Generación de series sintéticas de recursos renovables variables para estudios de operación y planificación de sistemas eléctricos

Abstract

En los últimos años a nivel mundial existe un gran interés en promover el desarrollo y penetración de energías renovables variables (ERV), tales como la energía eólica y solar fotovoltaica. El incremento de las ERV en los sistemas eléctricos de potencia (SEP) genera grandes desafíos y cambios en los paradigmas de cómo planificar la operación e inversión en los SEP debido a la variabilidad e incertidumbre de estos recursos. Para modelar la variabilidad e incertidumbre de las ERV en los problemas de planificación de la operación y expansión de SEP se necesitan mediciones de las ERV de una longitud igual o mayor al horizonte de evaluación o una muestra, tal que permita caracterizar adecuadamente su comportamiento. En la práctica no siempre es posible tener acceso a dicha información. Debido a ello se han desarrollado diferentes metodologías y modelos para generar series sintéticas de ERV. Dichas series deben ser capaces de caracterizar la función de densidad de probabilidad, dependencia temporal y espacial de las mediciones reales. Entre los modelos más utilizados se encuentran las cadenas de Markov, procesos ARMA (del inglés AutoRegressive Moving Average) y VAR (del inglés Vector AutoRegressive). En esta tesis se realiza una revisión bibliográfica de las metodologías y modelos desarrollados en la literatura para generar series sintéticas por tipo de recurso y tipo de dependencia que consideran en su formulación. En este contexto, el objetivo general de este trabajo es conocer y sistematizar las diferentes propuestas en la literatura para la generación de series sintéticas de velocidad de viento, potencia eólica y radiación. Además, definir y proponer criterios para la adecuada selección de modelos a ser utilizados en operación y planificación de sistemas eléctricos de potencia. Para ello se realiza una propuesta metodológica que consta de seis etapas, en donde se describe detalladamente los pasos a seguir así como los análisis estadísticos necesarios para elegir adecuadamente un modelo para generar series sintéticas. La metodología es aplicada a problemas de planificación de operación de mediano y muy corto plazo. Se observa que los modelos VAR son capaces de caracterizar los estadísticos totales, mensuales y estructuras de dependencia de las ERV cuando se utilizan procesamientos y transformaciones adecuadas. Además, se compara con otros modelos tales como CARMA (del inglés Contemporaneous AutoRegressive Moving Average), PCA (del inglés Principal Component Analysis) + ARMA, VAR con distintos procesamientos y teoría de Cópula, usando la familia de cópulas gaussianas para esta última. Se concluye que la metodología propuesta es capaz de sistematizar el proceso de selección de modelos temporales y espacio-temporales en función del problema de SEP y las características estadísticas de las series de tiempo asociadas a las ERV. Asimismo, en función del estado del arte se sistematiza el proceso para definir transformaciones, estimar el orden y ajustar adecuadamente los modelos VAR. Finalmente, se observa la relevancia de verificar el comportamiento estadístico de las series de tiempo. Si no se realiza un análisis adecuado y se aplican los modelos desarrollados en la literatura sin verificar sus supuestos y condiciones de aplicación, se podrían utilizar modelos que no caractericen adecuadamente ni las contribuciones energéticas estacionales ni las estructuras de dependencias. Como principal trabajo futuro se plantea desarrollar una herramienta computacional basada en un sistema experto que permite automatizar la toma de decisión para personas que son expertas en SEP, pero no en modelos para generar series sintéticas, ayudando a mejorar las prácticas actuales referentes a la caracterización de la variabilidad e incertidumbre de las ERV a través de las series sintéticas.