Dimensionamiento óptimo de sistemas de almacenamiento basado en técnicas de reducción de escenarios

Abstract

El presente trabajo presenta una novedosa metodología que permite realizar reducción de escenarios en problemas de planificación de la generación incluyendo almacenamiento de energía en sistemas eléctricos de potencia. La metodología se justifica por el hecho de que la planificación de sistemas eléctricos con alta penetración de fuentes de energía variable incita al planificador a tener en cuenta las restricciones de corto plazo, las que son componente habitual en los modelos de predespacho de unidades unit commitment . Adicionalmente, la variabilidad de las fuentes renovables ha impulsado la incorporación de sistemas de almacenamiento como una manera de aportar a la flexibilidad requerida para conseguir el nivel de confiabilidad y seguridad necesario para operar el sistema. Por otra parte, la naturaleza incierta que poseen las fuentes variables hace natural que el problema de optimización subyacente sea de carácter estocástico, el cual se enfrenta mediante escenarios en un árbol determinístico equivalente. Como consecuencia, se tiene un modelo cuya resolución requiere grandes esfuerzos computacionales. Considerando los elementos mencionados, esta tesis propone un manejo eficiente de la incertidumbre mediante la reducción de la cantidad de escenarios, asegurando a su vez un nivel predeteminado de precisión y exactitud en la solución encontrada. La metodología utilizada propone cuatro fases. Las dos primeras denominadas de Selección de Características y Reducción de Escenarios, se basan en métricas de teoría de la información. El propósito de ambas fases es caracterizar cada escenario según la manera en que estos afectan a la planificación. Con ese objetivo se evalúan características de la salida del problema de optimización que modela la planificación, y de este conjunto se escoge aquella que mejor represente la variable aleatoria. Posteriormente, el conjunto de escenarios se reduce aplicando una técnica de clustering cuya función objetivo está enfocada en que las distribuciones de probabilidad de la cantidad original de escenarios y la versión reducida sean cercanos en un espacio de probabilidad. Una tercera fase de Análisis de Postoptimalidad se encarga de analizar la bondad de los resultados obtenidos en la planificación con los escenarios reducidos, y dependiendo de las conclusiones obtenidas, se procede a realizar ajustes de la técnica en una cuarta fase, llamada ajustes. Con el objetivo de validar el funcionamiento de cada fase y el potencial de la metodología se analizan dos casos de estudio, los que corresponden a una planificación de la generación y almacenamiento con un horizonte de una semana y un semestre. Este último da cuenta de las proyecciones del sistema eléctrico chileno al año 2030. Los resultados obtenidos muestran que la metodología, puede llegar a valores cuyo error estimado es menor a un 2% respecto a los costos totales del sistema utilizado un 3% de los datos. Más aún, se proponen estimadores para determinar la inversión en tecnologías de almacenamiento. Finalmente, dicha metodología es capaz de realizar una estimación en la inversión incluso en contextos donde ejecutar un modelo con la totalidad de escenarios es computacionalmente no factible. Como trabajo futuro se propone explotar el potencial de paralelización e incorporar el sistema de transmisión a los modelos de planificación. Asimismo, para cada fase del método propuesto se identifican mejoras específicas