Redes Inteligentes (RI) y Generación

Distribuida (GD)

Ángela Inés Cadena, Carlos Macana,

Eduardo Mojica, Daniel Muñoz,

Nicanor Quijano, Camilo Táutiva

Medellín, 17 de mayo 2012

XM – Prospectiva de mercados

Agenda

• Introducción

• Instalación de generación distribuida

• Esquemas de despacho de GD en microrredes y

retos en el manejo de microrredes

• Integración de la GD variable en el mercado

• Conclusiones

INTRODUCCIÓN

Cambio técnico en la industria eléctrica

• Profundización de los mercados con mayor participación de la demanda y mayor número de agentes.

– Orientación de negocios en esta actividad (reducción de pérdidas y mejoras de confiabilidad).

– Mayores exigencias de calidad, confiabilidad y cobertura.

– Preocupación por el uso eficiente de energía y reducción de pérdidas

• Requerimientos específicos – Renovación de redes.

– Mejoras en el servicio y niveles de cobertura.

• Reducción de tamaño y costo de las plantas de generación y mayor participación de fuentes limpias.

– Seguridad energética.

– Metas ambientales.

– Diversificación de la canasta.

– Producción industrial y desarrollo tecnológico local.

Cambio técnico en industrias relacionadas

• Equipamiento „inteligente‟ (AMR, AMI)

• Tracción eléctrica

• Electrónica de potencia

• Detección de fallas

• Telecomunicaciones: información del negocio de

distribución (operativa y comercial) es una gran

oportunidad

• Algoritmos y técnicas que consideran múltiples agentes

• Informática: modelos de información estandarizados

(CIM), metamodelos y grid computing

Etapas en el desarrollo

de la GD y las RI

• Número de agentes y capacidad instalada bajos criterios y

prácticas comunes.

• Número de agentes y capacidad tal que requiere intervención en

topología y adecuación de prácticas ajuste de reglas de

mercado.

• Capacidad instalada y número de agentes alto no es factible

operar con la arquitectura actual, prácticas nuevas, reglas

nuevas.

Modelo actual Nuevo modelo

GD- Ventajas y desventajas (retos) (Pepermans et al., 2005 y otros autores)

• Reducción de pérdidas en las redes de transmisión y distribución.

• Incremento en la confiabilidad y en calidad del servicio si se cumplen las reglamentaciones.

• Mayor control de energía reactiva y regulación de voltaje.

• Retraso de inversiones en redes de transmisión y subtransmisión.

• Mejor adaptación a las variaciones de la demanda.

• Aumento de la competencia y disminución del poder de mercado.

• Mayor flexibilidad al disminuir la dependencia del sistema centralizado.

• Uso eficiente de la energía e incorporación de fuentes más limpias.

• Requerimiento de nuevos esquemas para la operación y el mantenimiento de este tipo de sistemas.

• Mayores costos de inversión, especialmente para algunas tecnologías renovables.

• Cargos de conexión y uso que deben pagar los productores.

• Mayor descentralización que puede dificultar la garantía de seguridad del sistema e incluso incrementar los costos de operación.

• Contaminación auditiva y ambiental cerca de los consumidores, en algunos casos.

¿Por qué son importantes las redes inteligentes

para Colombia?

1. Problemas de estructura del mercado → mayor

número de agentes y tecnologías.

2. Participación de la demanda → usuarios más

sofisticados

3. Gestión de pérdidas, activos y facilidades

comerciales

4. Nuevas tecnologías y cobertura en ZNI

5. Eficiencia energética

INSTALACIÓN DE GENERACIÓN

DISTRIBUIDA

Camilo Táutiva, Ángela Cadena

Definición del problema de ubicación

• Problema combinatorio no convexo

• Objetivos (algunos no lineales) – Min (Costos totales) Min (Pérdidas) Max (RBC) Max (PGD instalada)

• Restricciones (algunas no lineales) – Ecuaciones de flujo de carga

– Perfil de voltaje

– Límites térmicos de los elementos (sobrecargas)

– Nivel de confiabilidad

– Cantidad y/o tamaño de las unidades de GD

– Presupuesto

• Variables de decisión (discretas y enteras) – PGD instalada Ubicación # de unidades de GD

Nuestra formulación

• El problema se enfoca desde el punto de vista del distribuidor-

comercializador:

(Energy not supplied)

(Feeder capacity limit)

(Voltage profile)

(DG units power limit)

..ts

CCC

BBBBCBRMax

DNUoSOpCap

HeadroomEPENSLosses

nivVv i ,2,1maxmin

max

1

ensENSn

i

DG

i

zjff jj ,2,1max

nipPDG

i ,2,1max

Nuestra formulación Reduction on losses valued at market

energy price (annual base)

DNUoSOpCap

HeadroomEPENSLosses

CCC

BBBBCBR

mpppB DG

LLLosses 87600

Nuestra formulación

Reduction on Energy not Supplied

valued at curtailment cost (annual base)

n

i

ENS

DG

iiENS cENSENSB1

0

DNUoSOpCap

HeadroomEPENSLosses

CCC

BBBBCBR

Nuestra formulación

Reduction on energy purchased to the main

grid (energy generated by DG) valued at

market energy price (annual base)

n

i

DG

iEP mplfPB1

8760

DNUoSOpCap

HeadroomEPENSLosses

CCC

BBBBCBR

Nuestra formulación

Reduction on the charges due

to deferral on distribution

network expansion

n

i

Load

iiLiLHeadroom pDNPDNPB1

2

0

2

DNUoSOpCap

HeadroomEPENSLosses

CCC

BBBBCBR

Nuestra formulación

DG installed power multiplied

by the annual investment cost

n

i

DG

iCap ccPC1

DNUoSOpCap

HeadroomEPENSLosses

CCC

BBBBCBR

Nuestra formulación

Energy generated annually by DG

multiplied by the annual operating cost

n

i

DG

iOp oclfPC1

8760

DNUoSOpCap

HeadroomEPENSLosses

CCC

BBBBCBR

Nuestra formulación

Charge that DG has to pay

due to distribution use of

system charge

n

iiDG

DG

iDNUoS DNPPC1

DNUoSOpCap

HeadroomEPENSLosses

CCC

BBBBCBR

Análisis realizados

• Se utilizó una metodología heurística

basada en Algoritmos Genéticos.

• Se utilizó el sistema de distribución de

prueba 13 nodos de la IEEE.

• Se instalaron desde 2 hasta 4

generadores con capacidad máxima

cercana a los 1000kW.

• Los resultados obtenidos muestran

beneficios en términos de:

– RBC en un rango de 1.06 – 1.15

– El perfil de voltaje

– Las pérdidas del sistema (con una

reducción de hasta un 25%)

– La cargabilidad del sistema

646 645 632 633 634

650

692 675611 684

652

671

680

170 kW 230 kW 400 kW

1155 kW 170 kW

843 kW

128 kW

170 kW

200 kW

Resumen de los casos analizados

• Caso base: sin GD

646 645 632 633 634

650

692 675611 684

652

671

680

170 kW230 kW 400 kW

1155 kW170 kW 843 kW

128 kW

170 kW

200 kW

2

3,67MW78%

0,23MW15%

0,4MW27%

0,4MW18% 0,4MW

89%

0,847MW40%

1,017MW11%

0,299MW20%

0,17MW11%

0,128MW6%

2,74MW58%

2,5MW53%

V=1,02

V=0,948 V=0,944

V=0,944

V=0,8978V=0,9019V=0,902

V=0,9236

V=0,943V=0,941

V=0,8993 V=0,90

V=0,898 V=0,902

Flujo AC

Flujo DC

646 645 632 633 634

650

692 675611 684

652

671

680

170 kW230 kW 400 kW

1155 kW170 kW 843 kW

128 kW

170 kW

200 kW

2

3,67MW73%

0,23MW15%

0,4MW27%

0,4MW18% 0,4MW

89%

0,847MW40%

1,017MW11%

0,299MW20%

0,17MW11%

0,128MW6%

2,74MW56%

2,5MW52%

DNP1: 17,4DNP2L: 1,5

DNP2G: -1.5

DNP1: 29,9DNP2L: 1,5

DNP2G: -1.5

DNP1: 22,3DNP2L: 25,3

DNP2G: -24.2

DNP1: 9,1DNP2L: 1,5

DNP2G: -1.5

DNP1: 13DNP2L: 1,6

DNP2G: -1.5

DNP1: 14,1

DNP2L: 1,6DNP2G: -1.5

DNP1: 20,4

DNP2L: 1,6DNP2G: -1.5

DNP1: 89,5

DNP2L: 1,6DNP2G: -1.5

DNP1: 39,4

DNP2L: 1,6DNP2G: -1.5

ENS (kWh/year) 5280,93

SAIDI 1,49

SAIFI 0,86

Losses (kW) 209,84

Worst voltage (p.u.) 0,8978

Node 675

646 645 632 633 634

650

692 675611 684

652

671

680

170 kW230 kW 400 kW

1155 kW170 kW 843 kW

128 kW

170 kW

200 kW

2

2,95MW62%

0,23MW15%

0,4MW27%

0,34MW15% 0,34MW

76%

0,847MW40%

1,017MW11%

0,297MW20%

0,329MW22%

0,128MW6%

2,12MW45%

1,89MW40%

V=1,02

V=0,958 V=0,954

V=0,954

V=0,914V=0,918V=0,918

V=0,937

V=0,953V=0,951

V=0,921

V=0,919

V=0,917 V=0,918

60 kW

96 kW

500 kW

Resumen de los casos analizados

• Caso 1

646 645 632 633 634

650

692 675611 684

652

671

680

170 kW230 kW 400 kW

1155 kW170 kW 843 kW

128 kW

170 kW

200 kW

2

2,81MW59%

0,23MW15%

0,4MW27%

0,34MW15% 0,34MW

76%

0,843MW40%

1,013MW11%

0,298MW20%

0,33MW22%

0,128MW6%

2,07MW44%

1,87MW40%

60 kW

96 kW

500 kW

DNP1: 18,7DNP2L: 0,13

DNP2G: -0,13

DNP1: 11,4

DNP2L: 0,14DNP2G: -0,14

DNP1: 31,18DNP2L: 0,13

DNP2G: -0,13

DNP1: 26,51DNP2L: 2,49

DNP2G: -2,41

DNP1: 16,51DNP2L: 0,14

DNP2G: -0,14

DNP1: 17,64

DNP2L: 0,14DNP2G: -0,14

DNP1: 24

DNP2L: 0,14DNP2G: -0,14

DNP1: 26,12

DNP2L: 0,14DNP2G: -0,14

DNP1: 93,09

DNP2L: 0,14DNP2G: -0,14

DNP1: 34,80

DNP2L: 0,14DNP2G: -0,14

Generations 200

Population 500

Pmax (kW) 500

ensmax (kWh/year) 5200

cENS ($/kWh) 1,71

Capital cost ($/kW) 93,460

Operating cost ($/kWh) 0,03450

Enegy market price ($/kWh) 0,04973

Losses factor 0,48500

Load factor 0,7

ENS (kWh/year) 5181,29

SAIDI 1,44

SAIFI 0,86

Losses (kW) 141,00

Worst voltage (p.u.) 0,914

Node 675

BLosses 14.544,09

BENS 170,38

BEP 200.043,50

BH 13.430,52

BTotal 228.188,48

CCap 61.309,76

COp 138.779,42

CDGDUoS 21.273,81

CTotal 221.363,00

CBR 1,030834

646 645 632 633 634

650

692 675611 684

652

671

680

170 kW230 kW 400 kW

1155 kW170 kW 843 kW

128 kW

170 kW

200 kW

2

2,78MW59%

0,23MW15%

0,4MW27%

0,447MW20% 0,306MW

68%

0,847MW40%

1,017MW11%

0,299MW20%

0,170MW11%

0,128MW6%

2,74MW58%

2,50MW53%

V=1,02

V=0,957

V=0,957 V=0,957

V=0,908V=0,912V=0,912

V=0,933

V=0,952V=0,95

V=0,909

V=0,910

V=0,908 V=0,912

94 kW

754 kW

Resumen de los casos analizados

• Caso 2

646 645 632 633 634

650

692 675611 684

652

671

680

170 kW230 kW 400 kW

1155 kW170 kW 843 kW

128 kW

170 kW

200 kW

2

2,61MW55%

0,23MW15%

0,4MW27%

0,448MW20% 0,306MW

68%

0,843MW40%

1,013MW11%

0,298MW20%

0,17MW11%

0,128MW6%

2,66MW56%

2,46MW52%

94 kW

DNP1: 19,22DNP2L: 0,06

DNP2G: -0,06

DNP1: 10,87

DNP2L: 0,10DNP2G: -0,10

DNP1: 31,68DNP2L: 0,06

DNP2G: -0,06

DNP1: 24,25DNP2L: 0,75

DNP2G: -0,72

DNP1: 14,74DNP2L: 0,11

DNP2G: -0,11

DNP1: 15,88

DNP2L: 0,11DNP2G: -0,11

DNP1: 22,23

DNP2L: 0,11DNP2G: -0,11

DNP1: 91,32

DNP2L: 0,11DNP2G: -0,11

DNP1: 41,21

DNP2L: 0,11DNP2G: -0,11

754 kW

DNP1: 17,95DNP2L: 0,06

DNP2G: -0,06

Generations 300

Population 500

Pmax (kW) 1000

ensmax (kWh/year) 5200

cENS ($/kWh) 1,71

Capital cost ($/kW) 93,460

Operating cost ($/kWh) 0,03450

Enegy market price ($/kWh) 0,04973

Losses factor 0,48500

Load factor 0,7

ENS (kWh/year) 5141,58

SAIDI 1,46

SAIFI 0,86

Losses (kW) 161,30

Worst voltage (p.u.) 0,908

Node 675

BLosses 10.256,63

BENS 238,28

BEP 258.592,82

BH 14.227,38

BTotal 283.315,10

CCap 79.254,08

COp 179.397,79

CDGDUoS 15.697,34

CTotal 274.349,22

CBR 1,032681

Ejemplo: PCH Suba EAAB

Circuito Longitud [km] Longitud

Adicional [km] Longitud

Total [km] Carga [A] Nodos

Sotileza 6.5 0.098 6.5 182 232

Diamante1 3.434 3.79 7.224 131 164

Diamante2 3.375 3.16 6.535 131 164

TVCable 5.174 0.171 5.174 122 186

Cerezos1 5.516 2.33 7.846 159 253

Cerezos2 5.187 2.90 8.087 159 253

• Formulación del problema:

• Resultados obtenidos:

– Perfil de voltaje promedio (2011, 2015 y 2019)

Ejemplo: PCH Suba EAAB

Ejemplo: PCH Suba EAAB

• Cargabilidad en los trafos (2011, 2015 y 2019)

• Cargabilidad en los tramos más cargados

Ejemplo: PCH Suba EAAB

• Reducción en pérdidas

• Alternativas seleccionadas

Long. adic.(km) CInv

($ Dic. 2010)

BPérdidas

($ Dic. 2010)

Beneficio Total

($ Dic. 2010) TVCable 0,098 9.992.363 512.080.099 502.087.736

Cerezos43156 2,33 107.061.559 453.173.616 346.112.056 Cerezos62060 2,9 133.252.585 497.924.910 364.672.326

Sotileza 0,171 17.435.654 780.490.556 763.054.902 Diamante34040 3,79 174.147.343 276.184.135 102.036.792 Diamante34055 3,16 145.199.368 315.989.572 170.790.205

Reducción de pérdidas (kW)

2011 2015 2019

Bogotá 11.4kV Totales Bogotá 11.4kV Totales Bogotá 11.4kV Totales

TVCable 86,05 17,573 103,623 99,01 29,387 128,397 139,74 39,577 179,317

Cerezos43156 85,94 -0,794 85,146 99,22 14,89 114,11 142,27 57,724 199,994

Cerezos62060 86,21 8,26 94,47 99,54 24,253 123,793 142,59 62,585 205,175

Sotileza 95,82 48,509 144,329 114,57 72,332 186,902 159,68 118,659 278,339

Diamante34040 91,84 -34,4 57,44 109,12 -26,2 82,92 149,56 -13 136,56

Diamante34055 92,2 -29 63,2 109,56 -17,6 91,96 150,21 -3,5 146,71

ESTRATEGIAS DE CONTROL Y

PARTICIPACIÓN EN EL MERCADO DE

LA GD Y LAS MR

Ándres Pantoja , Nicanor Quijano, Eduardo Mojica, Carlos Macana

Control para generación distribuida Automatización y Despacho

Automatización de la Distribución (Redes Inteligentes)

Estrategias de Control para el Despacho de GD

• Aplicaciones asociadas a las Tecnologías de la Información.

• Sistemas SCADA.

• Control local de generadores distribuidos.

Control Centralizado

• Necesita un modelo muy aproximado del sistema.

• Necesita una herramienta de optimización que

generalmente no corre en tiempo real (OPF).

Control Distribuido

Generación Distribuida y Microrredes Estructura jerárquica y distribuida

• Varios GDs agrupados en

microrredes.

• La red de distribución

manejada por un agente de

operación y mercado

(DNO/MO).

• Cada microrred con un

controlador central (MGCC).

• Cada GD con un controlador

local (LC).

• Una estrategia para despacho

de cada GD.

Problema de despacho Una perspectiva de optimización

Funciones de Utilidad de GDs

Solución Óptima

Replicator Dynamics Una estrategia basada en EGT

Aplicación de Replicator Dynamics Centralizado, Distribuido e Implementación

Sistema con Información Global

Sistema con Información Local

Casos de Estudio Un Ejemplo de Microgrid

Caso 1 Caso 2

Información Global Información Global Información Local Información Local

Resultados Caso 1

Resultados Caso 2

Arquitectura general de las microrredes

Enfoque de control para microrredes

Integración

Control de microrredes

Control centralizado

Un único contralador de la microrred

Ventajas: visión completa, control sobre sistema de

telecomunicaciones bidireccional, despacho óptimo

Desventajas: dependencia del sistema de telecomunicaciones

Control distribuido

Controladores locales

Ventajas: mayor confiabilidad por la independencia de las

telecomunicaciones

Desventaja: pérdida de la visión global y posibles ineficiencias

energéticas o económicas

Control jerárquico

La mayoría de las acciones de control son locales con un manejo

simplificado de información mediante un controlador (optimal dispatch,

secondary frequency control, etc)

Combina las ventajas de los dos esquemas anteriores: confiabilidad y

efectividad

MGCC: características

• Información en el MGCC

– Curvas de capacidad de los controladores programables

– Costos de generación

– Emisiones como función de la potencia activa

• Información enviada al MGCC por el sistema de supervisión

– Potencia demandada

– Potencia generada

– Set points P y Q a nivel (bajo) de los controladores

Cyber Physical Microgrid Architecture

C. Macana, N. Quijano, and E. Mojica-Nava, “A survey on cyber physical energy systems and their

applications on smart grids,” in Innovative Smart Grid Technologies (ISGT Latin America), 2011 IEEE

PES Conference on, pp. 1 –7, oct. 2011.

Load Frequency Control in Microgrids

Proportional Remote Control Strategy

Load Frequency Control in Microgrids

Replicator Dynamics Control Strategy

Trabajo futuro

• Manejo dinámico óptimo de microrredes

– Integración de control secundario y terciario

Secondary Load-Frequency Control + Dynamic Optimal Dispatch

• “El reto grande es cómo, a partir de una señal global

del sistema, la frecuencia, se pueden llegar a

discriminar en cual nodo del sistema ha ocurrido

un aumento o disminución de la demanda a partir de

modelos específicos de la respuesta dinámica de cada

nodo, considerando la estocasticidad característica de

las fuentes intermitentes”. (H. Durán, 2012)

Despacho económico y ambiental L.Xie, M. Ílic, Model Predictive Economic Environmental Dispatch

of Power Systems with Intermitent Resources

Modelo de control predictivo L.Xie, M. Ílic, Model Predictive Economic Environmental Dispatch

of Power Systems with Intermitent Resources

• MPC

Despacho económico y ambiental L.Xie, M. Ílic, Model Predictive Economic Environmental Dispatch

of Power Systems with Intermitent Resources

INTEGRACIÓN DE LA GD

VARIABLE EN EL MERCADO

Daniel Muñoz, Ángela Cadena, Juan Manuel Álzate

Motivación

• Una elevada participación de GD variable requiere ajustes en el

mercado

• Retos operativos para su integración

– Considerar la GD como demanda negativa

– Contratar reservas adicionales con criterios ad-hoc

• Si las mayores reservas se cobran a los consumidores, el

equilibrio de merado no sería eficiente

• Visión: mercado multilateral donde el ISO no sería el único

comprador de reservas

• Objetivo: integrar eficientemente la GD variable por medio de un

mecanismo de mercado

Propuesta para la integración de GD-Var en Mercado DA

• [Problema]

– Penetraciones considerables de GD-Var aumentan los costos

asociados a las reservas requeridas y cobrárselos

directamente sería imponer una barrera a su entrada

• [Propuesta]

– Integrar eficientemente la GD-Var mediante un mecanismo

de despacho para el Mercado del Día Adelantado,

considerando

No imponer barreras a la entrada a los GD-Var

Distribuir costos de reservas adicionales de forma costo-reflectiva

1

2

Mitigar barreras a la entrada

Propuesta

+ Clasificación de participantes

¿Para qué?

+ Discriminar participantes por capacidad de gestión de riesgo (e.g. por su capacidad)

+ Definir diferentes perfiles de participación en el mercado según su clasificación

• Participan en mercado

• Proveen (o pagan por) pronóstico de generación

• Capacidad moderada de gestión de riesgos

• Ofertan energía

• Pujan por flexibilidad

• Participan en mercado

• Proveen (o pagan por) pronóstico de generación

• Capacidad mínima de gestión de riesgos

• Ofertan energía

• No pujan directamente por flexibilidad

• No participan en mercado directamente

• Se consideran demanda negativa

• Capacidad nula de gestión de riesgos

• Participan en mercado

• Generación controlable

• Gran capacidad de gestión de riesgos

• Ofertan energía

• Ofertan reservas

Generación Centralizada (20MW – ∞)

GD Mediana (2MW – 20MW]

GD Pequeña (10kW – 2MW]

Micro GD (0 – 10kW]

*Ilustraciones tomadas de istockphoto.com

1

Distribución de costos adicionales

+ Co-optimización de energía/reservas/flexibilidad como mecanismo de

despacho para el mercado de día adelantado

¿Qué es un derecho de flexibilidad?

+ Otorga el derecho de desviarse en tiempo real de la generación despachada

+ Se paga ex-post por la desviación un precio definido en el mercado DA

+ Evita al GD-Var estar expuesto al precio de tiempo real (TR) dentro de cierto rango

Pronóstico de Generación de un GD-Var

Potencia [MW]

De

nsi

da

d d

e

Pro

ba

bil

ida

d

Probabilidad de posición corta

no cubierta Probabilidad de posición larga

no cubierta

precio TR precio TR

Oferta (de compra) de flexibilidad

Partes de la Oferta

Símbolo Definición

Tipo Incremental o decremental

Capacidad Desviación máxima (MW)

Precio Capacidad

Precio por capacidad de flexibilidad ($/MW)

Precio Energía

Precio por uso de flexibilidad ($/MWh)

Oferta (de venta) de energía

Cantidad Energía

Cantidad de energía ofertada (MW)

Precio Energía

Precio por energía generada ($/MWh)

precio a liquidar P

reci

o

($/

MW

h)

Mercado paga a GD-Var GD-Var paga a Mercado

Propuesta

2

Mecanismo de despacho

+ Descripción de la formulación matemática

+ Co-optimización de ofertas de energía/reserva/flexibilidad

+ Basado en programación estocástica (lineal)

+ Considera incertidumbre asociada a demanda y GD-Var (escenarios discretos)

+ Se penaliza demanda no servida con escalones de racionamiento

+ Inicialmente se formula para un periodo y sin red (fácil extensión)

Variable Generation Firm Generation

4

3

5

1 2

6 7

Power [MW]

8 9 10

EQIII

Restricciones de balance de potencia

En una gráfica…

RESULTADO EQUILIBRIO 3 Generación y flexibilidad despachada a GD-Var

Función Objetivo

Propuesta

CONCLUSIONES

Se requieren un trabajo conjunto con la

industria para validar los desarrollos

presentados y enfocar los esfuerzos

¿Seminario semestral ?.. para comenzar

Gracias por su atención

Definición de microredes* (μredes)

• Conjunto de recursos de energía descentralizados

(DER) que operan cooperativamente para proveer

energía de forma confiable, económica, posiblemente

eficiente y amigable en términos ambientales.

– Puede operar de forma interconectada o aislada (de la Macro

Red - SIN).

– Está conectada a SDLs en BT o MT.

– Aplica para instalaciones residenciales, comerciales e

industriales

– Incluye fuentes convencionales y renovables

*Adaptado de E. Perea, et al (2008) y A.D. Hawkes, M.A. Leach (2009).