Presentación de PowerPoint · 15/12/2005 5 INCIDENCIA EN LOS COSTES DE GENERACION Orden de Mérito...
Transcript of Presentación de PowerPoint · 15/12/2005 5 INCIDENCIA EN LOS COSTES DE GENERACION Orden de Mérito...
Grado de precisión de las herramientas de predicción
EJERCICIO DE PREDICCIÓN
Alberto CeñaDirector Técnico
NOVIEMBRE 2005Proyecto cofinanciado con el programa PROFIT
15/12/2005 2
LOS BENEFICIOS DE LA PREDICCION
15/12/2005 3
LA OPERACIÓN DEL SISTEMA
15/12/2005 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 5
INCIDENCIA EN LOS COSTES DE GENERACIONOrden de Mérito precio CO2 20 €/ton
precio combustibles Abril 05
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000
MW
cent
€/kW
h
Coste sin CO2
Coste conCO2
Demanda de43.000 MW
Demanda de43.500 MW
Hidráulica
Eólica
Nuclear
Ciclo Combinado
Carbón
Contrato EDF 550Mw
Cogeneración
Fuel oil
15/12/2005 6
PARTICIPACION EN EL MERCADO DE LA ENERGIA EOLICA
15/12/2005 7
90%
74%
52%
43%
34%30%
20%
50%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
jan-05 feb-05 mar-05 apr-05 may-05 jun-05 jul-05 sep-05
CASI TODOS LOS PRODUCTORES DE ENERGÍA EÓLICA REALIZAN OFERTAS EN EL MERCADO DE LA ELECTRICIDAD
(unidades: cent €/kWh)
0123456789
10
Precio deMercado
Prima Incentivo Garantía decapacidad
Desvío Predicción Agente deMercado
Total
0,73-0,24
4,88
8,59
2,92
0,48-0,05 -0,08
0
1
2
3
4
5
6
7
Tarifa regulada Desvios Predicción Total
0 06,58 6,58
Opción mercado
Opción Tarifa
15/12/2005 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 9
FUNCIONAMIENTO DEL MERCADO
SERVICIOS COMPLEMENTARIOS
Programa
Diario Viable
Resultado
Casación
Programas
Horarios Finales
Programas
Horarios Operativos
SOLUCIÓN RESTRICCIONES TÉCNICAS
Contratos Bilaterales Nacionales
OTROS PROCESOS GESTIÓN TÉCNICA
Programa
Base de
Funcionamiento
MERCADO DIARIO
+ Contratos
Bilaterales
Internacionales
6 MERCADOS INTRADIARIOS
OPERADOR MERCADO OPERADOR SISTEMA
15/12/2005 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 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Mercado diario
Intradiario 1
Intradiario 2
Intradiario 3
Intradiario 4
Intradiario 5
Intradiario 6
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Periodo presentación de ofertas
Periodo sesión cerrada
Periodo programación
EJERCICIO DE PREDICCIÓN+
SIMULACION DEL MERCADO
15/12/2005 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.
15/12/2005 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.
15/12/2005 14
LOS PARQUES PARTICIPANTES
15/12/2005 15
PARQUES IMPLICADOS. SE CUBRE LA TOPOGRAFIA NACIONAL
Parques Propietario Terreno
El Pilar CEZ MedioBuenavista DESA CostaVillacastín SINAE Complejo
Pena Da Loba ECYR ComplejoMuela IBERD. Llano
Punta Gaviota IDAE CostaPáramo de Poza 1 ENERFIN Medio
15/12/2005 16
PARQUES PARTICIPANTES
Punta Gaviota
15/12/2005 17
EL PILAR: PARQUE SEMICOMPLEJO
15/12/2005 18
BUENAVISTA: PARQUE DE COSTA
15/12/2005 19
VILLACASTIN: PARQUE COMPLEJO
15/12/2005 20
PARAMO DE POZA: PARQUE LLANO
15/12/2005 21
PENA DA LOBA: PARQUE COMPLEJO
15/12/2005 22
PREDICTORES
15/12/2005 23
PREDECIR EL VIENTO ES COMPLEJOFuente: CRC Solutions
15/12/2005 24
ESTRUCTURA DE LOS MODELOSDatos meteorológicos globales
Modelo meso escala: NWP
ESTADÍSTICO
PREDICCIÓN DEPRODUCCIÓN
PREDICCIÓNCORREGIDA
DATOS DEPARQUE
MODELO DEPARQUE
Datos Primarios
Datos meteorológicos corregidos
HIRLAM, MM5 o PROMES
Modelo global
Refinamiento adicional, sólo en algunos casos
15/12/2005 25
EJERCICIO PEE: PREDICTORES IMPLICADOS
• METEOLOGICA
• GARRAD & HASSAN
• METEOTEMP
• CASANDRA ENERGY SERVICES CO.
• CENER
• METEOSIM
• ALEASOFT
• AEOLIS
15/12/2005 26
LAS DIFERENCIAS ENTRE LOS MODELOS
• HERRAMIENTAS DE CALCULO:Físicos/EstadísticosEstadísticos
• 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.
15/12/2005 27
METODOLOGIA METEOSIM
Modelo global(GFS)
Modelo mesoescala
(MASS)
MOS(modelo
estadístico)
Producción y viento últimos
60 días
PREDICCIÓNDE PRODUCCIÓN
15/12/2005 28
METODOLOGIA GARRAD & HASSAN
Modelo global 1
(GFS)
Modelo mesoescala
1
GH
MACHINE
POWER MODEL
(curva de potencia)
Producción
1week-1month
PREDICCIÓN
DE PRODUCCIÓN
Modelo global 2
Modelo global 3
Modelo mesoescala
2
Modelo mesoescala
3
PROVIDERS
15/12/2005 29
METODOLOGIA CENER
Modelo global
(GFS)
Modelo mesoescala
(MM5)
MOS
(modelo estadístico)
Medidas LocalesPREDICCIÓN
DE PRODUCCIÓN
15/12/2005 30
METODOLOGIA CASANDRA
Modelo global(GFS)
Modelo mesoescala(PROMES)
APOLOredes neuronales
Medidas Locales24H
Otros modelos auxiliares de
Casandra
PREDICCIÓNDE
PRODUCCIÓN
15/12/2005 31
METODOLOGIA METEOLOGICA
DOWNSCALING CURVA DE POTENCIA
Históricos con la misma situación
atmosférica
PREDICCIÓN
DE PRODUCCIÓN
Modelo europeo ECMWF
15/12/2005 32
METODOLOGIA METEOTEMP
MOS FILTRO de errores sistemáticos
HistóricosPREDICCIÓN DE PRODUCCIÓN
Modelo europeo ECMWF
Observaciones
CORRECCIÓN
15/12/2005 33
PROCEDIMIENTO OPERATIVO
15/12/2005 34
SÍNTESIS DEL PROCEDIMIENTO EJERCICIO PEE
15/12/2005 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.
15/12/2005 36
APLICACIÓN-Página de INICIO
15/12/2005 37
APLICACIÓN-menú de pestañas
15/12/2005 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
15/12/2005 39
RESULTADOS
15/12/2005 40
PARAMETROS UTILIZADOS
15/12/2005 41
EVOLUCION DE LOS ERRORES A LARGO DEL EJERCICIO
15/12/2005 42
ERRORES PARA LOS DIFERENTES PARQUESERRORES PARA LOS DIFERENTES PARQUES
Variación del error de producción en cada parque Sep '04 - Sep '05
0
50
100
150
200
250
El Pilar Buenavista Villacastín Páramo de Poza Pena da Loba La Muela Punta Gaviota
Parque
EM
AP (%
)
Máximo Mínimo Promedio
Mejora de los errores por ajuste de los modelos, mejores datos dMejora de los errores por ajuste de los modelos, mejores datos de entrada y recorte de los e entrada y recorte de los periodos de predicción.periodos de predicción.
15/12/2005 43
EVOLUCION DEL ERROR MEDIO ABSOLUTO DE PRODUCCION POR PREDICTORES
Errores Normalizados
30
35
40
45
50
55
60
65
70
75
80
Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep
Mes
EMA
P
Lineal (G&H) Lineal (Cener)Lineal (Meteotemp) Lineal (Meteosim)Lineal (Aleasoft) Lineal (Casandra)Lineal (Meteológica) Lineal (Aeolis)
15/12/2005 44
EVOLUCION DEL ERROR MEDIO ABSOLUTO DE PRODUCCION POR PREDICTORES
Errores Normalizados
30
40
50
60
70
80
90
100
110
120
Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep
Mes
EMA
P
Meteológica MeteosimMeteotemp CasandraCener G&HAleasoft Aeolis
15/12/2005 45
RESULTADOS POR PREDICTORES:MODELOS FISICO/ESTADISITICOS
Físico/estadístico: Errores de Producción (%)
0 , 0
2 0 , 0
4 0 , 0
6 0 , 0
8 0 , 0
10 0 , 0
12 0 , 0
Compl e j o Cost a Cost a M e di o
Medio Máximo Mínimo
Físico/Estadístico: Errores de Producción (%)
0 , 0
2 0 , 0
4 0 , 0
6 0 , 0
8 0 , 0
10 0 , 0
12 0 , 0
14 0 , 0
C o mp l e j o C o mp l e j o C o s t a C o s t a
Medio Máximo Mínimo
15/12/2005 46
Estadístico :Errores de Producción (%)
0, 0
10, 0
20, 0
30, 0
40, 0
50, 0
60, 0
70, 0
Compl ej o M edi o M edi o
M e di o M áx i mo M í ni mo
Estadístico: Errores de Producción (%)
0 , 0
10 , 0
2 0 , 0
3 0 , 0
4 0 , 0
5 0 , 0
6 0 , 0
7 0 , 0
8 0 , 0
9 0 , 0
10 0 , 0
C o mp l e j o C o mp l e j o C o s t a L l a n o M e d i o M e d i o
Medio Máximo Mínimo
Estadisitico:Errores de Producción (%)
0, 0
10, 0
20, 0
30, 0
40, 0
50, 0
60, 0
70, 0
80, 0
90, 0
100, 0
C o mp l e j o C o mp l e j o
Medio Máximo Mínimo
Estadístico: Errores de Producción (%)
0 , 0
1 0 , 0
2 0 , 0
3 0 , 0
4 0 , 0
5 0 , 0
6 0 , 0
7 0 , 0
8 0 , 0
9 0 , 0
C o mp l e j o L l a n o
Medio Máximo Mínimo
RESULTADOS POR PREDICTORES:MODELOS ESTADÍSTICOS
15/12/2005 47
INCIDENCIA DE LA COMPLEJIDAD DEL TERRENO
⎟⎟⎠
⎞⎜⎜⎝
⎛=∑
=
K
jfj
11∑∑
= =
=N
i
K
j
jRifjN
ICT1 1
.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.
15/12/2005 48
LA INTENSIDAD DEL VIENTO TIENE MAYOR INCIDENCIA QUE LA COMPLEJIDAD DEL TERRENO
E rro r d e e s ta d o m e d io e n fu n c ió n d e l IC T . A c u m u la d o O c t-0 4 a ju n -0 5
0
5
1 0
1 5
2 0
2 5
3 0
0 2 4 6 8 1 0 1 2 1 4
In d ic e d e C o m p le jid a d d e l T e rre n o
Erro
r de
esta
do (%
)
M o d e lo s fís ic o s M o d e lo s E s ta d ís tic o s L in e a l (M o d e lo s fís ic o s ) L in e a l (M o d e lo s E s ta d ís tic o s )
15/12/2005 49
AGRUPACION DE LOS PARQUES SIEMPRE MEJORA LOS ERRORES
oct04- sep05: y = 0.5186xR2 = 0.9138
0%
10%
20%
30%
40%
50%
60%
0% 20% 40% 60% 80% 100% 120% 140%
Error de Prod Inicial
Err
or d
e Pr
od In
divi
dual
tras
agr
egar
oct
nov
dic
ene
feb
mar
abr
may
jun
jul
ago
sep
oct04-sep05
Lineal (oct04-sep05)
15/12/2005 50
LA PRESISTENCIA MEJORA A MEDIO PLAZO
0
2000
4000
6000
8000
10000
12000
1 3 5 7 9 11 13 15 17 19 21 23
Desvio MtDesvio CaDesvio CeDesvio Pee
15/12/2005 51
DISMINUCION DE LOS ERRORES EN LOS INTRADIARIOS
Variación del Error de Producción frente a las sesiones intradiariasAbril 2.005
38,0
40,0
42,0
44,0
46,0
48,0
50,0
52,0
Diaria Int.1 Int.2 Int.3 Int.4 Int.5 Int.6
Sesión
E_Pr
od (%
)
Mercado
Tarifa
15/12/2005 52
LOS ERRORES SON MAYORES A BAJO FACTOR DE CAPACIDAD
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
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 100
Parque 1 Parque 2 Parque 3Parque 4 Parque 5 Parque 6Parque 7 Promedio pond.
Parques. Evolución de predicción. Coste desvíos en cada tramo de CP. M D. Ene-Sep 05
EMAP vs. Cp - Septiembre 2005
0
20
40
60
80
100
120
140
0 5 10 15 20 25 30 35 40 45
Cp [%]
EMA
P [%
]
Potencial (Meteológica) Potencial (Garrad Hassan)Potencial (Meteotemp) Potencial (Casandra)Potencial (Meteosim) Potencial (Cener)Potencial (Aleasoft) Potencial (Aeolis)
15/12/2005 53
ERRORES DE PREDICCION DE VIENTO
Datos de viento bajo - La Muela
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
1 11 21 31 41 51 61 71 81 91 101
Vel (
m/s
)
Datos Reales Vel Potencial (0 Vel )Potencial (6 Vel )Potencial (12 Vel )Potencial (18 Vel )
Viento real
15/12/2005 54
ERRORES DE PREDICCION DE VIENTO
Datos de Viento Alto - La Muela
0
2
4
6
8
10
12
14
16
18
20
1 11 21 31 41 51 61 71 81 91 101
Vel (
m/s
)
Datos Reales VelPotencial (0 Vel)Lineal (6 Vel)Potencial (12 Vel)Potencial (18 Vel) Viento real
15/12/2005 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
15/12/2005 56
CONCLUSIONES EJERCICIO DE PREDICCIÓN
• El error de producciónEl 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.