Predicción de demanda de energía eléctrica en Melilla

Pérez-Urruti Castillo-Puche, Diego (2017). Predicción de demanda de energía eléctrica en Melilla. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Descripción

Título: Predicción de demanda de energía eléctrica en Melilla
Autor/es:
  • Pérez-Urruti Castillo-Puche, Diego
Director/es:
  • Juan Ruiz, Jesús
  • Caro Huertas, Eduardo
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: Febrero 2017
Materias:
Palabras Clave Informales: Predicción, energía eléctrica, Matlab, Melilla, sostenibilidad
Escuela: E.T.S.I. Industriales (UPM)
Departamento: Ingeniería de Organización, Administración de Empresas y Estadística
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (7MB) | Vista Previa

Resumen

El presente trabajo fin de grado ha consistido en desarrollar e implementar un modelo de predicción, a corto plazo, de la demanda horaria de energía eléctrica en la ciudad autónoma de Melilla. Para ello, se ha adaptado un modelo de predicción de demanda para el sistema peninsular, desarrollado por el Laboratorio de Estadística de la Escuela Técnica Superior de Ingenieros Industriales de la UPM, a las características propias del sistema de Melilla. La importancia de contar con predicciones precisas radica en la propia constitución del sistema eléctrico como sistema productivo que carece de inventario. La energía eléctrica, bien básico, insustituible y principal vector de desarrollo que existe, tiene el particular inconveniente de que generación y demanda deben estar en permanente equilibrio ya que el almacenamiento masivo de energía eléctrica no es aun viable desde el punto de vista técnico y económico. El sistema eléctrico español posee un sistema de fijación de precios a partir de un mercado diario en el que se llevan a cabo subastas horarias de energía eléctrica. La Ley 24/2013 del sector eléctrico establece que el operador del sistema debe garantizar que se cumple el equilibrio entre generación y demanda, derivado de las condiciones de mercado liberalizado, supervisando, a su vez, el cumplimiento de las leyes eléctricas para evitar variaciones de frecuencia. El sistema, al carecer de stocks de energía, salvo los derivados de centrales hidroeléctricas, está diseñado fundamentalmente para responder ante puntas de demanda. Estas situaciones, que se alcanzan típicamente el 1% del tiempo, suponen la necesidad de disponer de márgenes importantes sobre la demanda media. Aparecen entonces los denominados pagos por capacidad, que permiten disponer de centrales de reserva en todo momento. La ausencia de inventario supone, además, un fuerte impedimento para el despliegue total de las energías renovables, que presentan el problema de la intermitencia. Melilla, como sistema aislado eléctricamente de la Península, depende del operador del sistema, que desarrolla un despacho económico de las unidades de generación disponibles. Su condición de sistema extrapeninsular de pequeño tamaño y con baja inercia, hace que sea muy vulnerable a perturbaciones que pueden dar lugar a variaciones de frecuencia muy superiores a las que experimenta el sistema peninsular. Por tanto, las necesidades de tener buenas predicciones de demanda son imperativas para asegurar la calidad y la seguridad del suministro eléctrico. Además, una mejora de las predicciones de demanda tiene implicaciones directas en la sostenibilidad global del sistema eléctrico melillense. El trabajo se puede descomponer en tres bloques bien diferenciados: análisis de las características del sistema eléctrico de Melilla, incluyendo demanda, generación, climatología y días festivos; desarrollo del modelo estadístico, implementación y análisis de resultados; y estudio de sostenibilidad, valorando aspectos medioambientales, sociales y económicos. Cualquier modelo estadístico exige, antes de su construcción, un análisis del comportamiento de las variables que se consideran relevantes para caracterizar el fenómeno en cuestión. Estudios anteriores coinciden en identificar el efecto de la temperatura y el de los días festivos como los principales factores a tener en cuenta a la hora de modelizar el comportamiento de la demanda de energía eléctrica. La temperatura de Melilla se corresponde con la de un clima templado, suavizado por el efecto del mar, con valores medios anuales de 18ºC. Las temperaturas máximas se alcanzan en los meses de verano (entre julio y agosto) y pueden rondar los 35-40ºC. El efecto no lineal sobre la demanda y la inercia térmica del comportamiento humano ante la temperatura de días anteriores, son los factores más importantes a tener en cuenta en la modelización del efecto de la temperatura. Melilla presenta, como ciudad autónoma española, festividades nacionales, comunes en todo el estado y además, una serie de festividades locales. La diversidad cultural, que constituye una de las singularidades más destacables de Melilla, hace que se celebre la Fiesta del Sacrificio o del Cordero, que se rige por el calendario musulmán y que no se consideró de manera oficial hasta 2010. Para modelizar correctamente estos días se debe tener cuenta, por una parte, la forma del perfil de demanda del festivo en sí y por otra, como afecta este día festivo a los días próximos. El sistema eléctrico de Melilla cuenta con una central térmica de 85MW, con motores Diesel y una turbina de gas, y con una planta de incineración de residuos de 2MW. Con estos 87MW de potencia se debe cubrir una demanda horaria que en ningún caso ha superado los 42MWh, siendo la hora 22 la que presenta mayor demanda media en los últimos 9 años. En cuanto a la demanda histórica de Melilla, el análisis en términos anuales muestra una ligera tendencia global de crecimiento, que combina un periodo de fuerte crecimiento hasta 2008 con otro de cierta estabilidad hasta 2012 y un ligero decrecimiento en 2013 y 2014. Al igual que el sistema peninsular, la estacionalidad supone aumentos de la demanda en invierno y en verano asociados al uso de equipos de climatización, con puntas en enero y agosto para el caso de Melilla. Sin embargo, agosto aparece como el mes de mayor consumo en Melilla en los últimos 9 años, algo que no ocurre en el resto del país. Ello pone de manifiesto el modesto peso de la industria melillense en una economía basada fundamentalmente en el sector comercial, dada su condición de puerto franco. La curva de carga diaria en Melilla presenta un patrón similar al del sistema peninsular, con fuertes oscilaciones a lo largo del día que se traducen en 2 picos de demanda hacia las 14 y las 22 horas y un importante valle en las horas de la noche y primeras horas del día. Diferencias culturales y socioeconómicas pueden adelantar o retrasar el momento en el que se producen estos picos y valles horarios, al igual que distorsionan ligeramente el ciclo semanal. Este ciclo, que en el caso del sistema peninsular presenta en un bajón característico el lunes debido al tiempo de arranque necesario en la industria, no se produce en el caso de Melilla. La técnica cuantitativa empleada para desarrollar el modelo tiene en cuenta, además de la propia dinámica de la serie temporal de demanda horaria, la evolución de otras variables, como son la influencia de temperatura y la de las características particulares del día sobre la propia demanda. Estos modelos causales se conocen como modelos de regresión dinámica o reg-ARIMA. El objetivo principal del modelo implementado debe ser conseguir hacer predicciones en distintos instantes de un día para las 24 horas del día siguiente. Se construirán, por tanto, 24 modelos para cada una de las 24 horas del día. Como datos de entrada, el modelo cuenta con datos de demanda horaria y de temperaturas previstas desde 2006 hasta 2014. Además, se han identificado los principales días festivos con sus fechas correspondientes y sus patrones de influencia sobre días próximos. Se utilizarán los datos de los 8 primeros años para estimar el modelo, quedando el 2014 como horizonte de predicción en el que se obtendrán los resultados de las predicciones horarias. El modelo peninsular, que se ha adaptado a las características del sistema melillense, está desarrollado en Matlab. Esto ha permitido estimar los 24 modelos, efectuar la diagnosis y finalmente obtener predicciones que son corregidas utilizando la información que proporciona la correlación entre horas próximas. Para obtener los regresores de temperatura, teniendo en cuenta la no linealidad, el modelo utiliza la técnica de regresiones con splines que consiste, fundamentalmente, en dividir el rango de temperaturas en tramos y en cada tramo, ajustar un polinomio. En cuanto a los días festivos, se han empleado numerosas variables binarias, para tener en cuenta las diferentes combinaciones que se pueden dar y evitar una propagación del error que afecte a las predicciones. Los festivos atípicos, como la Fiesta del Sacrificio, complican la modelización y han sido excluidos de la estimación, dadas sus características particulares. En total, el número de parámetros a estimar es de 229, con 64 parámetros de temperatura y 165 para modelizar el efecto de los días especiales sobre la demanda. La demanda de energía eléctrica en Melilla puede verse muy afectada por variables climáticas. Este efecto de la temperatura puede llegar a superar el 20% en las horas centrales de algunos días y ser muy acusado en el caso de las temperaturas mínimas, que en Melilla rondan los 36ºC. Las particularidades de los días festivos y su efecto sobre los días contiguos, pueden provocar unos incrementos y unas reducciones máximas de un 17 y un 28% respectivamente, en relación a lo que sería la demanda de un día normal. Obtenidas las predicciones, el análisis de los errores de predicción permite comprobar como la hora con mayor error es la hora 9 y la de menor error corresponde a la hora 1. Octubre aparece como el mes con mayor error debido al elevado número de días especiales que incluye, seguido de agosto y diciembre, mientras que junio es el que presenta menor error. Teniendo en cuenta su condición de sistema aislado, su escasa población y el importante efecto que suponen las variables climáticas y las particularidades del perfil de carga de los días festivos sobre la demanda, se puede concluir que Melilla es, efectivamente, un sistema complicado para realizar predicciones. A pesar de ello, el modelo implementado en este trabajo permite obtener importantes reducciones del error que pueden llegar ser superiores al 45% si las predicciones se realizan a las 24h del día anterior. Considerando predicciones realizadas a las 10 a.m., el error cuadrático medio pasa del 5,68%, que corresponde al histórico de errores de predicción del operador del sistema, al 3,37%, lo que supone una reducción del 40%. Las reducciones de error conseguidas contribuyen a reducir impactos de carácter ambiental, social y económico. Estas mejoras derivan de la posibilidad de contar con información más precisa y de mayor calidad con la que el operador del sistema y los responsables de generación pueden gestionar y programar la producción de forma más segura y eficiente.

Más información

ID de Registro: 46026
Identificador DC: http://oa.upm.es/46026/
Identificador OAI: oai:oa.upm.es:46026
Depositado por: Biblioteca ETSI Industriales
Depositado el: 24 May 2017 05:54
Ultima Modificación: 24 May 2017 05:54
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM