Академический Документы
Профессиональный Документы
Культура Документы
sistema, se clasificaron los datos por empresa de acuerdo con las estaciones de invierno y verano, y los periodos horarios de la curva de carga establecidos por la Comisin de Regulacin de Energa y Gas (CREG. En la figura 1 se presenta la clasificacin final adoptada para establecer el modelo de generacin.
EMPRESA
ESTACION DE VERANO
Diciembre a Abril
ESTACION DE INVIERNO
Mayo a Noviembre
Empresas complementarias. En este grupo se encuentran las empresas generadoras que no estn en el primer grupo. Tales empresas son las que diariamente completan la curva de despacho, o regulan la frecuencia y controlan reactivos en el sistema como es el caso de CHIVOR. El comportamiento de generacin no es ajustable a distribuciones estndar de probabilidad. La generacin promedio se asume uniformemente distribuida entre le valor mnimo y el valor mximo de capacidad instalada. A. Modelo de Generacin. Teniendo en cuenta los resultados obtenidos en el anlisis estadstico se tiene que el comportamiento de la generacin puede ser enunciado matemticamente de la siguiente forma:
BAJA CARGA
11:00 p.m. a 4:00 a.m
MEDIA CARGA 1
4:00 a.m. a 9:00 a.m.
BAJA CARGA
11:00 p.m. a 4:00 a.m
MEDIA CARGA 1
4:00 a.m. a 9:00 a.m.
MEDIA CARGA 2
12:00 m. a 6:00 p.m.
MEDIA CARGA 3
9:00 p.m. a 11:00 p.m.
MEDIA CARGA 2
12:00 m. a 6:00 p.m.
MEDIA CARGA 3
9:00 p.m. a 11:00 p.m.
ALTA CARGA 1
9:00 a.m. a 12:00 m.
ALTA CARGA 2
6:00 p.m. a 9:00 p.m.
ALTA CARGA 1
9:00 a.m. a 12:00 m.
ALTA CARGA 2
6:00 p.m. a 9:00 p.m.
Generadores Bsicos
Los resultados de esta clasificacin muestran que en el sistema se presentan dos tipos de empresas: Empresas bsicas. Son las empresas ms grandes del sistema (70% capacidad hidrulica del SIN), y tienen asegurado su despacho diario en la bolsa. Estas empresas son EMGESA, EPPMM e ISAGEN. Su comportamiento de generacin es ajustable a una distribucin de probabilidad estndar en cada uno de los escenarios. La generacin promedio de cada empresa para un valor de carga total del sistema sigue una tendencia logartmica. En la figura 2 se muestra la tendencia de la generacin promedio de una empresa, en un escenario de generacin determinado.
TENDENCIA LOGARITMICA GENERACION EMGESA PERIODO ALTA CARGA 1
1600 1400 1200 1000 R 2 = 0.948 800 600 400 200 0 0 1000 2000 3000
G E N E R A C I O N
Pk = N ( Pk , Pk )
Donde:
[1]
Pk : Potencia real generadapor el generadorbsico k [MW] Pk : Valor promedio de la distribucin normal de genercin[MW] Pk : Desviacin estandarde la distribuci n normal de generacin[MW]
P k = f ( PLij , i, j ) P k = f ( PLij , i , j )
Donde:
[2] [3]
PLij : Potencia real total del SIN en el escenario de generacin ij Baja Carga 1 : 2 : Carga Media 1 3 : Carga Media 2 i : Periodo de carga = 4 : Carga Media 3 5 : Carga Alta 1 6 : Carga Alta 2 0 : Verano j : Estacin climatolg ica : 1 : Invierno
4000
T O T A L D E L
5000
S I S T E M A [ M W ]
6000
7000
8000
Generadores Complementarios
Figura 2: Tendencia de la generacin promedio de EMGESA como funcin de la generacin total del sistema
Pk = U ( L min Pk , L max Pk )
[4]
Donde:
Pk : Potencia real generadapor el generadorcomplementario k [MW] L min Pk : Valor mnimo de genercindel generador k [MW] L max Pk : Valor mximo de generacin(Mxima capacidadinstalada) del generadork [MW]
Para validar el modelo de generacin establecido, se realiz un proceso de despacho de generacin por simulaciones de Monte Carlo (DMC). Utilizando el SIN al nivel de 230/500 kV existente en 1998, se obtuvo la cantidad generada por cada empresa utilizando el modelo de generacin descrito anteriormente, para 288 escenarios de carga reales para el mismo ao. Cada uno de los escenarios de carga y su correspondiente DMC fueron implementados en la herramienta de anlisis de sistemas de potencia SISPOT y su comportamiento fue analizado mediante flujos de carga AC. Todos los 288 casos analizados convergieron. B. Modelo de Disponibilidad. Para modelar la disponibilidad de las unidades de generacin, se debe analizar el comportamiento de la disponibilidad declarada por cada una de las empresas para cada una de las plantas. Sin embargo segn la CREG, la disponibilidad de las platas se toma actualmente como disponible (capacidad efectiva de la planta) o no disponible. Si se permitieran estados de disponibilidad intermedios se podra utilizar una distribucin de probabilidad especfica que modele el comportamiento de cada empresa. Con la forma actual de declarar la disponibilidad se tendran entonces dos estados posibles, cada uno de los cuales tiene una probabilidad de ocurrencia dada por la tasa de fallas correspondiente. III. METODOLOGIA PROPUESTA La metodologa de anlisis de confiabilidad utilizando el Mtodo de Monte Carlo que se propone contiene diferentes fases las cuales se enuncian a continuacin. Seleccin de Estados: Se seleccionan condiciones de carga y generacin en cada uno de los nodos del sistema, teniendo en cuenta las
respectivas disponibilidades. Esta seleccin de estados se realiza secuencialmente, considerando 8760 horas al ao. En cada hora, se establecen diferentes escenarios de carga, generacin y disponibilidades de las centrales. Las condiciones de carga se seleccionan mediante simulaciones de Monte Carlo en el cual se establece el valor de carga en cada hora del ao, utilizando una distribucin de probabilidad N( ,2 ). Se utilizan valores probabilsticos para reconocer la aleatoriedad de la demanda. Los estados de generacin se determinan mediante un despacho de generacin por simulaciones de Monte Carlo (DMC). En este proceso, se establece la cantidad de potencia a generar por cada empresa de acuerdo con la distribucin de probabilidad adecuada (depende de la hora y estacin del ao) que es necesaria para suministrar una valor predeterminado de carga total del sistema. La simulacin tiene en cuenta la correlacin existente entre los generadores, la cual fue obtenida de los datos estadsticos utilizados en el modelo de generacin. Los valores de generacin en cada iteracin se desagregan adecuadamente por nodo de generacin del sistema de potencia. Las disponibilidades de las centrales de generacin se establecen mediante simulaciones de Monte Carlo, utilizando las tasas de falla y tiempos de reparacin de cada una de las plantas. Verificacin de Restricciones Operativas: Se realiza un anlisis de la habilidad del sistema en cada uno de los estados para suministrar la carga establecida sin violar las restricciones operativas. Este desempeo puede ser establecido por medio de flujos de potencia AC o DC. Clculo de los ndices de adecuacin del sistema. Si se presenta violacin de las restricciones operativas se toman acciones correctivas como redespachos de generacin (MW y MVAR), cambio de taps en los transformadores, cortes de carga o cambios planeados, etc., hasta que no se presente violacin alguna de las restricciones operativas. Cuando el sistema alcance el nivel de operacin adecuado se establece el ndice de confiabilidad asociado al estado correspondiente.
Verificacin de convergencia de confiabilidad. Se establece el tamao de la muestra de la Simulacin de Monte Carlo es totalmente cubierta o el coeficiente de variacin de los ndices es menor o igual al mximo valor permitido. Verificacin de convergencia de anlisis. Para cada estado promedio de carga, se establecen las estadsticas de los ndices de adecuacin del sistema, de acuerdo con la cantidad de DMC utilizados en la simulacin. El proceso de simulacin converge finalmente cuando el coeficiente de variacin de los ndices es menor o igual al mximo valor establecido. IV. IMPLEMENTACION DE LA METODOLOGIA Para implementar la metodologa propuesta se utiliz la herramienta de anlisis de confiabilidad de sistemas de potencia REAL suministrada por la UPME. El sistema de potencia implementado fue el Sistema Interconectado Nacional al nivel de 230/500 kV existente en 1998. Los datos estocsticos del programa como tasas de falla y tiempos reparacin de lneas y generadores fueron suministrados igualmente por la UPME. Se tomaron datos reales de carga para el mismo ao. Las consideraciones que se tuvieron en cuenta para adaptar la metodologa a la estructura del programa fueron las siguientes:
Como el programa solo admite un caso base de anlisis, es decir un despacho de generacin para toda la simulacin de confiabilidad, se consideraron siete casos bases de carga de acuerdo con la curva de duracin de carga del SIN, y treinta DMC para cada caso de carga (30 DMC aseguraron una diferencia del coeficiente de variacin entre simulaciones menor al 1%). Cada escenario combinado de carga y generacin se corri en el REAL . Los DMC fueron precalculados en Microsoft Excel utilizando la macro Cristal Ball 2000. Para tener en cuenta el modelo de disponibilidades, se utiliz el modelo de Markov de dos estados. Las tasas de falla y tiempos de reparacin de las centrales se consideraron constantes durante el proceso de simulacin, en cada escenario de generacin seleccionado. El mtodo de anlisis de confiabilidad seleccionado fue el Monte Carlo Secuencial para sistemas compuestos de generacin y transmisin con flujos de potencia DC. Se simularon diez aos consecutivos en cada escenario combinado de carga y generacin. Cada corrida del REAL dur en promedio 2.3 minutos para un total de 8.05 horas de simulacin. Los resultados obtenidos se encuentran en la tabla 1.
INDICES PROMEDIO PROBABILIDAD CARGA DE EXCEDER LA CARGA [p.u.] [%] 0.4698 100.00 0.5508 72.22 0.6512 65.97 0.7530 22.22 0.8503 12.15 0.9505 8.33 1.0000 0.35 VALORES ESPERADOS LOLP [%] 4.21 4.22 4.47 4.49 4.53 4.56 4.71 12.15% EPNS [MW] 0.505 0.593 0.721 0.925 1.138 1.374 1.519 1.872 EENS [GWh/a] 4.4 5.2 6.3 8.1 10.0 12.0 13.3 16.4 LOLF [Ocur/a] 15.70 15.90 16.80 17.00 17.10 17.30 18.50 45.63 LOLD [h] 23.26 23.13 22.96 22.84 22.97 22.87 22.34 64.97
V. METODOLOGIA TRADICIONAL vs. METODOLOGIA PROPUESTA Para comparar las metodologas propuesta (MP) y tradicional (MT) de anlisis de confiabilidad, se analiz el escenario de mxima carga del SIN, utilizando el REAL con las dos metodologas. Se consideraron dos casos para el modelamiento de la disponibilidad de las centrales, el primero utiliza el Modelo de Markov de dos estados, y el segundo, utiliza una distribucin de probabilidad aplicada a la disponibilidad de cada planta. La MT presenta las siguientes diferencias con respecto a la MP: Se considera la carga de manera determinstica. Se utiliza el despacho de generacin de la carga pico durante todo el proceso de simulacin. Es decir que para los estados de carga menores que el pico, los despachos se hacen en la misma proporcin que la reduccin de carga, pero obviamente con respecto al despacho de mxima carga. Generalmente se analizan escenarios de alta, media y baja carga, todos ellos utilizando el mismo procedimiento descrito en el tem anterior. Las disponibilidades de las centrales se modelan utilizando el Modelo de Markov de dos estados. Las tasas de falla y tiempos de reparacin se consideran constantes.
En la tabla 2 se presentan los resultados obtenidos en el clculo de los ndices de adecuacin del SIN utilizando las dos metodologas. En este caso, se utiliz el modelo de Markov de dos estados para la representacin del comportamiento de la disponibilidad de las centrales. Las tasas de falla y reparacin se consideraron constantes durante los 10 aos de simulaciones de Monte Carlo. Los ndices encontrados con la MP y presentados en la tabla 2, corresponden a los valores promedio. INDICE MP MT 5.2% 1.55 13.52 20.20 22.41
LOLP 4.7% EPNS [MW] 1.50 EENS [GWh/a] 13.14 LOLF [Ocu./a] 18.55 LOLD [h] 22.24
Tabla 2. Resultados del programa REAL para el caso 1 de disponibilidad de centrales de generacin.
Los resultados muestran que los ndices de adecuacin en los dos sistemas son del mismo orden. Esto indica que efectivamente, el despacho de generacin utilizado en la MT cae dentro del rango de posibles despachos de generacin de la MP.
SIN MP GENERACION [GW] CARGA [TWh] [GWh/a] EENS [p.u.] 11.9 46 13.14 MT 11.9 46 13.52
SISTEMA NEW BRUNSWICK NBPS SICRET MEXICO UK 5.5 20.2 16.5 5.5 20.2 15.5 0.077% 5.5 20.2 15.2 0.075% 5.5 20.2 15.7 0.078%
En la tabla 3 se presenta una comparacin entre el anlisis de confiabilidad del SIN utilizando las dos metodologas de anlisis implementadas en el REAL, y del sistema de prueba New Brunswick (NBPS) implementado en diferentes herramientas computacionales que utilizan el Mtodo de Monte Carlo en el anlisis [1].
El segundo caso de modelamiento de la disponibilidad de las centrales, se desarroll proceso iterativo de simulaciones de Monte Carlo, para establecer la disponibilidad de las unidades de generacin de cada empresa del sector. Del mismo modo como se seleccion la distribucin
de probabilidad para la generacin real de potencia activa para cada empresa generadora, se realiza un anlisis estadstico del comportamiento de la disponibilidad declarada por cada empresa. Con esto se busca establecer los estados posibles de disponibilidad de las unidades. Posteriormente, para cada escenario de generacin y carga estudiados en la implementacin de la MP, se realiza un proceso iterativo para establecer la disponibilidad de las unidades en cada escenario. Luego de realizar igualmente treinta iteraciones para el comportamiento de la disponibilidad de las centrales, se encontr que los ndices de probabilidad de prdida de carga (LOLP), y el valor esperado de la energa no suministrada presentan la respuesta presentada en las figuras 3 y 4.
EENS 14 12 Frecuencia 10 8 6 4 2 0
18.6 26.4 34.1 41.8 49.6
Los ndices de adecuacin promedio encontrados despus de realizar el proceso de simulacin con treinta escenarios de disponibilidad de centrales de generacin se presenta en la tabla 4. INDICE LOLP EPNS [MW] EENS [GWh/a] LOLF [Ocu./a] LOLD [h] MP 6.7% 3.47 30.30 25.73 22.79 MT 5.2% 1.55 13.52 20.20 22.41
Tabla 4. Resultados del programa REAL para el caso 2 de disponibilidad de centrales de generacin
En estos resultados se puede apreciar que los ndices aumentan cuando se presentan estados intermedios de disponibilidad de generacin. Adicionalmente, el modelo de dos estados de Markov cae dentro de los posibles valores de disponibilidad del modelo probabilstico utilizado en este ltimo anlisis. VI. CONCLUSIONES En la carga pico, despachos tpicos coherentes no afectan de manera importante los ndices de confiabilidad. Sin embargo, para cargas diferentes, se requiere de un modelo de generacin que permita establecer los despachos para cada caso de carga en los anlisis de tipo secuencial. El modelo de generacin propuesto es un modelo de tipo probabilstico basado en el anlisis estadstico del mercado de electricidad. El modelo se basa en la posibilidad de modelar probabilsticamente los despachos de las diferentes plantas del sistema y establecer una relacin entre la generacin total y la generacin de cada planta para diferentes escenarios del sistema. A pesar de contar con relativamente pocos aos de operacin del mercado de electricidad, se ha podido modelar adecuadamente las plantas ms importantes del sistema. A medida que se cuenten con ms datos, se espera que el modelamiento pueda extenderse a ms plantas con mayor precisin. El modelo de generacin propuesto permite:
GWh/a
LOLP 20 15 10 5 0
5.37% 5.93% 7.05% 7.61%
Frecuencia
Clase
Obtener un comportamiento del despacho de generacin para cualquier carga (hora del ao). Obtener ndices de adecuacin del sistema para todo el ao. Determinar la carga con mayor vulnerabilidad y la relacin de vulnerabilidad del sistema a la carga. Calcular la confiabilidad del sistema en escenarios de expansin mas detalladamente. La capacidad computacional actual hace posible: El manejo probabilstico de las variables que intervienen en la confiabilidad del sistema. La creacin de herramientas que consideren la aleatoriedad de cargas y comportamiento de los elementos del sistema. Modelar mas detalladamente el comportamiento del sistema. Este tipo de estudios muestra la necesidad de: Darle continuidad a este tipo de investigaciones. Desarrollar software de acuerdo con las necesidades de anlisis. Centralizar y actualizar la informacin necesaria para anlisis de confiabilidad en Colombia. VII. BIBLIOGRAFA
[1] CIGRE TASK FORCE 38-03-10, POWER SYSTEM RELIABILITY ANALYSIS, VOLUMEN 1 y 2, COMPOSITE POWER SYSTEM RELIABILITY EVALUATION. [2] POWER SYSTEM RELIABILITY ANALYSIS APPLICATION GUIDE. CIGRE WG 03 OF SC 38 (POWER SYSTEM ANALISYS AND TECHNIQUES) 1997. [3] Leite Da Silva, Armando y Anders ,George. REAL -RELIABILITY ANALYSIS OF ELECTRICAL POWER SYSTEMS. [4] G. J. Anders, "Probability Concepts in Electric Power Systems", J. Wiley Sons, New York, 1990. [5] M. Leite da Silva, J. Endreyi, L. Wang, "Integrated Treatment of Adequacy and Security in Bulk Power System Reliability Evaluations", IEEE Transactions on Power Systems, Vol. 8 No. 1 pp. 275-285, Feb. 1993. [6] Torres M. Alvaro, "Probabilidad, Variables Aleatorias, Confiabilidad y Procesos Estocsticos en Ingeniera Elctrica", Universidad de Los Andes, Volumen I, 1993.
[7] Prez Q., Hernando, "Uso de Herramientas de Inteligencia Artificial para el Apoyo en la Toma de Decisiones en la Bolsa de Energa", Universidad Nacional de Colombia, Tesis de Magister en Ingeniera de Sistemas, 1997. [8] 96 WM 326-9 PWRS, The IEEE Reliability Test System - 1996, "A Report repared by the Reliability Test System Task Force of the Application of Probability Methods Subcommitte". [9] Bertoldi O., Salvaderi L., Scalcino S., "Monte Carlo Approach in Planning Studies: An Application to IEEE RTS", IEEE Transactions on Power Systems, vol. 3 No. 3 pp. 11461154, Aug. 1988. [10] "Informe Anual de Operacin 1997", Documento GT CRD 98-014 Abril de 1998, Gerencia de Transmisin, Divisin Centro Regional de Despacho, Empresa de Energa de Bogot, S. A., E.S.P. [11] " Informe Anual de Operacin 1996, 1997 y 1998", Interconexin Elctrica S. A., E. S. P. [12] Resoluciones Varias de la Comisin de Regulacin de Energa y Gas, CREG. [13] L. Salvaderi, R. Billinton, " A Comparison Between Two Fundamentally Different Approaches to Composite System Reliability Evaluation", IEEE Transactions PAS, vol. 104 Dec. 1985. [14] R. Billinton, "Reliability Evaluation of Power Systems". [15] Billinton R., Allan R., "Reliability Evaluation of Engineering Systems", Longman Scientific & Technical 1987. [16] Billinton R., Allan R., " Power System Reliability in Perspective", IEE Electronics and Power, vol. 30, pp 231-236, Marzo 1984. [17] Endreyi J., " Reliability Modeling in Electrical Power Systems", John Wiley & Sons. [18] Henley E., Kumamoto H., " Probabilistic Risk Assessment: Reliability Engineering, Design and Analysis ", IEEE Pres. [19] Pages A., Gondran M., " System Reliability: Evaluation and Prediction in Engineering", Springer-Verlag. [20] Roncancio Adriana, "Confiablidad en Sistemas de Potencia: Notas de Clase", 1997. [21] Plan de Expansin de Referencia Generacin Transmisin 1995-2007. Revisin 1995. Ministerio de Minas y Energa, UPME e ISA ESP. [22] Cristal Ball 2000: Forecasting and Risk
Analysis for Spreadsheet. Decisioneering, Inc. 1999. [23] Cdigo de Redes. [24] H. DURAN. Notas sobre Confiabilidad.