El orden de mérito es una forma de clasificar las fuentes de energía disponibles, especialmente la generación eléctrica, en función de un orden ascendente de precio (que puede reflejar el orden de sus costos marginales de producción a corto plazo ) y, a veces, la contaminación, junto con la cantidad de energía que ser generado. En una gestión centralizada, la clasificación es de modo que aquellas con los costos marginales más bajos son las primeras en ser puestas en línea para satisfacer la demanda, y las plantas con los costos marginales más altos son las últimas en ser puestas en funcionamiento. El despacho de generación de esta forma, conocido como "despacho económico", minimiza el coste de producción de electricidad. A veces, las unidades generadoras deben ponerse en marcha por orden de mérito, debido a congestión de la transmisión, confiabilidad del sistema u otras razones.
En el despacho medioambiental, las consideraciones adicionales relativas a la reducción de la contaminación complican aún más el problema del despacho de energía. Las limitaciones básicas del problema del despacho económico siguen vigentes, pero el modelo está optimizado para minimizar la emisión de contaminantes, además de minimizar los costos de combustible y la pérdida total de energía. [1]
El efecto de las energías renovables en la orden de mérito
La alta demanda de electricidad durante los picos de demanda eleva el precio de licitación de la electricidad, y la combinación de suministro de energía de carga de base, a menudo relativamente barata, se complementa con ' plantas de energía pico ', que cobran una prima por su electricidad.
El aumento de la oferta de energía renovable tiende a reducir el precio promedio por unidad de electricidad porque la energía eólica y la energía solar tienen costos marginales muy bajos: no tienen que pagar por el combustible y los únicos que contribuyen a su costo marginal son las operaciones y el mantenimiento. Como los costos a menudo se reducen por los ingresos por tarifas de alimentación, su electricidad es, como resultado, menos costosa en el mercado al contado que la del carbón o el gas natural, y las empresas de transmisión les compran primero. [2] [3] Por lo tanto, la electricidad solar y eólica reduce sustancialmente la cantidad de electricidad pico de alto precio que las empresas de transmisión deben comprar, lo que reduce el costo total. Un estudio del Instituto Fraunhofer ISI encontró que este "efecto de orden de mérito" había permitido que la energía solar redujera el precio de la electricidad en la bolsa de energía alemana en un 10% en promedio y hasta en un 40% a primera hora de la tarde. En 2007 [ necesita actualización ] ; a medida que se inyecta más electricidad solar en la red, los precios máximos pueden bajar aún más. [3] En 2006, el "efecto de orden de mérito" significó que los ahorros en los costos de electricidad para los consumidores alemanes compensaron con creces los pagos de apoyo pagados por la generación de electricidad renovable. [3]
Un estudio de 2013 estima el efecto de orden de mérito de la generación de electricidad eólica y fotovoltaica en Alemania entre los años 2008 y 2012. Por cada GWh adicional de energías renovables alimentadas a la red, el precio de la electricidad en el mercado diario se reduce en 0,11– 0,13 ¢ / kWh. El efecto de orden de mérito total de la energía eólica y fotovoltaica varía de 0,5 ¢ / kWh en 2010 a más de 1,1 ¢ / kWh en 2012. [4]
Sin embargo, el costo marginal cero de la energía eólica y solar no se traduce en un costo marginal cero de la electricidad de carga máxima en un sistema de mercado eléctrico abierto competitivo, ya que el suministro eólico y solar por sí solo a menudo no se puede enviar para satisfacer la demanda máxima sin baterías . El propósito de la orden de mérito era permitir que se despachara primero la electricidad de menor costo neto, minimizando así los costos generales del sistema eléctrico para los consumidores. La energía eólica y solar intermitente a veces es capaz de cumplir esta función económica. Si el pico de oferta eólica (o solar) y el pico de demanda coinciden en tiempo y cantidad, la reducción de precio es mayor. Por otro lado, la energía solar tiende a ser más abundante al mediodía, mientras que la demanda máxima es al final de la tarde en climas cálidos, lo que lleva a la llamada curva de pato .
Un estudio de 2008 realizado por el Instituto Fraunhofer ISI en Karlsruhe , Alemania, encontró que la energía eólica ahorra a los consumidores alemanes 5 mil millones de euros al año. Se estima haber bajado los precios en los países europeos con alta generación eólica entre 3 y 23 € / MWh. [5] [6] Por otro lado, la energía renovable en Alemania aumentó el precio de la electricidad, los consumidores ahora pagan 52,8 € / MWh más solo por la energía renovable (ver la Ley de Fuentes de Energía Renovable de Alemania ), precio promedio de la electricidad en Alemania ahora aumenta a 26 ¢ / kWh. El aumento de los costos de la red eléctrica para la nueva transmisión, el comercio de mercado y el almacenamiento asociados con la energía eólica y solar no se incluyen en el costo marginal de las fuentes de energía, sino que los costos de la red se combinan con los costos de la fuente en el extremo del consumidor.
Despacho económico
El despacho económico es la determinación a corto plazo de la producción óptima de una serie de instalaciones de generación de electricidad , para satisfacer la carga del sistema, al menor costo posible, sujeto a restricciones de transmisión y operativas. El problema del despacho económico se resuelve mediante un software informático especializado que debe satisfacer las limitaciones operativas y del sistema de los recursos disponibles y las correspondientes capacidades de transmisión. En la Ley de Política Energética de EE.UU. de 2005 , el término se define como "la operación de instalaciones de generación para producir energía al menor costo para servir de manera confiable a los consumidores, reconociendo cualquier límite operativo de las instalaciones de generación y transmisión". [7]
La idea principal es que, para satisfacer la carga a un costo total mínimo, se debe utilizar primero el conjunto de generadores con los costos marginales más bajos, con el costo marginal del generador final necesario para cumplir con la carga configurando el costo marginal del sistema. Este es el costo de entregar un MWh adicional de energía al sistema. Debido a las limitaciones de transmisión, este costo puede variar en diferentes ubicaciones dentro de la red eléctrica; estos diferentes niveles de costos se identifican como "precios marginales de ubicación" (LMP). La metodología histórica para el despacho económico se desarrolló para administrar las centrales eléctricas que queman combustibles fósiles, basándose en cálculos que involucran las características de entrada / salida de las centrales eléctricas.
Formulación matemática básica
Lo siguiente se basa en Biggar y Hesamzadeh (2014) [8] y Kirschen (2010). [9] Se puede pensar que el problema del despacho económico maximiza el bienestar económico W de una red eléctrica al tiempo que cumple con las limitaciones del sistema.
Para una red con n buses (nodos), suponga que S k es la tasa de generación y D k es la tasa de consumo en el bus k . Suponga, además, que C k ( S k ) es la función de costo de producir energía (es decir, la tasa a la que el generador incurre en costos cuando produce a la tasa S k ), y V k ( D k ) es la tasa a la que la La carga recibe valor o beneficios (expresados en unidades monetarias) al consumir a la tasa D k . El bienestar total es entonces
La tarea de despacho económico es encontrar la combinación de tasas de producción y consumo ( S k , D k ) que maximizan esta expresión W sujeta a una serie de restricciones:
La primera restricción, que es necesaria para interpretar las restricciones que siguen, es que la inyección neta en cada autobús es igual a la producción total en ese autobús menos el consumo total:
La restricción del balance de energía requiere que la suma de las inyecciones netas en todos los buses sea igual a las pérdidas de energía en las ramas de la red:
Las pérdidas de potencia L dependen de los flujos en las ramas y, por tanto, de las inyecciones netas como se muestra en la ecuación anterior. Sin embargo, no puede depender de las inyecciones en todos los autobuses, ya que esto daría un sistema sobredeterminado. Así, un bus es elegido como el bus Slack y se omite de las variables de la función L . La elección del bus Slack es completamente arbitraria, aquí se elige el bus n .
La segunda restricción implica restricciones de capacidad en el flujo en las líneas de la red. Para un sistema con m líneas, esta restricción se modela como:
donde F l es el flujo en la rama l , y F l max es el valor máximo que este flujo puede tomar. Tenga en cuenta que la inyección neta en el bus de holgura no se incluye en esta ecuación por las mismas razones que las anteriores.
Estas ecuaciones ahora se pueden combinar para construir el Lagrangiano del problema de optimización:
donde π y μ son los multiplicadores lagrangianos de las restricciones. Las condiciones para la optimalidad son entonces:
donde se necesita la última condición para manejar la restricción de desigualdad en la capacidad de la línea.
Resolver estas ecuaciones es computacionalmente difícil ya que no son lineales e implican implícitamente la solución de las ecuaciones de flujo de potencia . El análisis se puede simplificar utilizando un modelo linealizado llamado flujo de potencia de CC.
Hay un caso especial que se encuentra en gran parte de la literatura. Este es el caso en el que se supone que la demanda es perfectamente inelástica (es decir, que no responde al precio). Esto es equivalente a asumir que por un valor muy grande de y demanda inelástica . Bajo este supuesto, el bienestar económico total se maximiza eligiendo. La tarea de despacho económico se reduce a:
Sujeto a la restricción que y las otras limitaciones expuestas anteriormente.
Despacho ambiental
En el despacho medioambiental, consideraciones adicionales sobre la reducción de la contaminación complican aún más el problema del despacho de energía. Las limitaciones básicas del problema del despacho económico siguen vigentes, pero el modelo está optimizado para minimizar la emisión de contaminantes, además de minimizar los costos de combustible y la pérdida total de energía. [1] Debido a la complejidad adicional, se han empleado varios algoritmos para optimizar este problema de despacho ambiental / económico. En particular, un algoritmo de abejas modificado que implementa principios de modelado caótico se aplicó con éxito no solo in silico , sino también en un sistema de modelo físico de generadores. [1] Otros métodos utilizados para abordar el problema del despacho de emisiones económicas incluyen la optimización del enjambre de partículas (PSO) [10] y las redes neuronales [11].
Otra combinación notable de algoritmos se utiliza en una herramienta de emisiones en tiempo real llamada Metodología de estimación de emisiones por ubicación (LEEM) que vincula el consumo de energía eléctrica y las emisiones contaminantes resultantes. [12] El LEEM estima los cambios en las emisiones asociados con los cambios incrementales en la demanda de energía derivados de la información del precio marginal de ubicación (LMP) de los operadores de sistemas independientes (ISO) y los datos de emisiones de la Agencia de Protección Ambiental de los Estados Unidos (EPA). [12] LEEM fue desarrollado en Wayne State University como parte de un proyecto destinado a optimizar los sistemas de transmisión de agua en Detroit, MI a partir de 2010 y desde entonces ha encontrado una aplicación más amplia como una herramienta de gestión del perfil de carga que puede ayudar a reducir los costos de generación y las emisiones. [13]
Referencias
- ^ a b c Morsali, Roozbeh; Mohammadi, Mohsen; Maleksaeedi, Iman; Ghadimi, Noradin (2014). "Un nuevo procedimiento multiobjetivo para resolver el despacho de energía económico / ambiental no convexo". Complejidad . 20 (2): 47–62. Código bibliográfico : 2014Cmplx..20b..47M . doi : 10.1002 / cplx.21505 .
- ^ William Blyth, Ming Yang, Richard A. Bradley, Agencia Internacional de Energía (2007). Incertidumbre de la política climática y riesgo de inversión: en apoyo del plan de acción del G8 . París: Publicaciones de la OCDE. pag. 47. ISBN 9789264030145. Consultado el 24 de diciembre de 2012 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ a b c Frank Sensfuß; Mario Ragwitz; Massimo Genoese (2007). El efecto del orden de mérito: un análisis detallado del efecto del precio de la generación de electricidad renovable en los precios del mercado spot en Alemania. Documento de trabajo sobre sostenibilidad e innovación núm. S 7/2007 (PDF) . Karlsruhe: Instituto Fraunhofer de Investigación de Sistemas e Innovación (Fraunhofer ISI).
- ^ Cludio, Juana; Hermann, Hauke; Matthes, Felix Chr. (Mayo 2013). El efecto de orden de mérito de la generación de electricidad eólica y fotovoltaica en Alemania 2008–2012 - Documento de trabajo CEEM 3-2013 (PDF) . Sydney, Australia: Centro de Mercados de Energía y Medio Ambiente (CEEM), Universidad de Nueva Gales del Sur (UNSW) . Consultado el 27 de julio de 2016 .
- ^ Helm, Dieter; Powell, Andrew (1992). "Pool de precios, contratos y regulación en la industria británica de suministro de electricidad". Estudios fiscales . 13 (1): 89-105. doi : 10.1111 / j.1475-5890.1992.tb00501.x .
- ^ Sensfuss, Frank; Ragwitz, Mario; Massimo, genovés (agosto de 2008). "El efecto de orden de mérito: un análisis detallado del efecto de precio de la generación de electricidad renovable en los precios del mercado spot en Alemania". Política energética . 36 (8): 3076-3084. doi : 10.1016 / j.enpol.2008.03.035 . hdl : 10419/28511 .
- ^ Ley de política energética de 2005 .
- ^ Biggar, Darryl; Hesamzadeh, Mohammad (2014). Economía de los mercados eléctricos . Wiley. ISBN 978-1-118-77575-2.
- ^ Kirschen, Daniel (2010). Fundamentos de la economía de los sistemas de potencia . Wiley. ISBN 978-0-470-84572-1.
- ^ Mason, Karl; Duggan, Jim; Howley, Enda (2017). "Despacho de emisiones económicas dinámicas multiobjetivo utilizando variantes de optimización de enjambre de partículas". Neurocomputación . 270 : 188-197. doi : 10.1016 / j.neucom.2017.03.086 .
- ^ Mason, Karl; Duggan, Jim; Howley, Enda (2017). Evolución de las redes neuronales multiobjetivo mediante la evolución diferencial para el envío dinámico de emisiones económicas . Actas del compañero de la conferencia sobre cómputo genético y evolutivo . 2017 . págs. 1287-1294. doi : 10.1145 / 3067695.3082480 . ISBN 9781450349390. S2CID 19492172 .
- ^ a b Carter, TH; Wang, C; Miller, SS; McEllmurry, SP; Miller, CJ; Hutt, IA (2011). Modelado de las emisiones contaminantes de generación de energía en base a los precios marginales locales para la prestación sostenible del agua . Energytech, 2011 IEEE . págs. 1, 6, 25-26. doi : 10.1109 / EnergyTech.2011.5948499 . ISBN 978-1-4577-0777-3. S2CID 36101695 .
- ^ Wang, C; McEllmurry, SP; Miller, CJ; Zhou, J (2012). Un algoritmo integrado de despacho de gestión de perfil económico / de emisión / carga . Junta General de IEEE PES 2012 . págs. 25-26. doi : 10.1109 / PESGM.2012.6345405 . ISBN 978-1-4673-2729-9. S2CID 24866215 .
enlaces externos
- Despacho económico: conceptos, prácticas y problemas
Ver también
- Mercado de la electricidad
- Despacho económico basado en ofertas, con restricciones de seguridad con precios nodales
- Problema de compromiso unitario en la producción de energía eléctrica
- Ley alemana de fuentes de energía renovable