Predicción de Producción Orientada a la Participación en Servicios Complementarios

Transcripción

1 Predicción de Producción Orientada a la Participación en Servicios Complementarios Ignacio Láinez Aracama Desarrollos Eólicos Enero de 2006

2 CONTENIDOS - Esquemas Actuales de Predicción Eólica en el Mercado de la Electricidad - Mercado de la Electricidad - Fuentes de Predicción. Incertidumbre - Predicciones Probabilísticas - Predicciones Probabilísticas. Ejemplo - Conclusiones -1 -

3 Esquemas Actuales de Predicción Eólica en el Mercado de la Electricidad - La incorporación de las plantas eólicas de generación de electricidad al Mercado de la Electricidad, ha motivado el desarrollo de las herramientas de predicción. - Hasta ese momento, las herramientas de predicción tenían un enfoque cualitativo REG. ESPECIAL A DISTRIBUCIÓN REG. ESPECIAL A MERCADO - Existe una concepto claro, objetivo y bien definido del coste de los desvíos, lo que ayuda en la mejora continua de los resultados ene-04 abr-04 jul-04 oct-04 ene-05 abr-05 jul-05 oct-05 kwh/día -2 -

4 Mercado de la Electricidad - Las planta eólicas que acuden a vender su producción al mercado liberalizado lo pueden hacer en los mercados diario e intradiario. - Las estrategias de participación en los mercados diario e intradiario requieren de predicciones deterministas. - Los servicios complementarios... - Regulación Secundaria - Regulación Terciaria - Gestión de Desvíos... están vedados a la generación eólica. - Sin embargo la tecnología actual de predicción de generación eólica puede contribuir a reducir los costes del sistema, aportando certidumbre sobre las necesidades de reserva rodante del sistema. -3 -

5 Fuentes de Predicción Están disponibles en el mercado productos de distintas empresas, agrupándose tradicionalmente en dos categorías: 1.- Predicción basada en Predicciones Meteorológicas Modelos de predicción que utilizan predicciones de evolución de la atmósfera realizadas por organizaciones gubernamentales (USA) o supra-gubernamentales (ECWMF). Su horizonte de predicción va de 6 horas (el tiempo necesario para realizar la toma de medidas para determinar el estado atmosférico presente, integrar el modelo para simular la evolución futura, enviar la información proveedor del servicio + el tiempo del proveedor en realizar su post-proceso) a +240 horas (alcance de la predicción de los modelos como el del ECWMF). No obstante, la pérdida de precisión de la predicción con el horizonte temporal hace que las predicciones a más de 72 horas tengan un valor orientativo o cualitativo. Se subdividen en - Modelos Físicos: Reprocesan la información recibida con un modelo meteorológico adaptado a la escala del parque. Exigen mayor coste computacional (al proveedor del servicio) e información en detalle del parque eólico. En la práctica se complementa en su fase final con modelos estadísticos. - Modelos Estadísticos: Correlacionan ciertos parámetros meteorológicos con la producción final del parque. Requieren menor coste computacional y liberan al cliente de compromisos de comunicación del parque. 2.- Predicción basada en Series Temporales. Modelos de predicción basados en modelos estadísticos de relativa complejidad. Necesitan conocer el estado del parque en el instante anterior a la emisión de su pronóstico, pues reducen drásticamente su precisión a las pocas horas. Su uso se ciñe a las primeras horas de cada mercado intradiario Requieren de un esfuerzo importante del parque en comunicaciones -4 -

6 Fuentes de Predicción. Incertidumbre - La predicción meteorológica está afectada en mayor o menor medida por la incertidumbre, que se va acumulando desde los procesos de observación (escala global) hasta la estimación de la producción de un aerogenerador en función de las condiciones atmosféricas (escala local). Así en este proceso la incertidumbre y el desvío están asociados en gran medida a factores no controlables por el productor. - Dado que no es posible conocer el estado presente de la atmósfera con exactitud, y dada la alta no-linealidad de las ecuaciones que rige la circulación atmosférica, ligeras variaciones en la estimación de la situación de iniciación de los modelos meteorológicos dan como consecuencia estimaciones con gran dispersión. - Incluso a gran escala, la complejidad de las ecuaciones hace que deban ser resueltas mediante Modelos de Predicción Numérica (MPNs) para realizar cualquier predicción con alcance superior a algunas horas. -5 -

7 Fuentes de Predicción. Incertidumbre SITUACION ACTUAL SITUACION PREVISTA REINTERPRETACION EFECTOS EN SUPERFICIE MPN MPN MPN MPN Cortesía Meteológica -6 -

8 Fuentes de Predicción. Incertidumbre - No obstante, se han desarrollado en los últimos años sistemas de predicción probabilísticas. - Estas predicciones se expresan en niveles de confianza, o percentiles. - Una predicción probabilística añade valor a la predicción, al incorporar información de la confianza que el sujeto que elabora la predicción le otorga al valor dado. - Esta confianza debiera recoger las fuentes de incertidumbre de los sistemas de predicción -7 -

9 Predicciones Probabilísticas - La contribución de las previsiones probabilísticas se mide mediante la determinación de los parámetros de: - Fiabilidad: mide el grado de cumplimiento de los intervalos de confianza (la capacidad de saber distinguir a priori entre situaciones inciertas y ciertas) - Precisión: mide la desviación entre los valores predichos y los realmente obtenidos. - Por tanto, estos parámetros relativos a la calidad de las previsiones, pueden ser medidos de forma objetiva, y por tanto ser relacionados directamente con los beneficios que pueden aportar al sistema. -8 -

10 Predicciones Probabilísticas - Por ejemplo, una planta eólica de 50 MW que para una hora dada programa una predicción de 35 MW, podría completarla con los percentiles P10 y P90, que marcarían la incertidumbre con que dicha planta afronta dicha programación. - Así, en se distinguiría entre caso de una programación con certidumbre - P10: 30 MW; P50:35 MW; P90: 40 MW; [P90-P10] : 10 MW de otra similar, pero con incertidumbre : - P10: 15 MW; P50:35 MW; P90: 50 MW ; [P90-P10] : 35 MW - La agregación de la información probabilística los parques que vierten su energía en una determinada zona de la red, ajustaría las necesidades de los mercados de regulación a las incertidumbres reales de las previsiones de generación. -9 -

11 Predicciones Probabilísticas. Ejemplo (i) - Resultados de la aplicación al conjunto de la producción eólica nacional Producción Real P10 P50 P MW Periodos de Producción (h)

12 Predicciones Probabilísticas. Ejemplo (ii) - Resultados de la aplicación al conjunto de la producción eólica nacional Intervalo de confianza P90-P10 MW Situación de ALTA demanda de servicios de regulación Situación de BAJA demanda de servicios de regulación Periodos de Producción (h)

13 Predicciones Probabilísticas. Ejemplo (iii) - Resultados de la aplicación al conjunto de la producción eólica nacional 18% 16% Ocurrencia (%) en que P10 < Medida real Ocurrencia (%) en que P90 > Medida real 14% % de Ocurrencia 12% 10% 8% 6% 4% 2% 0% MW

14 Predicciones Probabilísticas. Ejemplo (iv) - Resultados de la aplicación al conjunto de la producción eólica nacional 18% 16% 14% N90-N10 Medida % de Ocurrencia 12% 10% 8% 6% 4% 2% 0% MW

15 Predicciones Probabilísticas. Ejemplo (v) - Resultados de la aplicación al conjunto de la producción eólica nacional 0.00%-0.20% 0.20%-0.40% 0.40%-0.60% 0.60%-0.80% 0.80%-1.00% 1.00%-1.20% 1.20%-1.40% 1.40%-1.60% 1.60%-1.80% 1.80%-2.00% Diferencia entre P90 y P10 (MW) Producción Eólica (MW)

16 Conclusiones - La regulación actual ha incentivado el desarrollo de sistemas de predicción que permiten llevar la energía eólica al mercado, colocando a España como referencia internacional en la integración de la energía eólica en el mix de generación. - Un cambio del actual concepto claro y objetivo, del coste de desvío pondría en riesgo las mejoras en la predicción de generación y demanda. - El sector eólico puede contribuir aún más a la reducción de costes de operación del sistema, aportando certidumbre sobre las necesidades de reserva rodante del sistema, a través de la predicción probabilística

17