You are on page 1of 16

1

Previsión de carga
31 JULIO DEL 2018
Definiciones en varios periodos de 2

tiempo.
Previsión se refiere a predecir el comportamiento de la carga en el futuro.

 Características de la carga

Parámetros que afectan la carga en varios periodos de tiempo


 Previsión de carga a corto plazo (STLF).
 Previsión de carga a mediano plazo (MTLF)
 Previsión de carga espacial.
 Previsión de carga a largo plazo (LTLF).
Curva de carga de una subestación 3

The daily load of a distribution substation

Para propósitos de planificación, vamos a predecir


las variaciones de carga para los años siguientes (10
años o mas), no nos preocuparemos de variaciones
diarias. Si, en cambio, los picos de verano e invierno
de los años por venir. Esto es para una predicción de
10 años, solo 20 datos serán necesarios.

A typical seasonal peak load curve


Parámetros que afectan las cargas. 4

 Factores temporales, tales como


• Hora del día (día o noche)
• Día de la semana (día laborable o fin de semana)
• Tiempo del año (temporada)
 Condiciones del clima (temperatura y humedad)
 Clase de clientes (residencial, comercial, industrial, agrícola, publico, etc.)
 Eventos especiales (programas de TV, feriados, etc.)
 Población
 Indicadores económicos (ingreso per cápita, Producto Nacional Bruto (GNP), Producto
Interno Bruto(GDP), etc.
 Tendencias en el uso de nuevas tecnologías.
 Precio de la electricidad.
Los parámetros y su incidencia en 5
los modelos de previsión.

Se debe notar que la planificación de la expansión futura de un Sistema de potencia incluye


determinar no solo la capacidad, pero adicionalmente la localización de los futuros componentes,
esto es, las facilidades de generación, líneas de transmisión, líneas de sub transmisión, líneas de
distribución. Esto es, planificar con detalle geográfico tanto la magnitud como la localización
(Previsión espacial de la carga).
Previsión espacial de la carga 6

La previsión espacial de la carga se logra dividiendo el área de servicio en un número


finito de pequeñas áreas. Inicialmente se realiza la previsión de carga en cada una de
ellas. Estas pequeñas áreas pueden ser de forma y tamaño irregular, y corresponden a
áreas asignadas a componentes del sistema como subestaciones o alimentadores. Una
elección simple es usar una grilla de celdas cuadradas que cubran el área de estudio.
Una vez que se realiza la previsión de la carga de cada celda, se prevé la carga
eléctrica de todo el sistema (o de una área geográfica mayor). Un aspecto importante
es que las cargas eléctricas de cada celda no necesariamente demandan
simultáneamente sus correspondientes picos de potencia. El factor de coincidencia,
definido como la relación del pico de carga del sistema a la suma de los picos de carga
de las pequeñas áreas está normalmente en el rango de 0.3–0.7
Métodos de previsión de carga a 7
largo plazo (1/3)Análisis de tendencia
El método usa métodos de extrapolación de la tendencia de la
información del pasado para predecir la carga en el futuro. Un
 Análisis de tendencia ejemplo simple se muestra en la figura, donde la información de
 Modelado econométrico los últimos 10 años se usa para predecir la información del año
2015 (2,906 MW). Utiliza una aproximación de ajuste de curva para
 Análisis de usos finales encontrar la carga en un año objetivo. Sin embargo, asume
implícitamente que las tendencias en las varias cargas
 Análisis combinado. permanecen sin cambio durante el periodo de estudio. Por
ejemplo, si hay un cambio sustancial en el crecimiento
económico, este método no lo incluye en la previsión. Una
manera de mejorar la previsión es asignar mayores pesos a las
lecturas de los años mas recientes.
Modelado econométrico
En este método, inicialmente se estima la relación entre la carga y
los parámetros que la afectan. Esta relación puede ser no lineal,
lineal; adaptiva o en la forma de una multiplicación. Esta relación
esta basada en la disponibilidad de datos históricos. Sin embargo,
algunos de los parámetros tienen efectos dominantes.
Métodos de previsión de carga a 8
largo plazo (2/3)
Modelado econométrico
Donde i denota el año y a, b, c y d son los parámetros que deben ser determinados a partir de los datos
históricos.
Una vez que se establece esta relación, el valor futuro de los parámetros que afectan la carga deben ser
proyectados. Luego, finalmente, el valor de la demanda Di puede ser determinada. Pero, quizás, la mayor
dificultad con este método es que la una relación establecida usando valores históricos sea aplicable también
en el futuro, lo cual lleva a la restricción de no considerar un nuevo parámetro que afecte la carga en el
futuro.
Análisis de usos finales
Este tipo de análisis está mas confinado a cargas residenciales. Por ejemplo, si se considera como uso final un
refrigerador, basado en el numero de hogares y estimando el porcentaje de las que tienen un refrigerador, se
puede determinar el numero de refrigeradores en el futuro. Adicionalmente, considerando el promedio de uso
de energía de un refrigerador, se puede estimar el consumo de energía de todos los refrigeradores. Es evidente,
que el promedio de uso de energía depende de la intensidad en el uso del artefacto, su eficiencia y las
características de eficiencia térmica de la casa.
El mismo procedimiento puede aplicarse a otro tipo de artefactos con el objeto de predecir el uso total de
energía requerida. Este método requiere tener datos exactos para tener resultados precisos.
Métodos de previsión de carga a 9
largo plazo (3/3)
Análisis combinados

Se pueden combinar los métodos de usos finales y econométricos para predecir la carga. Se
tienen entonces las ventajas y desventajas de ambos métodos.
Ejemplo: Para una empresa regional se utilizará el análisis de uso final
El objetivo es predecir el pico de carga y además la demanda de energía en
esta empresa regional, en un horizonte de 10 años en incrementos de 1 año.

El proceso inicia en las sub-areas,


y luego agregando para la
región.
Se asume conocidos, las
características de las regiones y
los datos de carga para los
últimos 10 años.
Definiciones y conceptos 10
Se asume que cada una de las sub-áreas consisten de los tipos siguientes de cargas (i) Urbana, (ii) Rural, (iv) Grandes usuarios
Urbana
La constitución de las cargas urbanas es (i) Residencial, (ii) Comercial; (iii) Publica; (iv) Pequeña escala industrial; (v) Perdidas en el Sistema de
distribución
Para nuestro ejemplo, se requiere un numero significativo de datos para arribar a predicciones razonables. Note que una carga urbano no esta
concentrada en un lugar especifico de la geografía, mas bien esta distribuida a través de la geografía del territorio urbano.
Rural
Los tipos de cargas rurales son (i) Residencial; (ii) Agrícola; (iii) Otros (pequeña industrial, publico y otros)
La parte residencial puede ser estimada basada en el números y consumo de potencia aproximada de cada casa.
El componente agrícola se determina basado en el numero de posos, su profundidad promedio y el flujo promedio de agua. Por ejemplo, en
una subarea, podemos tener un numero total de 491 de pozos profundos, con una profundidad promedio de 75 metros y un flujo promedio de
25 l/s. Estas valores, para posos semi-profundos cambian a 2735, 36 y 15, respectivamente, en la misma sub-área. Basados en estos valores, se
puede determinar la carga agrícola de las sub-áreas, y de las áreas.
Grandes usuarios
Para grandes usuarios, estos no obedecen ninguna regla especifica, en términos de los pronósticos de cargas y deben ser estimados en base a
comportamientos anteriores.

La carga total del área se estima que varia


de la siguiente forma. Los detalles en las
siguientes láminas.
Consideremos la región E. Esta área consiste de cuatro sub-áreas. Hay dos áreas urbanas principales 1 y 2 (UE1 and
UE2). La carga urbana y rural varia como se muestra la tablas.
(a)
(b)
Los resultados de la parte urbana.
Los resultados de la parte agricultura. 11
(c) Los datos de carga rurales.
(d) Los resultados para el área.

b
a

c
d
Resultados por área
Resultados de la carga rural

12

Los resultados totales para la región

Los resultados de la carga agrícola


Si se define el factor de carga (LF) de acuerdo a:

Basados en datos históricos de factores de carga de la región y una estimación para


13
estos valores en los años por venir, la energía total puede también ser prevista. Los
resultados se muestran a continuación:
Ejemplo: Para una empresa nacional usando el modelado econométrico.
Suponga ahora que se quiere realizar la previsión de la carga de una empresa de gran escala, compuesta de
empresas regionales. Lo obvio es combinar los resultados obtenidos de las empresas regionales, observar los factores
14
de coincidencia, que permitan generar los resultados de la empresa nacional.
Otro punto de vista es mirar el problema como un todo y predecir el consume total de la empresa nacional, sin tener
que involucrarnos en los detalles regionales.

En primer lugar, vamos a repasar una definición básica

La demanda total (TD) es la suma de la demanda suministrada (SD), la restricción de carga (LC), las operaciones de importación /
Exportación (IET), el termino de caída de frecuencia (FD), las cargas interrumpidas (IL), las perdidas del sistema (SL) y la demanda
auxiliar (AD) de las plantas de poder, i.e.

Sin importar el método a usar, debemos chequear por exactitudes. Esto es, digamos que se tienen disponibles datos históricos de los
últimos 15 años, podemos usar estos datos para los primeros 10 años del modelo. Después de ello, el comportamiento de los datos de
previsión deberán chequeados los próximos 5 años usando datos reales. Luego de ser esto contrastado, pueden ser usados en los
años por venir.

Se deben considerar varios escenarios. Por ejemplo, un escenario puede ser considerar que la carga es dependiente solo del GDP y la
población. Se pueden intentar otras combinaciones. Adicionalmente, se pueden intentar otros procedimientos de ajustes y otros
modelos. Por ejemplo se pude usar pesos mas altos o usar combinaciones de escenarios previamente generados
Supongamos que los datos de demanda total, GDP y población para los últimos 31 años se muestran en la
tabla. El objeto es predecir la carga para el periodo 2011–2017. Usaremos varias aproximaciones en los cuales
emplearemos los datos históricos de los años 1980–2006.
15
Basados en el comportamiento de la predicción observado para los años 2007–2010 (comparando el valor de
predicción con el valor actual), deseamos seleccionar la mejor aproximación.

Se van a probar las siguientes aproximaciones:

Usando un programa standard, los parámetros calculados son:

Los resultados para las varias aproximaciones se muestran en la


tabla de la siguiente lamina para los años 2007–2017. La carga
actual para los años 2007–2010 se muestra también. Note que el
GDP y la población a partir del año 2010 considera un incremento a
una tasa de 3.9 y 1.33%, respectivamente.
Resultados para varias aproximaciones 16
Expresando el comportamiento de la predicción en términos del
error, como se muestra en la siguiente ecuación:

De la tabla, UARMA, MARMA y TCF están posicionados como


las mejores elecciones en terminas de la predicción del
comportamiento.