Incorporación de ERNC Uruguay Ing. Pablo Soubes

Transcripción

1 Incorporación de ERNC Uruguay Ing. Pablo Soubes

2 CONTENIDO Características del Sistema Uruguayo. Modelado de ERNC. Pronósticos en la Operación del Sistema.

3 INTRODUCCIÓN Uruguay 2016 Es una realidad el cambio en la matriz de generación eléctrica a favor de las energías renovables, principalmente el viento. Se suman al SIN fuentes de generación no gestionables que agregan incertidumbre al sistema.

4 DEMANDA Demanda de energía eléctrica Uruguay. Hasta el 2008 son datos reales Restricciones 2006 Invierno suave 2007 Restricciones 2008 Crisis Financiera 2009 GWh/año D 6000 Restricciones Crísis 2000 DP Restricciones 1989 La Tablita 0 año 4

5 5 Eólica y Solar VS Demanda ISGTLA 2015 MONTEVIDEO URUGUAY

6 Centrales Hidroeléctricas

7 Oferta Térmica

8 Balance de comercio con Argentina y Brasil

9 Balance de comercio con Argentina y Brasil GWh IMP. ARG. IMP. BRASIL EXP. ARG. EXP. BRASIL

10 Balance de comercio con Argentina y Brasil IMP. ARG. IMP. BRASIL EXP. ARG. EXP. BRASIL Argentina = 12.5 * Uruguay GWh Brasil = 35 * Uruguay GWh

11 Modelo del SIN a m te s i S elo d o M o d a t s E = X Ecuación de evolución del Estado r a l u Sim Horizon t es La Demanda Incertidumbre Crónica Escenario Paso T Poste Fall a alla F e d o t s Co Generadore s os c r A Nodos

12 Modelo del SIN Costos Fijos = PP [USD/MWh] Costos Variable = CV [USD/MWh] Biomasa ( Autodespachada Spot ) ricas t c é l e o Hidr

13 Despacho energético con restricciones de transporte Gen H1 Arco 1 Gen Ter1 Nodo 1 Arco 2 Nodo 2 Dem 1 Gen H2 Gen Eol1 Dem 2 Gen Eol3 Arco 3 Gen Eol2 Arco 4 Exp/Imp

14 Costos marginales de generación a u g A l e d r o l Va

15 Valor de un recurso almacenable COMPARACIÓN ENTRE COSTO DEL PRESENTE Y COSTO DEL FUTURO. De no haber restricciones para el traslado en el tiempo, el costo marginal sería el mismo en todas las horas del futuro. INCERTIDUMBRE DEL FUTURO. MODELOS ESTOCASTICOS PRONOSTICOS

16 Costos marginales de generación Demanda No Gestionable Demanda Neta

17 Variabilidad de la generación hidráulica (2012)

18 Variabilidad del precio del barril de petróleo ( )

19 Variabilidad del precio del barril de petróleo ( )

20 Incertidumbre en el crecimiento de la Demanda

21 Pero qué pasa con las ERNC? 21

22 Desvío acumulado según fuente de generación Solar Eólica Hidro

23 Perfil anual en p.u. de la generación diaria esperada Hydro Solar Wind Demand

24 Modelo de Central Eólica

25 Curva de Potencia - Velocidad

26 Potencia eléctrica (MW) Modelo empírico válido sin R.O. Velocidad del viento (m/s)

27 Procedimiento de obtención M.E. Grupos por dirección de viento

28 Modelo empírico válido sin R.O. de ajuste Potencia eléctrica (MW) -o- Curva Potencia del viento (MW/m2)

29 Modelo teórico Aerogeneradores Grilla Potencia nominal de Parque Límite de Potencia Factor de Pérdidas

30 Parámetros de ajuste del modelo teórico

31 Cálculo de la potencia generada Condiciones de borde de la grilla del parque

32 Cálculo de la potencia del viento

33 Metodología MT Por qué el MT? Vel Anemómetro=9 m/s, CGM=42 MW Vel. Libre = 10 m/s Anemómetro

34 Modelo combinado Potencia con RO Modelo Teórico Potencia sin RO Modelo Teórico Velocidad Libre Datos E.M (velocidad anemo) CGM Potencia Autorizada Ajuste ME/MT Ajuste Corto Plazo

35 Modelo de central generadora solar fotovoltaica. MODELO EMPÍRICO

36 Ajuste de modelo de La Jacinta

37 ERNC Oportunidades de desarrollo Integración regional. Demanda con respuesta. Banco de baterías, Centrales de bombeo, Hidrógeno.

38 Incorporación de Pronósticos a la Programación en Tiempo Real Aplicación VATES ADMINISTRACIÓN DEL MERCADO ELÉCTRICO. 38

39 Abastecimiento Demanda 6/1/2016 6:00 hs. Vertimiento (13708 m3/s) Hidro Salto Grande Hidro Río Negro Eólica Biomasa Solar Biomasa

40 Ejemplo R.O. 6/1/16

41 Objetivo Desarrollar una aplicación que permita incorporar el pronóstico de generación eólica, solar y aportes hidrológicos en la optimización del despacho de generación, en tiempo cuasi real. ADMINISTRACIÓN DEL MERCADO ELÉCTRICO. 41

42 Fundamentos ESTADO DEL SISTEMA PRONÓSTICO EÓLICO y SOLAR VATES Simulación y Optimización para cada paso de tiempo DESPACHO CMG SimSEE

43 Fundamentos Se avanza un paso de tiempo VATES Recalibra el CEGH con los pronósticos Actualiza el estado del sistema con la realidad X(a,b,c,..

44 Ejemplo de aplicación Hipótesis: Sala SimSEE Política de operación fija calculada con optimización de largo plazo (1 año). Paso horario. Aportes y disponibilidad determinísticos. Crónica de la realidad = pronósticos con PE 50%.

45 Ejemplo de aplicación Hipótesis Sala SimSEE: 1400 MW de eólica. 225 MW de fotovoltaica. 107 MW de biomasa MW de hidráulica. 80 MW de motores a fuel oil. 532 MW de ciclo combinado. 452 MW de turbinas de gas. El costo variable de la energía eólica, la fotovoltaica y casi toda la biomasa se considera 0.01USD/MWh. El comercio internacional con Argentina se representa con 2000 MW. La demanda para el año 2016 es de GWh

46 Ejemplo de aplicación Hipótesis: Con Pronósticos Sintetizador CEGH con P.Eólica, P.Solar y temperatura con paso horario. Guía con pronósticos de las siguientes 72 hs actualizada cada 12 hrs. 4 hs con varianza 0 (determinísticos) y 68 restantes aumenta linealmente hasta llegar a la histórica. Sin Pronósticos Solo se considera el estado inicial para la calibración del CEGH.

47 Ejemplo de aplicación Eólica con pronósticos Pronóstico

48 Ejemplo de aplicación Eólica sin pronósticos

49 Ejemplo de aplicación Costos marginales previstos PTI Motores CB

50 Ejemplo de aplicación Exportación prevista 72 hs

51 Conclusión Tenemos las herramientas necesarias para poder incorporar los pronósticos en la programación de la operación del sistema. Queremos poder realizar ofertas de energía exportable con la firmeza necesaria, de manera que el que recibe la oferta, la tenga con la confianza suficiente como para incorporarla a su operación.

52 Conclusión