologa propuesta.
A pesar de la gran cantidad de problemas de optimizacin cuadrticos que es necesario
resolver para alcanzar la convergencia de una secuencia, los tiempos de proceso totales
empleados no son prohibitivos. Se requiere de un estudio comparativo de tiempos de ejecucin y
precisin de resultados que contraste los enfoques de despacho cuadrtico y lineal por partes, y la
aplicacin de la descomposicin por bloques en problemas de etapa.
Iniciar el proceso iterativo de resolucin de secuencias por una recursin backward, en
lugar de una forward, reducira el nmero total de iteraciones necesarias para alcanzar la
convergencia de una secuencia en la medida que los puntos iniciales sean prximos a la solucin.
Esto es, que los estados iniciales de llenado de embalses, en los que se calcula el valor del agua

105
en cada etapa por primera vez, sean cercanos a la solucin ptima de uso de agua almacenada.
As, una estrategia que aproveche soluciones pasadas de un problema similar puede ser de gran
utilidad. De igual modo, reiniciar las iteraciones SQP de un subproblema de despacho bloque-
etapa en la solucin que se obtuvo para el mismo problema en la recursin anterior reduce
notablemente el nmero total de problemas cuadrticos necesarios de resolver, especialmente en
iteraciones prximas a la convergencia de la secuencia. En el caso del SIC se reportaron
reducciones que llegaron al 60%.
Se estima que una tcnica de resolucin de problemas de optimizacin cuadrticos
orientada al despacho de un bloque de carga, que saque provecho de las caractersticas de este
subproblema y reutilice de forma ms profunda e integral soluciones anteriores como punto de
partida, permitira reducir notablemente los tiempos de cmputo para resolver el problema de
coordinacin con el enfoque cuadrtico. As, ste puede ser competitivo frente al lineal en
tiempos de cmputo, considerando que el modelo de despacho cuadrtico involucra una menor
cantidad de variables y restricciones, al evitar las aproximaciones por tramos que se deben hacer
con el enfoque lineal al modelar prdidas y costos.
Sobre la base de paquetes de optimizacin comerciales, el modelo de coordinacin
hidrotrmica desarrollado aparece recomendable como una etapa de solucin intermedia, en
horizontes de mediano plazo, que acopla modelos de planificacin de la operacin de largo plazo
y modelos corto plazo como el Unit Commitment. Esto se hace ligando los estados de llenado de
los embalses y el valor estratgico del agua embalsada en los puntos en que se conectan los tres
modelos en el horizonte de evaluacin.
Las posibilidades de extender y aplicar la herramienta a la simulacin de mercados
elctricos competitivos dependen de las caractersticas del mercado particular objetivo. En
conjuncin con las bases de datos de objetos elctricos y de mercado de DeepEdit, es posible
construir simulaciones de mercados tipo pool clsico con o sin contratos bilaterales financieros.
Con ello, es posible realizar una gran cantidad de estudios como evaluaciones de planes de
expansin de generacin y transmisin, clculo de peajes, balances operacional y financiero de
empresas elctricas, entre otros. Por el contrario, la extensin de la herramienta a la simulacin
de mercados elctricos que operan con bolsa de energa no es directa. No obstante, es posible
aprovechar gran parte de las estructuras de datos, algoritmos y modelos implementados en la
construccin de una nueva herramienta capaz de simular mercados con bolsa de energa, cuyos
lineamientos fueron entregados.

7 7. .3 3. . E Ex xt te en ns si io on ne es s a al l t tr ra ab ba aj jo o
La concrecin de este trabajo de investigacin abre nuevas oportunidades y desafos en
tres lneas distintas: mejoramiento y ampliacin de la herramienta; perfeccionamiento de
algoritmos y mdulos complementarios; y estudios enfocados a mercados elctricos
competitivos. En los siguientes prrafos se describen los que se consideran ms relevantes.
La herramienta de software construida se encuentra en sus primeras versiones. Se requiere
profundizar y mejorar aspectos de interfaz de usuario. Es de gran utilidad complementar lo
desarrollado con variantes del modelo de despacho y resolucin de la coordinacin hidrotrmica.
Asimismo, un trabajo que incorpore de forma apropiada los convenios de riego, que controlan las
restricciones de riego y restringen el uso del agua embalsada en el despacho, est pendiente.

106
Las caractersticas del problema de coordinacin hidrotrmica y de las metodologas de
resolucin facilitan una implementacin para cmputo paralelo. En tal sentido, el modelo de
objetos del algoritmo propuesto es de gran utilidad y la resolucin independiente de secuencias
con manejo separado de cortes permite una paralelizacin en forma casi directa.
Sobre la base de la herramienta construida es posible contrastar los resultados de la
coordinacin hidrotrmica para diversos modelos de despacho. Esto permitir establecer el
impacto de las simplificaciones del despacho sobre la solucin y crear un cuadro comparativo
entre precisin de los resultados y costo computacional. De igual forma, no se tiene claridad de
qu precisin se necesita en las distintas escalas del horizonte de evaluacin. Por ejemplo, es
posible mejorar la solucin usando slo despachos ms exactos en las primeras etapas hasta un
punto conveniente del horizonte y ms simplificados en las restantes, ya que el impacto de los
costos futuros sobre la decisin presente se va reduciendo al avanzar en el tiempo.
Otro trabajo de investigacin lo constituye la concepcin de algoritmos de optimizacin
orientados a la resolucin del despacho cuadrtico que pueda explotar sus propiedades y reutilizar
de la mejor forma posible soluciones previas o trabajar sobre la base de perturbaciones del mismo
problema.
Particularmente interesante es un estudio comparativo de orden terico y prctico entre
los resultados alcanzados con las diversas metodologas propuestas para el manejo de cortes de
Benders en curvas de costo futuro como las estrategias para compartir cortes entre secuencias, la
eliminacin de cortes dominados, el contraste entre exploracin del rbol de escenarios y
explotacin de soluciones, la determinacin de nmeros apropiados de apertura y secuencias.
El desarrollo de esta herramienta impone la necesidad de mejorar tanto los modelos de
representacin temporal y espacial de la demanda como de los modelos estocsticos de caudales
y construccin de escenarios. De igual forma, resulta interesante estudiar el impacto de estos
modelos en los resultados alcanzados por el modelo de coordinacin.

Coordinacin Elctrica Hidrotrmica ANEXOS

107

ANEXOS

108
A A. . R RE EF FE ER RE EN NC CI IA AS S

[1] Wood A., Wollenberg B., "Power Generation, Operation and Control", 2nd Edition, John
Wiley and Sons Inc. New York, 1996.
[2] Birge J. R., Louveaux, F. , Introduction to Stochastic Programming , Springer series in
Operation Research, New York, 1997.
[3] Pereira M.V., Pinto L.M., Multi-stage stochastic optimization applied to energy planning,
Mathematical Programming 52 (1991) 359-375.
[4] Olmedo, J.C., Modelo GOL, PUC, http://www2.ing.puc.cl/power/education/GOL%20
JCOlmedo.pdf , 2001.
[5] Galetovic A., Olmedo J. C., Soto H., Una estimacin del costo social de eliminar los dficit
de abastecimiento elctrico en el SIC, CEA, Dpto. de Ingeniera Industrial, Universidad de
Chile, 2002.
[6] PSR, SDDP, Methodology Manual, Power System Research Institute, 2001.
[7] M. Pereira, N. Campodonico, and R. Kelman, Long Term Hydro Scheduling Based on
Stochastic Models, in Proceedings of EPSOM 98, Zurich, Sept. 1998.
[8] Colbn, El algoritmo de la Programacin de Mediano y Corto Plazo, Dpto. de Estudios de
la Operacin, Colbn S. A., Marzo, 1997.
[9] Silva N. S. Optimizacin Estocstica Aplicada al Problema de Operacin Elctrica con
Prdidas en las Lneas de Transmisin, memoria para optar al ttulo de Ingeniero Civil
Matemtico, Universidad de Chile, 1999.
[10] Handschin E., Mueller L., Nikodem T., Palma R.: Object-Oriented Software Package for
Simulation and Management of Re-regulated Energy Markets, IEEE-ANDESCON99, 8-
10, Sept, 1999, Isla Margarita, Venezuela, Vol. 1 pp. 94-97.
[11] Handschin E., Heine M., Knig D., Nikodem T., Seibt T., Palma R., "Object-Oriented
Software Engineering for Transmission Planning in Open Access Scheme", IEEE
Transactions on Power Systems 0885-8950, 1997.
[12] Palma R., Moya O., Vargas, L., "Object-Oriented Simulation Software for a Competitive
Environment - Application to Transmission Expansion Planning", The First EPRI Latin
America Conference & Exhibition: Toward a Mature Electricity Market Through
Technology, R&D, and Business Vision, Rio de Janeiro, Brasil, 28-30 Noviembre, 2001.
[13] Fletcher, R., Practical Methods of Optimization, 2. Auflage, John Wiley & Sons, New
York, 1987.
[14] M. Bazaraa, Sherali H.,Shetty C., "Nonlinear Programming", John Wiley & Sons, New
York, 1994.
[15] Torres R., Impacto de Sistemas de Cogeneracin en Redes de Potencia, memoria para
optar al ttulo de Ingeniero Civil Electricista, Universidad de Chile, 2000.
[16] River M., Prez-Arriaga I.J., Luengo G., A Model For Computation Of Spot Prices In
Interconnected Power Systems, 10 PSCC Conference, Agosto 1990, Graz, Austria.

109
[17] K. Schittkowski, C. Zillober (2003): Nonlinear programming, Encyclopedia of Life
Support Systems (EOLSS), UNESCO, Topic: Optimization and Operations Research, 157-
177.
[18] Ilog, CPLEX 8.1 Reference Manual, 2002.
[19] Murtaugh B. A., Saunders M. A., MINOS 5.0 Users Guide, Systems Optimization
Laboratory Report 83-20, Dept. of Operations Research, Standford University, 1983.
[20] Palacios E., "Modelo para manejo de la incertidumbre hidrolgica en la planificacin de la
operacin del SIC", memoria para optar al ttulo de Ingeniero Civil Electricista, Universidad
de Chile, 2004.
[21] Palma R., Vargas L., Flatow F., Oyarce N.: "Object Oriented Platform for an Integrated
Analysis of Energy and Transportation Networks", IEEE Transactions on Power Systems
August, 2003.
[22] J. Nicolaisen, V. Petrov, and L.Tesfatsion, Market Power and Efficiency in a
Computational Electricity Market with Discriminatory Double-Auction Pricing, IEEE
Transaction on Evolutionary Computation, Vol.5, No.5, October 2001.
[23] Richter Ch., Shebl G.B., Genetic Algorithm Evolution of Utility Bidding Strategies for
the Competitive Marketplace., IEEE Transaction on Power Systems, Vol. 13, No.1,
February 1998.
[24] Bunn D. W., Oliveira F.S., Agent-Based Simulation An Application to the New
Electricity Trading Arrangements of England and Wales, IEEE Transaction on
Evolutionary Computation, Vol.5, No5. October 2001.
[25] Vriend, N. J., An illustration of the essential difference between individual and social
learning, and its consequences for computational analyses, Journal of Economic Dynamic
and Control 24, 1-19, 2000.
[26] Ventosa M., Garca-Alcalde A., Menca A., Rivier M., Ramos A., Modeling Inflow
Uncertainty in Electricity Markets: A Stochastic MCP Approach, IEEE Proceedings 6
th

PMAPS Conference. Madeira. Vol. 2 PSP3-106, 2000.
[27] Pereira Mario V., S. Granville, R. Dix, L. A. Barroso , Nash Equilibrium in Strategic
Bidding: A Binary Expansion Approach, IEEE Transactions on Power Systems 00577-
2003R3.
[28] Kelman R., Augusto L., Barroso N. And M.V. Pereira, Market Power Assessment and
Mitigation in Hydrothermal Systems, IEEE Transactions on Power Systems, Vol. 16, N3,
August 2001, pp. 354-359.
[29] Vargas L., Palma R., Moya O., Torres R., "An Scenario Simulation Approach for Market
Power Analysis in Hydrothermal Systems", IEEE Transaction on Power Systems, Vol. 18,
No. 3, August, 2003.
[30] Faucheau H., A Parallel Implementation of the Nested Decomposition Algorithm for
Multistage Stochastic Linear Programs Applied to Power Generation Planning, Ecole
Polytechnique and Universidad de Chile, 1998.
[31] Campodnico N., S. Binato, R. Kelman, M. Pereira, M. Tinoco, F. Montoya, M. Zhang, F.
Mayaki, Expansion Planning of Generation and Interconnections Under Uncertainty,
2004, www.psr-inc.com.

110
[32] Ferrero R.W., Rivera J. F., Shahidehpour, A Dynamic Programming Two-Stage Algorithm
for Long Term Hydrothermal Scheduling of Multireservoir Systems, IEEE Transactions on
Power Systems, Vol13, No. 4, November, 1998.
[33] Rademacher L., Clculo y Estabilidad de Equilibrios de Nash y Aplicaciones al
Modelamiento del Mercado de Energa Elctrica, memoria para optar al ttulo de Ingeniero
Civil Matemtico, Universidad de Chile, 2002.
[34] Yang Jian, A Market Monitoring System for the Open Electricity Markets, IEEE PES
Summer Meeting 2001, July, Vancouver Canada.
[35] DFL1: Ley General de Servicios Elctricos, Repblica de Chile, 1982, 2003, 2005.
[36] Convenio Sobre Regulacin del Rio Maule entre El Departamento de Riego de la
Direccin General de Obras Pblicas y la Empresa Nacional de Electricidad S.A.,
Repblica de Chile, 1947.
[37] Convenio Ad-Referndum Sobre La Regulacin del Ro Laja, Repblica de Chile, 1958.


111
B B. . P PR RO OG GR RA AM MA AC CI I N N C CU UA AD DR R T TI IC CA A S SE EC CU UE EN NC CI IA AL L ( (S SQ QP P) )

B B. .1 1 F Fu un nd da am me en nt to os s D De e O Op pt ti im mi iz za ac ci i n n N No o L Li in ne ea al l
Sea el siguiente problema no lineal:

( )
( )
( ) min ( )
. . 0, 1, ...,
0, 1, ...,
i e
i e
x
P f x
s a c x i m
c x i m m
= =
= +
(B.1)
Las restricciones de limites de variables, se resumen en el conjunto de restricciones de
desigualdad. Para claridad se presentan las siguientes definiciones de notacin:
Gradiente de una funcin de valor real f:

1
( ) ( ) ( ),..., ( )
T
n
g x f x f x f x
x x

= =

La matriz Jacobiana o Jacobiano de una funcin de valor vectorial :
n m
F R R :
1,..., ; 1,...,
( ) ( ) ( )
j
i
i n j m
J x F x f x
x
= =

= =

El Lagrangeano del problema P, definido para todo
n
x R y
1
( , ..., )
T
m
=
m
R :
1
( , ) ( ) ( )
m
i i
j
x f x c x
=
+
= L

Conjunto de restricciones de desigualdad activas:
{ } ( *) / ( ) 0,
i e
I x i c x m i m = =

El Lagrangeano relaciona la funcin objetivo con las restricciones del problema. Las
variables i se conocen como multiplicadores de Lagrange. Lo primero que debe establecerse son
las condiciones de optimalidad que debieran ser chequeadas respecto de una precisin de
convergencia.

Teorema 1, condiciones necesarias de primer orden, o de Karush-Kuhn-Tucker, KKT:
Si f, c
j
son continuas y derivables hasta orden dos para j=1,...,m y el conjunto de vectores
{ }
( *)
j
c x son l.i. con {1, ..., } ( *)
e
j m I x , entonces es equivalente que x* es una solucin
local de (B.1) y existen multiplicadores de Lagrange
j
*, tales que x*,
j
* satisfacen el siguiente
sistema:

112

( )
( )
( )
( *, *) 0
* 0 1, ...,
0 1, ...,
* 0 1, ...,
* * 0 1, ...,
j e
j e
j e
j j e
x
x
c x j m
c x j m m
j m m
c x j m m
=
= =
= +
= +
= = +
L
(B.2)

Esta condicin dice que en torno a una solucin local, el gradiente de la funcin objetivo
se puede escribir como una combinacin lineal de los gradientes de las restricciones activas. Con
ello, para cualquier direccin s factible, i.e. que satisface ( *) 0
T
i
c x s = con
{1, ..., } ( *)
e
j m I x , la derivada de la funcin objetivo en esa direccin es nula.

Teorema 2, condicin necesaria de segundo orden:
Si en el punto x* existen multiplicadores
i
*, tal que satisfacen (B.2) y si se cumple que:

2
( *, *) 0, con ( *) 0, {1, ..., } ( *)
T T
j e x
s x s s c x s j m I x = L
n
R (B.3)
entonces x* es un mnimo local de (B.1).
Esta condicin establece que la funcin objetivo debe ser convexa en torno a la solucin
en las direcciones factibles, asegurando que se trata de un mnimo local. De igual forma, es vlida
la afirmacin en sentido inverso.
Para un problema con funcin objetivo y espacio factible convexo, slo es necesario
cumplir la primera condicin, que puede resumirse de la siguiente forma:
( *, *) 0 x = L (B.4)

B B. .2 2 F Fo or rm mu ul la ac ci i n n D De e L La a P Pr ro og gr ra am ma ac ci i n n C Cu ua ad dr r t ti ic ca a S Se ec cu ue en nc ci ia al l
Un enfoque directo y eficiente de resolver el problema (B.1) es a travs de iteraciones
sobre la base de ciertas aproximaciones de f(x) y c
j
(x), en particular el uso de aproximaciones
lineales de c
j
(x). Si esto es hecho con el suficiente cuidado para asegurar una rpida
convergencia, un mtodo que cumple con estas condiciones surge como la aplicacin del mtodo
de Newton al problema de encontrar una raz al Lagrangeano del problema, i.e. (B.4). Por ello,
tambin podra verse como el mtodo de Lagrange-Newton. El Lagrangeano est definido en
trminos de x y , as que el mtodo entregara una sucesin de aproximaciones a x
(k)
y
(k)
, que
se acercan al vector solucin x* y a los multiplicadores de Lagrange en el ptimo *.
Primeramente, si se aplica el mtodo al problema (B.4), slo con restricciones de
igualdad, una expansin en serie de Taylor del Lagrangeano en torno de x
(k)
,
(k)
resulta:

( ) ( ) ( ) 2 ( )
( , ) [ ] ...
k k k k
x
x x

+ + = + +

L L L (B.5)
Despreciando ordenes superior en la expansin y asumiendo que el paso lleva a la raz,
como es habitual en el mtodo de Newton, la correccin de la iteracin satisface:

113

2 ( ) ( )
[ ]
k k
x

=

L L (B.6)
Desarrollando el Hessiano del Lagrangeano, se obtiene el siguiente sistema:

( ) ( )
( ) ( ) ( )
( )
( )
0
k k
k k k
C
C
T
k
k
C
g x
c

=

W J
J
J
(B.7)

donde
( ) k
C
J es el Jacobiano de las restricciones evaluadas en x
(k)
y
( ) k
W es el Hessiano del
Lagrangeano con respecto a x evaluado en x
(k)
, como sigue:

( ) 2 ( ) ( ) 2 ( ) ( ) ( )
( ) ( )
k k k k k k
i i f i c
i i
f x c x = + = +

W H H (B.8)
Es ms conveniente reescribir el sistema estableciendo que
( 1) ( ) k k

+
= + y
( ) k
x = :

( ) ( )
( )
( )
( )
0
k k
k
C
T
k
k
C
g
c

=

W J
J
(B.9)

para ser resuelto y determinar
( ) k
y
( ) k
. As, x
(k+1)
est dado por:

( 1) ( ) ( ) k k k
x x
+
= + (B.10)
Es posible disponer el mtodo en trminos de uno en el cual los subproblemas envuelven
la minimizacin de un problema cuadrtico equivalente, como sigue:

( )
( )
( )
( ) min ( )
. . 0
k
k
P q
s a

= A
(B.11)
donde

( ) ( ) ( )
1
( )
2
k T k k
q g f = + + W (B.12)
y
( )
( ) ( ) ( )
T
k k k
C
c = + A J (B.13)

Imponer las condiciones de primer orden (B.4) al problema (B.11), es equivalente a
resolver el sistema (B.9). Sin embargo, iterar sobre problemas (B.11) es preferible, ya que el
mtodo de Lagrange-Newton (B.9) puede converger a ceros del Lagrangeano, que no
necesariamente son un mnimo, ya que no hay seguridad de cumplir la segunda condicin de
optimalidad.
Por otro lado, el problema (B.11) guarda un estrecha relacin con el problema original.
Las restricciones en (B.11) son obtenidas de la aproximacin de primer orden de aquellas de

114
(B.1), dada por (B.13) y la funcin objetivo es una aproximacin de segundo orden con adicin
de la informacin de la curvatura de las restricciones para aproximar los costos de las
restricciones. Esta interpretacin lleva de inmediato a la generalizacin del mtodo hacia
restricciones de desigualdad, heredando el subproblema cuadrtico el tipo de restriccin del
problema original.
( )
( )
( )
( )
e
( )
e
( ) min ( )
. . 0, m
0, m-m
k
k
e
k
ne
P q
s a
A
A
(B.14)

Finalmente, el proceso iterativo queda como sigue:
1. Imponer estimaciones iniciales
(1)
x ,
(1)
.
2. Resolver (B.14) para determinar
( ) k
y
( 1) k
+
.
3. Hacer
( 1) ( ) ( ) k k k
x x
+
= + ,
( ) ( ) ( ) ( 1) ( ) ( ) ( 1) ( )
, ,
k k k k k k k k
x f f f
+ +
= = =
4. Si la funcin de convergencia cumple el criterio:
( ) ( ) ( )
( , , )
k k k
fc x f terminar.
Si no, volver a 2.


115
C C. . C CA AS SO OS S D DE E E ES ST TU UD DI IO O

En las siguientes pginas se entregan los diagramas esquemticos de los casos de prueba
utilizados en la validacin de la herramienta. Los detalles de parmetros se encuentran en bases
de datos MS-ACCESS en el CD-ROM de complemento al documento con el nombre del caso
respectivo. Adicionalmente se entrega el archivo .sim que puede ser ledo por DeepEdit, desde
donde se pueden analizar grficamente. Cada caso se entrega en una carpeta, donde el contenido
de informacin de los archivos de simulaciones de DeepEdit fue traspasado a la base datos
DeepDB, donde los parmetro de los sistemas se agrupan en tablas por tipo de objeto
involucrado.
Es posible bajar una versin ejecutable del programa DeepEdit desde la URL
http://146.83.6.25/deepedit/index.htm. Con ella es posible cargar los casos de prueba entregados
en el CD-ROM para ejecutar algunas herramientas bsicas como flujos de potencia y despachos
de un bloque de demanda si se cuenta con licencias de los paquetes MINOS o CPLEX.

C C. .1 1 S Si is st te em ma a 9 9 n no od do os s

Este sistema se extrajo de la referencia [16], en la cual se estudia una metodologa para
resolver problemas de despacho econmico de sistemas elctricos de potencia con prdidas de
transmisin cuadrticas. La Figura C.1 muestra el diagrama esquemtico de este sistema en el
editor elctrico de DeepEdit.

116

Figura C.1: Diagrama unilineal del caso de prueba Sistema de 9 nodos. Imagen extrada del editor
elctrico de DeepEdit

C C. .2 2 C Cu ue en nc ca as s H Hi id dr ro og gr r f fi ic ca as s d de el l S SI IC C

Para efectos ilustrativos e informativos, las figuras C.2 y C.3 muestran los diagramas
esquemticos de las principales cuencas hidrogrficas que intervienen en el despacho econmico
del SIC chileno. Cabe destacar que embalses pequeos con regulacin diaria o menor como el
Polcura o el Melado no son modelados como tal en los casos simulados debido a que las etapas
con las que se trabaj son mensuales.

117

Figura C.2: Diagrama esquemtico de la cuenca hidrogrfica del Laja.

118

Figura C.3: Diagrama esquemtico de la cuenca hidrogrfica del Maule.

119
C C. .3 3 M Mo od de el lo o d de el l S SI IC C

Las siguientes figuras muestran los diagramas esquemticos de red e hidrulicos del
modelo del SIC de los casos de estudio. La red corresponde a un modelo elctrico reducido,
trasladado va equivalentes a una tensin de 220 kV. La red incluye circuitos abiertos fuera de
servicio.

Figura C.4: Diagrama unilineal del SIC en los casos de prueba. Imagen extrada del editor elctrico de
DeepEdit


120

Figura C.5: Representacin de la cuenca del Maule en el modelo del SIC. Imagen extrada del editor
hidrulico de DeepEdit

121

Figura C.6: Representacin de la cuenca del Laja en el modelo del SIC. Imagen extrada del editor
hidrulico de DeepEdit


122

Figura C.7: Representacin de las otras centrales hidrulicas en el modelo del SIC. Imagen extrada del
editor hidrulico de DeepEdit

Cabe sealar que el modelo del SIC con el que se trabaj no consideraba la entrada en
operacin de la central Ralco por lo que no aparece en el esquema de la Figura C.7, ni en la C.4.


123
D D. . L LA A H HE ER RR RA AM MI IE EN NT TA A D DE E S SO OF FT TW WA AR RE E S SE EE ED DS S

La implementacin de la herramienta consta de archivos Java que conforman una red de
objetos integrados a DeepEdit. En el CD-ROM se entrega un documento html que contiene la
descripcin de objetos de DeepEdit como un todo, incluyendo su jerarqua e interrelacin. Todo
ello obtenido a partir de la herramienta javadoc del paquete de desarrollo de j2sdk. Los objetos
pertenecientes a la herramienta son todos denominados bajo la siguientes: claves hdb_* para la
base de datos orientda a objetos, SEEDS_* para los objetos de clculo, de apoyo y ventas
grficas. Estas ltimas se denotan con la palabra _Frame o_Fr.
La herramienta se diseo buscando aprovechar al mximo las capacidades nativas de
almacenamiento de DeepEdit en consonancia con su estructura y filosofa, de manera que toda la
informacin extra necesaria para construir los modelos de sistemas para SEEDS se trabaja a
travs de una base de datos complementaria. Para ello, la herramienta utiliza un arreglo de
carpetas donde se almacenan los casos de estudios. Cada uno de ellos, se almacena en una carpeta
con una estructura predefinida cuyo contenido son los archivos de entrada y salida de datos.
Como entrada de datos se tienen los archivos: seeds.sim y seedsdb.mdb. El primero, es un
archivo de trabajo habitual de DeepEdit, mientras el segundo es la base de datos con informacin
complementaria. La Figura D.1 muestra la estructura de archivos y el contenido de la carpeta de
un caso tpico.
Figura D.1: Estructura de carpetas de SEEDS en el directorio de trabajo de DeepEdit.
D D. .1 1 I In nt te er rf fa az z p pa ar ra a d da at to os s y y a ad dm mi in ni is st tr ra ac ci i n n d de e e es st tu ud di io os s. .

La herramienta se arranca desde el men archivos de DeepEdit lo cual lanza el
administrador de estudios, Figura D.2, el cual se encarga de transformar las estructuras de
directorios para permitir que DeepEdit acceda al archivo de simulacin seeds.sim y de hacer la
conexin con la base datos SeedsDB.mdb. Al seleccionar un caso de la lista y presionar abrir, se
carga la informacin y DeepEdit entra en un modo especial de trabajo, desplegndose la ventana
de la herramienta (Figura 5.7). En este modo especial de trabajo, desde los objetos en los editores

124
se pueda tener acceso directo a su informacin complementaria, necesaria para la coordinacin
hidrotrmica. Esto se muestra en la Figura D.3. Des esta manera, toda la informacin se maneja
bajo la mismo enfoque grfico e interactivo usual en DeepEdit.

Figura D.2: Administrador de Estudios SEEDS.

Los campos del administrador de estudios son:
Tipo: nombre que permite agrupar los diversos estudios por un rtulo que permite
agrupar, para luego filtrar, casos de estudio de una misma familia. Para ello se usa
el selector de lista inferior.
Descripcin: Es el texto explicativo que permite identificar y seleccionar el caso.
Localizacin: es el nombre del directorio en la carpeta ../SEEDS/Estudios/
donde se almacenan los archivos relativos al caso.


125
Figura D.3: DeepEdit en modo SEEDS. Edicin de factores de distribucin geogrfica de demanda

La ventana principal de la herramienta SEEDS contiene cuatro paneles con distintos
conjuntos de datos:
Parmetros de simulacin: contiene los datos de entrada tpicos necesarios para
definir una simulacin.
Etapas, Bloques y Demanda: este panel permite definir las caractersticas de las
distintas etapas del horizonte. Permite definir las caractersticas de la demanda a travs
de un conjunto de tablas coordinadas.
Ejecucin: a travs de l se dan los parmetros a los algoritmos, se selecciona lo que
se desea resolver y se maneja el proceso de clculos.
Analisis Resultados: permite cargar los resultados de las simulaciones en el editor y
construir tablas de salida (en proceso de construccin).


126
D D. .2 2 B Ba as se e d de e d da at to os s S SE EE ED DS S

La base de datos SEEDS contiene toda la informacin necesaria para construir y resolver
simulaciones del sistema. En las siguientes lneas se describen las tablas que conforman esta base
de datos, sus campos y las dimensiones del parmetro involucrado.
SeedsDB consta de las siguientes tablas principales de datos:
1. Param_Sim
2. Tasas_Descuento
3. Demanda_Anual
4. Nombre_Bloques_CDC
5. Dem_FDCA_Cargas
6. Dem_FDCA_Semanas
7. Dem_FCDC_Semanal_XB
8. Def_Etapas
9. Caudal_Afluentes
10. Gen_Mantenimientos
11. Embalses
12. Emb_Fnc_Cota_Volumen
13. Emb_CMg_Finales
14. Sequences_Def

A continuacin se describen la mayor parte de ella para entregar una nocin de los parmetros e
informacin involucrada.

Param_Sim: Contiene la informacin de los parmetros de simulacin Esta tabla consta de las
siguientes columnas:
Parmetro (string): Nombre del parmetro de simulacin.
Valor (int): valor del parmetro.
Las claves de parmetros son:
Ao_Inicio: ao en que comienza el horizonte de simulacin.
Ao_Fin: ao en que finaliza el horizonte de simulacin.
Mes_Inicio: mes en que comienza el horizonte de simulacin.
Mes_Fin: mes en que finaliza el horizonte de simulacin.
Semana_Inicio: semana en que comienza el horizonte de simulacin.
Semana_Fin: semana en que finaliza el horizonte de simulacin.
Num_Bloques_CC: nmero de bloques o intervalos en los que se dividi la curva de
carga. Se relaciona con la tabla de definicin de bloques.
Modelo_Perdidas: de acuerdo al valor indica el modelo de prdidas usado.
Ang_Ref: valor del ngulo de referencia, si se desea usar un valor distinto de cero.
Num_Simulaciones: nmero de secuencias construidas, a calcular en el horizonte de
evaluacin.
Num_Aperturas: nmero de estadsticas usadas por el modelo para estimar los valores
esperados en etapas con incertidumbre hidrolgica.
Num_Hidrologias: nmero de aos estadsticos de la estadstica hidrolgica considerada.

127
Ultimo_Ao_Est_Hidro: indica cual es el ltimo ao, (ms reciente), de la estadstica de
hidrologas que debe ser considerado.
Mes_Deshielo: mes en que se considera que comienzan los deshielos, y por ende la
hidrologa se asume determinstica.
Tipo_Simulacion: forma en que se realiza el sorteo de aos hidrolgicos en los aos del
horizonte de evaluacin, en relacin a la secuencia histrica de las estadsticas. 0 para
simulacin aleatoria y 1 para histrica.
Tipo_Apertura: forma en que se construyen las estadsticas para los meses con
incertidumbre. 0 conserva las aperturas aleatorias de aos hidrolgicos en todas las
etapas dentro del mismo ao hidrolgico, 1: se calcula una nueva apertura aleatoria en
cada etapa del horizonte de simulacin.

Tasas_Descuento: Corresponde a las tasas de descuento anual. Esta tabla consta de las siguientes
columnas:
Ano (int): Ao de la demanda anual.
Tasa (float): Tasa anual de descuento [%].

Demanda_Anual: Contiene parte de la informacin de los parmetros de la estructura de la
demanda. Corresponde a la demanda anual de energa en todo el sistema para cada ao.
Ano (int): Ao de la demanda anual.
Energia (float): Estimacin de la energa demandada anual en el sistema [GWh].

Dem_FDCA_Cargas: Contiene la informacin de distribucin de la demanda anual en cada una
de las cargas del sistema.
Carga, (string): nombre de la carga en el diagrama elctrico.
Ano, (int): ao del valor.
FDCC, (float): factor de distribucin de la demanda anual correspondiente a la carga [%].
Constituye la porcin de la demanda anual de energa que corresponde a esta carga.

Dem_FDCA_Semanas: Contiene parte de la informacin de los parmetros de la estructura de la
demanda. Corresponde a la distribucin temporal de la demanda en cada una de las semanas de
un ao tpico del sistema.. Esta tabla consta de las siguientes columnas:
Mes (int): mes de ao al que corresponde el valor. [1,,12].
Semana, (int): semana del mes al que corresponde el valor. [1,,4].
FDDS, (float): factor de distribucin de la demanda semanal [%].
Num_dias, (int): duracin en das de la semana considerada.[7,8]. Este valor es usado
cuando se necesita ponderar valores para la construccin de una etapa y sirve adems
como recordatorio de la duracin de cada una de las 48 semanas en las que se divide el
ao.

Dem_FCDC_Semanal_XB: Este es el nombre de una plantilla de tabla genrica donde se
almacenan los valores que permiten la descomposicin en potencia y duracin de cada bloque de
la curva de duracin de carga modelada. Una realizacin concreta de la tabla sustituye la letra X
por el numero de bloques de la curva de carga. Las columnas de la tabla para X bloques de
demanda, Dem_FCDC_Semanal_XB son:
Mes (int): mes de ao al que corresponde el valor. [1,,12].

128
Semana, (int): semana del mes al que corresponde el valor. [1,,4].

Para I=1,,X, se repiten las siguientes columnas en forma correlativa.

BloqI_Fact_Dur: Porcentaje de la duracin de la semana correspondiente al bloqueI [%].
BloqI_Fact_Dem: Porcentaje de la demanda de energa correspondiente al bloque1 [%].

Def_Etapas: Esta tabla alberga la definicin de cada una de las etapas del horizonte de
evaluacin. Cada etapa se define con un largo en semanas, de modo que su definicin queda
completa al vincularlas con la fecha de inicio del horizonte. Sus columnas son:
Num_Etapa (int): valor correlativo que indexa la etapa.
Duracion, (int): nmero de semanas que define el largo de la etapa.

Caudal_Afluentes: Esta tabla contiene el valor de los caudales histricos o energa generable
equivalente de los afluentes a las centrales hidrulicas y embalses del sistema. Los valores se
indican para cada semana del ao hidrolgico histrico. Se supone que el ao hidrolgico
comienza en la primera semana del mes de abril del ao indicado en la tabla de parmetros y
abarca hasta la cuarta semana de marzo del ao siguiente, siendo estas ltimas semanas
clasificados dentro de la mismo ao histrico:
Afluente, (string): Nombre del afluente
Ano_Historico, (int): Ao calendario en que comienza la serie hidrolgica.
ABR1, (float): valor medio del caudal o energa generable equivalente que se observ en
la primera semana del mes de abril, en m
3
/seg o MW equivalentes.
ABR2, (float): valor medio del caudal o energa generable equivalente que se observ en
la segunda semana del mes de abril, en m
3
MAR4, (float): valor medio del caudal o energa generable equivalente que se observ en
la cuarta semana del mes de marzo del ao siguiente, en m
3

Embalses: Contiene valores de parmetros complementarios SEEDS de los embalses del sistema.
Consta de las siguientes columnas:
Embalse, (string): Nombre del embalse.
Cota_Inicial, (float): Cota inicial del embalse [m.s.n.m].
Cota_Final, (float): Cota final del embalse [m.s.n.m].
Cota_Min, (float): Cota mnima del embalse [m.s.n.m].
Cota_Max, (float): Cota mxima del embalse [m.s.n.m].
Filt_Med, (float): Filtraciones medias del embalse [m
3
/seg].
Uso_CMg_Final, (int): Indica si usa una funcin de CMg al final del horizonte o una
constante. Si el valor es 1 se asume que existe una curva de Costos Marginales en la
tabla correspondiente; un valor de 0 indica que el costo es el indicado en el generador
elctrico asociado cuando lo tiene, si no lo tiene, se asume un valor de cero.

Emb_Fnc_Cota_Volumen: Tabla con el contenido de un muestreo de la funcin de
transformacin de cota a volumen de cada embalse. Sus columnas son:
Intervalo,(int): Nmero correlativo creciente del muestreo de la funcin.
Volumen,(float): Volumen de punto [Mm
3
].

129
Cota,(float): Cota del punto [m.s.n.m].

Emb_CMg_Finales: Tabla con el contenido de un muestreo de una funcin de costo marginal
del agua embalsada en funcin de la cota al final del horizonte de estudio, segn lo expuesto en
4.9. Sus columnas son:
Intervalo,(int): Nmero correlativo creciente del muestreo de la funcin.
Cota,(float): Cota del embalse [m.s.n.m] en el punto muestreado.
Volumen,(float): Volumen del punto [Mm
3
], el cual no es usado, pero se conserva por su
utilidad como valor de referencia para el usuario.
CMg, (float): Costo Marginal final de la curva en la cota indicada [US$/(m
3
h/seg)].

Sequences_Def: Tabla que contiene la definicin de secuencias y aperturas construidas para las
simulaciones.


130
D D. .3 3 V Vi is su ua al li iz za ac ci i n n d de e R Re es su ul lt ta ad do os s

Las siguientes imgenes ilustran las salidas grficas de resultados de la herramienta. Una
vez calculada una simulacin, se abre la ventana de grficos para mostrar la convergencia. Figura
D.4. Las Figuras D.5 y D.6 muestran los resultados de la solucin de un problema de secuencia
en la primera etapa en los editores de red e hidrulico. Se aprecian los resultados relevantes de
niveles de generacin, precios, uso de agua, flujos de potencia, entre otros.

Figura D.4: Grfico de Convergencia.


131

Figura D.5: Solucin de un despacho. Editor elctrico.


132

Figura D.6: Solucin de un despacho. Editor hidrulico.

Tesis Rigoberto Torres

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tesis Rigoberto Torres

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FSICAS Y MATEMTICAS

: Valor esperado respecto de la v.a. .

: Operador unin de conjuntos.

Minimizacin del costo inmediato

Minimizacin del costo inmediato

: Conjunto de ndices de los generadores conectados a la barra i.

: Conjunto de ndices de las cargas conectadas a la barra i.

. La funcin de costo futuro esperado (FCFE) al final del

. As, las aproximaciones de la FCFE que sern construidas en cada

, donde los superndices x, representan los multiplicadores de

Vous aimerez peut-être aussi