Grado de precisión de las herramientas de predicción EJERCICIO DE PREDICCIÓN

Transcripción

1 Grado de precisión de las herramientas de predicción EJERCICIO DE PREDICCIÓN Alberto Ceña Director Técnico Proyecto cofinanciado con el programa PROFIT NOVIEMBRE 2005

2 LOS BENEFICIOS DE LA PREDICCION 15/12/2005 2

3 LA OPERACIÓN DEL SISTEMA 15/12/2005 3

4 BENEFICIOS DE LA PROGRAMACION DE LA PRODUCCION Mejora de la gestión del Sistema Eléctrico y de la utilización de la reserva rodante. Reducción del coste de los desvíos. Para que sea realmente eficaz hay que poner a punto los procedimientos de recogida y tratamiento de la información. 15/12/2005 4

5 Orden de Mérito INCIDENCIA EN LOS COSTES DE GENERACION precio CO2 20 /ton precio combustibles Abril 05 8,00 7,00 Fuel oil 6,00 5,00 Ciclo Combinado Coste sin CO2 cent /kwh 4,00 3,00 Contrato EDF 550Mw Cogeneración Coste con CO2 Demanda de MW Demanda de MW 2,00 1,00 Eólica Nuclear Carbón Hidráulic a 0, MW 15/12/2005 5

6 PARTICIPACION EN EL MERCADO DE LA ENERGIA EOLICA 15/12/2005 6

7 CASI TODOS LOS PRODUCTORES DE ENERGÍA EÓLICA REALIZAN OFERTAS EN EL MERCADO DE LA ELECTRICIDAD (unidades: cent /kwh) ,92 0,73 0,48-0,24-0,05-0,08 8,59 100% ,88 Opción mercado 90% 80% 70% 74% 90% 3 60% Precio de Mercado Prima Incentivo Garantía de capacidad Desvío Predicción Agente de Mercado Total 50% 40% 30% 30% 34% 43% 50% 52% 7 6, ,58 20% 10% 20% Opción Tarifa 0% jan-05 feb-05 mar-05 apr-05 may-05 jun-05 jul-05 sep /12/2005 Tarifa regulada Desvios Predicción Total 7

8 PARTICIPACIÓN EN EL MERCADO Objetivo: Impulsar la integración de todas las formas de generación y dar una mayor liquidez al mercado electrico. Metodología: 1. Los parques realizan ofertas de forma agregada y pueden hacerlo conjuntamente con otras instalaciones en régimen especial como la cogeneración. 2. Soportan el sobrecoste por la gestión de sus desvíos al haberse anulado la liquidación anticipada. 15/12/2005 8

9 FUNCIONAMIENTO DEL MERCADO Contratos Bilaterales Nacionales SOLUCIÓN RESTRICCIONES TÉCNICAS 6 MERCADOS INTRADIARIOS MERCADO DIARIO + Contratos Bilaterales Internacionale s SERVICIOS OTROS COMPLEMENTARIOS PROCESOS GESTIÓN TÉCNICA Resultado Casación Programa Base de Funcionamiento Programa Diario Viable Programas Horarios Finales OPERADOR MERCADO OPERADOR SISTEMA Programas Horarios Operativos 15/12/2005 9

10 PROCEDIMIENTO Programación 14 horas antes de cada día, por la tanto la programación del día D deberá hacerse antes de las 10:00 del día D + 1. Las precisiones será ajustadas para cada mercado intradiario de acuerdo con la siguiente periodificación límite: CRONOLOGÍA MERCADO DIARIO E INTRADIARIOS SESION Mercado diario Intradiario 1 Intradiario 2 Intradiario 3 Intradiario 4 Intradiario 5 Intradiario Periodo presentación de ofertas Periodo sesión cerrada 15/12/ Periodo programación

11 EJERCICIO DE PREDICCIÓN + SIMULACION DEL MERCADO

12 OBJETIVOS PRINCIPALES Analizar el grado de precisión de la predicción de producción eléctrica de la energía eólica. Identificar los principales factores que inciden en los errores y los procedimientos para minimizarlos. 15/12/

13 OBJETIVOS COMPLEMENTARIOS Desarrollar y poner a punto la metodología uniforme en la presentación de los errores. Determinar los procedimientos necesarios para los intercambios de los datos, tanto para un parque como para un conjunto de ellos. Avanzar en los criterios para la optimización de generación interparques, sin superar la potencia máxima evacuable. Realizar el análisis coste/beneficio para los propietarios de los parques y para el sistema en su conjunto. 15/12/

14 LOS PARQUES PARTICIPANTES 15/12/

15 PARQUES IMPLICADOS. SE CUBRE LA TOPOGRAFIA NACIONAL Parques Propietario Terreno El Pilar CEZ Medio Buenavista DESA Costa Villacastín SINAE Complejo Pena Da Loba ECYR Complejo Muela IBERD. Llano Punta Gaviota IDAE Costa Páramo de Poza 1 ENERFIN Medio 15/12/

16 PARQUES PARTICIPANTES Punta Gaviota 15/12/

17 EL PILAR: PARQUE SEMICOMPLEJO 15/12/

18 BUENAVISTA: PARQUE DE COSTA 15/12/

19 VILLACASTIN: PARQUE COMPLEJO 15/12/

20 PARAMO DE POZA: PARQUE LLANO 15/12/

21 PENA DA LOBA: PARQUE COMPLEJO 15/12/

22 PREDICTORES 15/12/

23 PREDECIR EL VIENTO ES COMPLEJO Fuente: CRC Solutions 15/12/

24 ESTRUCTURA DE LOS MODELOS Datos meteorológicos globales Modelo global HIRLAM, MM5 o PROMES Modelo meso escala: NWP Datos Primarios Refinamiento adicional, sólo en algunos casos ESTADÍSTICO Datos meteorológicos corregidos MODELO DE PARQUE PREDICCIÓN DE PRODUCCIÓN DATOS DE PARQUE PREDICCIÓN CORREGIDA 15/12/

25 EJERCICIO PEE: PREDICTORES IMPLICADOS METEOLOGICA GARRAD & HASSAN METEOTEMP CASANDRA ENERGY SERVICES CO. CENER METEOSIM ALEASOFT AEOLIS 15/12/

26 LAS DIFERENCIAS ENTRE LOS MODELOS HERRAMIENTAS DE CALCULO: Físicos/Estadísticos Estadísticos DATOS DE PARTIDA PARA LA PUESTA A PUNTO DE LOS MODELOS: en unos casos basta con la producción global del parque, en otros datos por aerogeneradores. INFORMACIÓN DURANTE LA PREDICCION, SOBRE TODO DE CARA A LOS MERCADOS INTRADIARIOS. SUMINISTRO DE PREDICCIONES: Servicios externos. Se ejecutan en el propio parque. 15/12/

27 METODOLOGIA METEOSIM Modelo global (GFS) Modelo mesoescala (MASS) MOS (modelo estadístico) Producción y viento últimos 60 días PREDICCIÓN DE PRODUCCIÓN 15/12/

28 METODOLOGIA GARRAD & HASSAN PROVIDERS Modelo global 1 (GFS) Modelo mesoescala 1 Modelo global 2 Modelo mesoescala 2 GH MACHINE POWER MODEL (curva de potencia) Modelo global 3 Modelo mesoescala 3 PREDICCIÓN DE PRODUCCIÓN Producción 1week-1month 15/12/

29 METODOLOGIA CENER Modelo global (GFS) Modelo mesoescala (MM5) MOS (modelo estadístico) Medidas Locales PREDICCIÓN DE PRODUCCIÓN 15/12/

30 METODOLOGIA CASANDRA Modelo global (GFS) Modelo mesoescala (PROMES) Otros modelos auxiliares de Casandra APOLO redes neuronales Medidas Locales 24H PREDICCIÓN DE PRODUCCIÓN 15/12/

31 METODOLOGIA METEOLOGICA DOWNSCALING CURVA DE POTENCIA Modelo europeo ECMWF Históricos con la misma situación atmosférica PREDICCIÓN DE PRODUCCIÓN 15/12/

32 METODOLOGIA METEOTEMP MOS CORRECCIÓN FILTRO de errores sistemáticos Modelo europeo ECMWF Históricos Observaciones PREDICCIÓN DE PRODUCCIÓN 15/12/

33 PROCEDIMIENTO OPERATIVO 15/12/

34 SÍNTESIS DEL PROCEDIMIENTO EJERCICIO PEE 15/12/

35 NECESIDADES DE DATOS La puesta a punto de los modelos exige datos de al menos un año de producción Para el funcionamiento los diferentes modelos requieren distintos datos: Datos meteorológicos y de producciones a nivel de máquinas. Datos agregados de predicción de parque y tiene protocolos no representativa. No se necesitan datos del parque, excepto de disponibilidad. La introducción de la programación supone una mejora en equipamientos y gestión de los parques. 15/12/

36 APLICACIÓN-Página de INICIO 15/12/

37 APLICACIÓN-menú de pestañas 15/12/

38 PROBLEMAS DURANTE EL INTERCAMBIO DE INFORMACIÓN PROBLEMAS DE INTERCAMBIOS DE INFORMACION: Desarrollo de una aplicación totalmente nueva Implantar los formatos de intercambio de información establecidos por PEE Diferente información requerida por los predictores Dificultad de acceder al dato de disponibilidad on-line Restricciones impuestas por compañías promotoras Obligación de mantener la confidencialidad de la información en todo momento 15/12/

39 RESULTADOS 15/12/

40 PARAMETROS UTILIZADOS 15/12/

41 EVOLUCION DE LOS ERRORES A LARGO DEL EJERCICIO 15/12/

42 ERRORES PARA LOS DIFERENTES PARQUES Variación del error de producción en cada parque Sep '04 - Sep ' Máximo Mínimo Promedio 200 EMAP (%) El Pilar Buenavista Villacastín Páramo de Poza Pena da Loba La Muela Punta Gaviota Parque Mejora de los errores por ajuste de los modelos, mejores datos de entrada y recorte de los 15/12/2005 periodos de predicción. 42

43 EVOLUCION DEL ERROR MEDIO ABSOLUTO DE PRODUCCION POR PREDICTORES Errores Normalizados Lineal (G&H) Lineal (Meteotemp) Lineal (Aleasoft) Lineal (Meteológica) Lineal (Cener) Lineal (Meteosim) Lineal (Casandra) Lineal (Aeolis) EMAP Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep Mes 15/12/

44 EVOLUCION DEL ERROR MEDIO ABSOLUTO DE PRODUCCION POR PREDICTORES Errores Normalizados Meteológica Meteotemp Cener Aleasoft Meteosim Casandra G&H Aeolis 90 EMAP Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep Mes 15/12/

45 RESULTADOS POR PREDICTORES: MODELOS FISICO/ESTADISITICOS 140,0 Físico/Estadístico: Errores de Producción (%) Medio Máximo Mínimo Físico/estadístico: Errores de Producción (%) Medio Máximo Mínimo 120,0 120,0 100,0 100,0 80,0 80,0 60,0 60,0 40,0 40,0 20,0 20,0 0,0 Complejo Complejo Costa Costa 0,0 Complejo Costa Costa Medio 15/12/

46 RESULTADOS POR PREDICTORES: MODELOS ESTADÍSTICOS Estadisitico:Errores de Producción (%) Medio Máximo Mínimo Estadístico :Errores de Producción (%) Medio Máximo Mínimo 100,0 90,0 80,0 70,0 60,0 70,0 50,0 60,0 50,0 40,0 40,0 30,0 30,0 20,0 10,0 20,0 10,0 0,0 Complejo Complejo 0,0 Complejo Medio Medio Estadístico: Errores de Producción (%) Estadístico: Errores de Producción (%) 90,0 80,0 70,0 60,0 50,0 Medio Máximo Mínimo 10 0, 0 90,0 80,0 70,0 60,0 50,0 Medio Máximo Mínimo 40,0 40,0 30,0 30,0 20,0 20,0 10,0 10, 0 0,0 0,0 15/12/2005Complejo Llano 46 Complejo Complejo Costa Llano Medio Medio

47 INCIDENCIA DE LA COMPLEJIDAD DEL TERRENO ICT = 1 N N K i= 1 j= 1 fj. Ri j K j= 1 fj = 1 donde, i = 1...N, siendo N el número de aerogeneradores del parque eólico. j = 1...K, siendo K el número de direcciones o sectores considerados. Siendo: Rij el valor de RIX (que determina la pendiente superior a una dada en el terreno donde se ubica) del aerogenerador i en la dirección o sector j. fj la frecuencia de viento, en tanto por uno, de la dirección o sector j. Los valores de Rij se calculan de modo sencillo mediante el modelo WAsP, a partir de la cartografía digital del emplazamiento del parque eólico y las coordenadas de los aerogeneradores. 15/12/

48 LA INTENSIDAD DEL VIENTO TIENE MAYOR INCIDENCIA QUE LA COMPLEJIDAD DEL TERRENO Error de estado medio en función del ICT. Acumulado Oct-04 a jun Error de estado (%) Indice de Complejidad del Terreno M odelos físicos Modelos Estadísticos Lineal (Modelos físicos) Lineal (Modelos Estadísticos) 15/12/

49 AGRUPACION DE LOS PARQUES SIEMPRE MEJORA LOS ERRORES 60% oct Error de Prod Individual tras agregar 50% 40% 30% 20% 10% oct04- sep05: y = x R 2 = nov dic ene feb mar abr may jun jul ago sep oct04-sep05 Lineal (oct04-sep05) 0% 0% 20% 40% 60% 80% 100% 120% 140% Error de Prod Inicial 15/12/

50 LA PRESISTENCIA MEJORA A MEDIO PLAZO Desvio Mt Desvio Ca Desvio Ce Desvio Pee /12/

51 DISMINUCION DE LOS ERRORES EN LOS INTRADIARIOS 52,0 Variación del Error de Producción frente a las sesiones intradiarias Abril ,0 E_Prod (%) 48,0 46,0 44,0 42,0 Mercado Tarifa 40,0 38,0 Diaria Int.1 Int.2 Int.3 Int.4 Int.5 Int.6 Sesión 15/12/

52 LOS ERRORES SON MAYORES A BAJO FACTOR DE CAPACIDAD Parques. Evolución de predicción. Coste desvíos en cada tramo de CP. M D. Ene-Sep 05 40,0% Parque 1 Parque 2 Parque 3 Parque 4 Parque 5 Parque 6 Parque 7 Promedio pond. 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% de 0 a 10 de 10,001 a 20 de 20,001 a 30 de 30,001 a 40 de 40,001 a 50 de 50,001 a 60 de 60,001 a 70 de 70,001 a 80 de 80,001 a 90 de 90,001 a EMAP vs. Cp - Septiembre /12/ EMAP [%] Potencial (Meteológica) Potencial (Garrad Hassan) Potencial (Meteotemp) Potencial (Casandra) Potencial (Meteosim) Potencial (Cener) Potencial (Aleasoft) Potencial (Aeolis) Cp [%]

53 ERRORES DE PREDICCION DE VIENTO Datos de viento bajo - La Muela 4,0 3,5 3,0 Viento real Vel (m/s) 2,5 2,0 1,5 1,0 0,5 0,0 Datos Reales Vel Potencial (0 Vel ) Potencial (6 Vel ) Potencial (12 Vel ) Potencial (18 Vel ) /12/

54 ERRORES DE PREDICCION DE VIENTO Datos de Viento Alto - La Muela Datos Reales Vel Potencial (0 Vel) Lineal (6 Vel) Potencial (12 Vel) Potencial (18 Vel) Viento real Vel (m/s) /12/

55 LOS ERRORES DE VIENTO ENTRADA SUPONEN LA MAYOR PARTE DEL ERROR TOTAL LOS DATOS DE SALIDA DE LOS MODELOS METEOROLÓGICOS NMP TIENEN UN IMPACTO IMPORTANTE EN LOS ERRORES 15/12/

56 CONCLUSIONES EJERCICIO DE PREDICCIÓN El error de producción El Error Medio Absoluto de Predicción (EMAP) es en promedio del 60% Hay un límite del que es difícil bajar del orden del 30%. El down-scaling estadístico se ha mostrado suficiente si los datos meteorológicos son apropiados. Mejora de los errores parte de mejoras de los datos de entrada en tiempo y calidad. 15/12/