Professional Documents
Culture Documents
Stochastic Electrical Markets
Stochastic Electrical Markets
Mercados Eléctricos
Estocásticos
Pereira, 2023.
Agenda:
1. Mercados eléctricos
Fuente: Laboratorio Financiero, Facultad de Ciencias Empresariales, Universidad Tecnológica de Pereira. UTP
Diseño mercado eléctrico colombiano
El diseño o marco institucional en nuestro país es el siguiente:
Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
Costo Unitario
Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
Costo Unitario
Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
¿Qué hace un comercializador de energía?
Usuarios de energía
En su forma más básica:
1. Lee el contador.
2. Emite una factura.
3. Recauda los pagos de la factura.
4. Paga por la compra de energía.
5. Paga por el transporte de la energía.
Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
¿Qué hace un comercializador de energía?
Generador o
Productor
(Oferta)
Comercializador
(Intermediario)
Consumidor
(demanda)
Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira (UTP). Profesor Salazar, H. (2022).
¿Qué hace un comercializador de energía?
Comercializador.
Demanda
satisfecha. Demanda por atender.
Cumplimiento de
indicadores
técnicos.
Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
Problema del consumidor de energía
Un consumidor de energía no regulado tiene incertidumbre en el consumo
semanal y en el precio de la energía. Los posibles escenarios son mostrados en
la tabla.
𝑃𝑐 : Potencia contratada.
𝑃𝑖 : Potencia comprada en el
mercado libre en el escenario 𝑖.
Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
Formulación Nodo-Variable:
Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
Formulación Escenario-Variable:
min 𝐶𝑜𝑠𝑡𝑜 = 7 ∗ 24 ∗ 0,2 ∗ (45 ∗ 𝑃𝑐,1 + 50 ∗ 𝑃1 )
+7 ∗ 24 ∗ 0,6(45 ∗ 𝑝𝑐,2 + 46 ∗ 𝑃2 )
+7 ∗ 24 ∗ 0,2(45 ∗ 𝑝𝑐,3 + 44 ∗ 𝑃3 )
𝑃𝑐,1 + 𝑃1 ≥ 110
𝑃𝑐,2 + 𝑃2 ≥ 100
𝑃𝑐,3 + 𝑃3 ≥ 80
𝑃𝑐,1 = 𝑃𝑐,2 = 𝑃𝑐,3 Restricción de no
anticipación
0 ≤ 𝑃𝑐,𝑖 ≤ 90
𝑃𝑐,𝑖 ≥ 0
𝑃1 , 𝑃2 , 𝑃3 ≥ 0
Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
Problema del productor de energía
El productor también puede vender energía en el mercado libre o bolsa, con potencia constante
durante el primer y segundo periodo de 3 días:
• Los precios en bolsa que están disponibles para el primer periodo (los primeros 3 días)
pueden ser negociados en $27/MWh con probabilidad 0,4 y $23/MWh con probabilidad 0,6.
• Si los precios para los 3 primeros días son $27/MWh, los precios durante el segundo
periodo de 3 días serán $28/MWh con probabilidad 0,4 o $26/MWh con probabilidad 0,6.
• De igual forma, si los precios para los 3 primeros días son $23/MWh, los precios durante el
segundo periodo de 3 días serán $24/MWh con probabilidades 0,4 o $22/MWh probabilidad
0,6.
Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
Árbol de escenarios con tres etapas:
Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
𝑀𝑎𝑥 𝑣𝑒𝑛𝑡𝑎 = 0,16 ∗ 72 ∗ (2 ∗ 25 ∗ 𝑃𝐴,1 + 26 ∗ 𝑃𝐵,1 + 27 ∗ 𝑃𝑡1,1 + 28 ∗ 𝑃𝑡2,1 )
+0,24 ∗ 72 ∗ (2 ∗ 25 ∗ 𝑃𝐴,2 + 26 ∗ 𝑃𝐵,2 + 27 ∗ 𝑃𝑡1,2 + 26 ∗ 𝑃𝑡2,2 )
+0,24 ∗ 72 ∗ (2 ∗ 25 ∗ 𝑃𝐴,3 + 26 ∗ 𝑃𝐵,3 + 23 ∗ 𝑃𝑡1,3 + 24 ∗ 𝑃𝑡2,3 )
+0,36 ∗ 72 ∗ (2 ∗ 25 ∗ 𝑃𝐴,4 + 26 ∗ 𝑃𝐵,4 + 23 ∗ 𝑃𝑡1,4 + 22 ∗ 𝑃𝑡2,4 )
Sujeto a:
𝑃𝐴,1 + 𝑃𝑡1,1 ≤ 120
𝑃𝐴,2 + 𝑃𝑡1,2 ≤ 120
𝑃𝐴,3 + 𝑃𝑡1,3 ≤ 120
𝑃𝐴,4 + 𝑃𝑡1,4 ≤ 120
𝑃𝐴,1 + 𝑃𝐵,1 + 𝑃𝑡2,1 ≤ 120
𝑃𝐴,2 + 𝑃𝐵,2 + 𝑃𝑡2,2 ≤ 120
𝑃𝐴,3 + 𝑃𝐵,3 + 𝑃𝑡2,3 ≤ 120
𝑃𝐴,4 + 𝑃𝐵,4 + 𝑃𝑡2,4 ≤ 120
𝑃𝐴,1 = 𝑃𝐴,2 = 𝑃𝐴,3 = 𝑃𝐴,4
𝑃𝐵,1 = 𝑃𝐵,2
Restricciones de no
𝑃𝐵,3 = 𝑃𝐵,4 anticipación
𝑃𝑡1,1 = 𝑃𝑡1,2
𝑃𝑡1,3 = 𝑃𝑡1,4
𝑃𝐴,1 ≤ 50, 𝑃𝐴,2 ≤ 50, 𝑃𝐴,3 ≤ 50, 𝑃𝐴,4 ≤ 50
𝑃𝐵,1 ≤ 40, 𝑃𝐵,2 ≤ 40, 𝑃𝐵,3 ≤ 40, 𝑃𝐵,4 ≤ 40
𝑃𝐴,1 , 𝑃𝐴,2 , 𝑃𝐴,3 , 𝑃𝐴,4 ≥ 0
𝑃𝐵,1 , 𝑃𝐵,2 , 𝑃𝐵,3 , 𝑃𝐵,4 ≥ 0
𝑃𝑡1,1 , 𝑃𝑡1,2 , 𝑃𝑡1,3 , 𝑃𝑡1,4 ≥ 0
𝑃𝑡2,1 , 𝑃𝑡2,2 , 𝑃𝑡2,3 , 𝑃𝑡2,4 ≥ 0
Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
“Go as far as you can see; when
you get there, you’ll be able to
see farther’’ J.P Morgan.
Fuente: https://www.radionacional.co/cultura/por-primera-vez-en-colombia-la-exposicion-el-
mundo-segun-mafalda
adriana.santa@utp.edu.co
¡Muchas Gracias!
Fuente: https://goo.gl/tp7Arv