Aplicacin de los SIG a la Previsin de la Demanda Elctrica

Ignacio Zabalza Bribin, Jos Antonio Domnguez Navarro, Jos Luis Bernal Agustn, Jos Mara Yusta Loyo
Dpto. de Ingeniera Elctrica Universidad de Zaragoza C/ Mara de Luna, 3 50015 - Zaragoza (Espaa)

Resumen
Este artculo presenta la aplicacin de un Sistema de Informacin Geogrfica (SIG) vectorial como herramienta bsica para la previsin de la demanda de energa elctrica a largo plazo. Se expone la implementacin de tres mtodos de previsin comnmente usados: regresin lineal, polos urbanos, y uso del suelo; en una misma aplicacin informtica SIG, centrndose principalmente en el carcter acadmico y divulgativo de dicha implementacin. El artculo hace una breve descripcin de cada mtodo, remarcando los aspectos de su implementacin en un SIG vectorial. La previsin de la demanda se centra en un ncleo urbano. Palabras clave: Sistemas de informacin geogrfica, Previsin de la demanda a largo plazo.

1. Introduccin La previsin espacial de la demanda elctrica a largo plazo [1], pronostica la magnitud de la demanda (cunto), as como su localizacin en el espacio (dnde) y en el tiempo (cundo). En los aos 50, la previsin de la demanda estaba basada en la experiencia del planificador como el coloring book que consista en colorear con distintos colores cada zona en funcin de la demanda que intua el planificador. En la dcada de los 60 aparecen los primeros mtodos basados en tcnicas matemticas [2]. La demanda se intenta aproximar con curvas de todo tipo (lineales, polinomiales, etc.) y se prueban modelos de regresin lineales monovariables, denominados de tendencia, y multivariables. Estos mtodos ya tienen en cuenta datos histricos tanto elctricos como econmicos o de otro tipo. En la dcada de los 70, la introduccin del ordenador permite tratar mayor cantidad de datos y los modelos se complican [3] (crecimiento de la demanda en forma de S y su localizacin espacial). Aparecen los primeros programas informticos como el ELUFANT realizado por H.L. Willis, EMPIRIC realizado por J.E.D. Northcote-Green y otros. En la dcada de los 80, se abordan problemas como la previsin de la demanda en reas vacas (sin consumo inicial), la transferencia de carga entre subestaciones, y el estudio de los errores mediante el anlisis frecuencial. Se desarrolla el programa informtico CEALUS, una versin mejorada de ELUFANT y se implementa LOADSITE. En la dcada de los 90, han surgido diversos mtodos de simulacin, que en general requieren de un mayor nmero de datos, pero modelan mejor el comportamiento de la demanda. Estos mtodos incorporan consideraciones de re-desarrollo urbano y lgica fuzzy [4-8] con el objetivo de capturar los patrones de crecimiento de la demanda. La aplicacin de los Sistemas de Informacin Geogrfica (SIG) para el soporte de la informacin en los sistemas de distribucin [9] aparece como una solucin para

gestionar la complejidad de los programas desarrollados para la previsin de la demanda, al tener que relacionar informacin alfa-numrica y geogrfica o espacial. Un SIG [10] se puede describir como un conjunto de mapas de una misma porcin de territorio en donde la informacin se encuentra estratificada en capas. Cada capa consta de un mapa con objetos grficos (polgonos, lneas y puntos) que representan un determinado tipo de datos (censo de poblacin, censo de comercios, infraestructuras, consumos elctricos, etc.) o de resultados (proyeccin de poblacin futura, previsin de demanda elctrica, etc.). Cada objeto grfico tiene una key que lo identifica y permite vincularlo a datos de atributo del objeto definidos en una base de datos. Esta posibilidad de vincular tablas procedentes de bases de datos a objetos espaciales (grficos) hace posible la obtencin de una representacin espacial simple e intuitiva de los datos contenidos en dichas tablas, lo que facilita el anlisis y comprensin de los mismos. 2. Implementacin de varios mtodos de previsin de la demanda con un SIG La implementacin de los mtodos de previsin de la demanda se ve simplificada gracias a la potencialidad de los SIG. En primer lugar, la digitalizacin y limpieza de los mapas digitalizados son operaciones que se simplifican enormemente con la utilizacin de herramientas automatizadas o semi-automatizadas que permiten la captura de entidades grficas (polgonos, lneas y puntos) y su asociacin a una clave identificativa. A continuacin, se explican tres mtodos, que crecen en complejidad, y las operaciones utilizadas del SIG. 2.1. Mtodo de regresin lineal El fundamento de este mtodo se basa en extrapolar los picos de demanda histricos para obtener el futuro pico de demanda [1,7]. Un ajuste lineal se obtiene con la ecuacin siguiente: Lj (t)=aj*t+bj (1)

Donde: j es un ndice de cada rea; t es el ao; aj,bj son coeficientes del polinomio aplicado a cada rea j; Lj(t) es el pico anual de demanda previsto en el rea j para el ao t. La implementacin en un SIG es sencilla, ya que basta con vincular una tabla de valores con los mximos picos histricos anuales a una capa de datos del SIG y calcular mediante regresin lineal los mximos picos anuales futuros, vinculando dichos resultados a otra de las capas del SIG. Para realizar los clculos, se puede vincular con las capas del SIG una hoja de clculo o llamar a una subrutina de clculo. 2.2. Mtodo de polos urbanos El mtodo se basa en la proyeccin de la poblacin futura, para calcular a partir de ah, la demanda elctrica futura. Para ello, se manejan datos de la demanda elctrica histrica y datos histricos del censo de poblacin. Un polo urbano [1,8] representa la distribucin de la poblacin y tiene forma de cono. Toda la poblacin se distribuye en el interior del cono en funcin de su distancia al centro de la ciudad. En el centro del cono la densidad de poblacin es mxima (zona saturada), y fuera del cono la poblacin se considera nula. Con estas consideraciones, si

la poblacin crece, el volumen del cono crecer en la misma proporcin, aumentando la superficie de su base, pero manteniendo constante la altura del mismo. La implementacin de este mtodo es ms compleja, ya que, en este caso, hay que realizar por medio del SIG operaciones de superposicin de polgonos para tener los datos de poblacin y demanda distribuidos espacialmente en una misma rea. Tambin a travs del SIG hay que calcular la demanda elctrica base por habitante, la mxima densidad de poblacin en cada rea, y las distancias de cada rea al centro del cono. De esta forma es posible definir los parmetros de los conos de poblacin, para finalmente obtener la demanda elctrica futura. 2.3. Mtodo de uso del suelo Este mtodo maneja datos de la demanda elctrica histrica, datos histricos del censo de poblacin, datos histricos del censo comercial, y datos de infraestructuras y ordenacin urbana. El mtodo consiste en realizar en primer lugar, una proyeccin global de la poblacin futura, por medio de la curva de Gompertz [1,8]. Seguidamente se distribuye el incremento de poblacin global calculado, entre cada una de las reas en base a su capacidad de acogida de poblacin [7, 8], la cual depende de un determinado nmero de factores (grado de comunicacin, grado de saturacin de la poblacin, proximidad al centro, proximidad a hipermercados, y grado de restriccin a la construccin de viviendas) que es necesario calcular y ponderar en cada rea. A continuacin, se hace una previsin del nmero de comercios futuro en cada rea, extrapolando los datos histricos del censo del comercio. Finalmente, a partir de la demanda base desagregada por habitante y por comercio, y de las proyecciones de poblacin y comercio en cada rea, se calcula la demanda elctrica futura en dichas reas. Este mtodo presenta el mayor coste de implementacin en el SIG, ya que se deben realizar varias operaciones de superposicin de polgonos para tener los datos de poblacin y energa, y los factores que influyen en la capacidad de acogida, distribuidos en una misma rea. Adems, a travs del SIG, hay que realizar varios clculos, los cuales se detallan a continuacin. En primer lugar, se aplica la curva de Gompertz a los datos histricos de poblacin global, para obtener el incremento de poblacin global (Pglobal t+x) entre el ao base y el ao futuro para el que se quiera hacer la previsin como se observa en la figura 1.

Pglobalt+x = Pt+x - Pt
Donde: Pt: poblacin global en el ao base, Pt+x: poblacin global en el ao futuro.

(2)

Para pasar de la proyeccin global de la poblacin a una proyeccin por reas [7, 8] se usa el concepto de ndice de acogida. El ndice de acogida de un rea es la capacidad de dicha rea para acoger nuevos habitantes. De este modo, se est considerando que el crecimiento de la poblacin en un rea pequea j de la ciudad ser proporcional al crecimiento de la poblacin global de la ciudad.

Figura 1. Curva de Gompertz

Figura 2. Grado de comunicacin por medio del autobs urbano

Los factores que pueden afectar al ndice de acogida son muy diversos. En la implementacin se han considerado seis factores distintos: grado de comunicacin por medio del autobs urbano, grado de comunicacin general, proximidad a hipermercados, grado de saturacin de la poblacin, proximidad al centro de la ciudad y grado de restriccin al uso residencial del suelo. Estos factores se calculan con facilidad mediante las herramientas del SIG, en la figura 2 se aprecian las zonas bien comunicadas con autobs urbano. Aunque los factores varan anualmente provocando a su vez una variacin anual del ndice de acogida, debido a los altos requerimientos de datos que esto conlleva y a que dicha variacin es pequea a medio plazo, la mayor parte de ellos se pueden considerar fijos.

Figura 3. Clculo del ndice de acogida y de la poblacin futura

La influencia de los factores considerados (Fijt+x) en el ndice de acogida (IAjt+x) se calcula a partir de unos coeficientes de peso (i), que, en caso de no disponer de informacin suficiente pueden tomarse iguales a la unidad (importancia similar para todos los factores).

IAj

t+x

= i * Fijt+x = 1 * F1jt+x + 2 * F2jt+x +.....+ n * Fnjt+x

i=1

(3)

Donde: Fijt+x: factor i en el rea j en el ao futuro (normalizado entre 0 y 1) La poblacin futura por reas (Pjt+x) se calcular sumando a la poblacin del ao base (Pjt), el incremento de poblacin esperado en cada rea (figura 3). Pjt+x = Pjt + (IAjt+x*Pglobalt+x) (4)

Por otra parte, el nmero de comercios futuro en cada rea (Cjt+x) se ha calculado para el ao futuro t+x escogido, mediante una regresin lineal a partir de los datos histricos del censo de comercio distribuidos en reas. Cjt+x = Aj*x + Bj (5)

El pico anual de demanda comercial en cada rea en el ao base (LestCjt) se estima a partir de la superficie comercial en dicha rea en el ao base (SCjt) y la densidad de consumo tpica para un rea comercial. Por otra parte, el pico anual de demanda residencial en cada rea en el ao base (LestPjt) se estima a partir de la proporcin de viviendas en cada rea con una potencia contratada determinada. Partiendo del pico anual de demanda en cada rea (Ljt) en el ao base y de las estimaciones anteriores se puede desagregar dicho pico de demanda base entre comercios (LCjt), y viviendas (LPjt). LCjt = LestCjt * Ljt / (LestCjt + LestPjt) LPjt = LestPjt * Ljt / (LestCjt + LestPjt) Por ltimo, se calcula la demanda elctrica futura en cada rea (Ljt+x): LCjt+x = (LCjt / Cjt)* Cjt+x LPjt+x = (LPjt / Pjt)* Pjt+x Ljt+x = LCjt+x + LPjt+x 3. Comparacin de los mtodos de previsin de la demanda implementados El mtodo basado en el uso del suelo conduce siempre a unos resultados ms precisos en magnitud y localizacin de la demanda elctrica futura, a costa de una mayor laboriosidad en su implantacin, y unos altos requerimientos de datos. Por el contrario, el mtodo de regresin lineal proporciona unos resultados ms inexactos, no tanto en la magnitud de la futura demanda, sino sobretodo en su localizacin. A cambio, su implemantacin es muy sencilla, y los requerimientos de datos son mnimos, ya que tan solo se utilizan datos de la demanda elctrica histrica. En un trmino medio se sita el mtodo de polos urbanos, con unos requerimientos de datos medios y un cierto coste de implementacin. Este mtodo ofrece unos resultados algo imprecisos en cuanto a la magnitud de la demanda futura, pero bastante fiables en cuanto a su localizacin. (8) (9) (10) (6) (7)

4. Conclusiones La implementacin de mtodos de previsin de la demanda en un SIG facilita la comprensin y aprendizaje de los mismos, por lo que, en este caso, los SIG se constituyen en una herramienta de gran utilidad para la enseanza y divulgacin de dichos mtodos. El uso de un soporte informtico SIG con una buena capacidad de anlisis espacial es una condicin imprescindible para una eficiente implementacin de los mtodos de previsin descritos, ya que posibilita el trabajo conjunto con programas basados en hoja de clculo mediante la comparticin de datos y la representacin espacial de los resultados de los mtodos implementados. Adems el uso del SIG permite realizar comparaciones entre distintos mtodos, modificando ciertos parmetros en las hojas de clculo vinculadas a cada mtodo y visualizando posteriormente los resultados a travs del SIG. Todas estas caractersticas hacen que los SIG estn especialmente indicados en el mundo de la enseanza acadmica. El mtodo de uso del suelo implementado, predice con exactitud el crecimiento de la demanda elctrica, mediante un modelado del crecimiento de la poblacin y del comercio, el cual consigue capturar la influencia de diversos factores: geogrficos (proximidad al centro de la ciudad, proximidad a hipermercados), demogrficos (saturacin de la poblacin), polticos (restriccin a la construccin de viviendas) y de transporte (comunicabilidad a travs de autobuses urbanos, ferrocarril, circunvalaciones, etc.). Referencias
[1] Willis H. L., Spatial electric load forecasting, Marcel Dekker, Inc., 1996. [2] Vlahovic V. M., Vujosevic I. M., Long-term forecasting: a critical review of direct-trend extrapolation methods, Electrical Power and Energy Systems, Vol. 9, No. 1, pp. 2-8, Enero 1987. [3] Manichaikul Y., F.C. Schweppe, Physically based industrial electric load, IEEE Transactions on Power Apparatus and Systems, Vol. 98, No. 4, , pp. 1439-1445, July/August 1979. [4] Chow M. Y., Tram H., Methodology of urban re-development considerations in spatial load forecasting, IEEE Transactions on Power Systems, Vol. 12, No. 2, pp. 996-1001, May 1997. [5] Chow M. Y., Tram H., Application of fuzzy logic technology for spatial load forecasting, IEEE Transactions on Power Systems, Vol. 12, No. 3, pp. 1360-1366, August 1997. [6] Chow M. Y., Tram H., Application of fuzzy multi-objective decision making in spatial load forecasting, IEEE Transactions on Power Systems, Vol. 13, No. 3, pp. 1360-1366, August 1998. [7] Vinuesa J., Zamora F., Gnova R., Serrano P., Recao J., Demografa. Anlisis de proyecciones, Editorial Sntesis, D.L., pp. 358, 1994. [8] Krueckeberg A., Silvers A. L., Anlisis de planificacin urbana: mtodos y modelos, Ediciones Limusa, pp. 434, 1978. [9] Lin W.-M., Tsay M.-T., Wu S.-W., Application of geographic information system to distribution information support, IEEE Transactions on Power Systems, Vol. 11, No. 1, pp. 190-197, February 1995. [10] Bosque Sendra J., Sistemas de informacin geogrfica, Ediciones Rialp, S.A., pp. 293, Septiembre 1997.