Sebastián Eduardo Tobar Muñoz - 1136992 - 0

Tarea 2
ELI-451 Temas Avanzados en Sistemas Eléctricos de

Potencia
“Simulación de Monte Carlo”
Sebastián Tobar M.
Profesor: Esteban Gil S.
16 de agosto de 2017
ASLA-ELI-410 Tarea 2 U.T.F.S.M.
Tabla de contenido
Introducción .......................................................................................................................................3
Simulación de Monte Carlo ................................................................................................................4
Obtención de datos ........................................................................................................................4
Supuestos .......................................................................................................................................5
Resultados ..........................................................................................................................................7
Comentarios .......................................................................................................................................9
Referencias bibliográficas ................................................................................................................10
Página 2 de 10
STM
Introducción
El análisis de riesgo forma parte de todas las decisiones que tomamos. Nos
enfrentamos continuamente a la incertidumbre, la ambigüedad y la variabilidad. Y
aunque tenemos un acceso a la información sin precedentes, no podemos predecir
con precisión el futuro. La simulación Monte Carlo permite ver todos los resultados
posibles de las decisiones que tomamos y evaluar el impacto del riesgo, lo cual nos
permite tomar mejores decisiones en condiciones de incertidumbre.
La simulación Monte Carlo es una técnica matemática computarizada que permite

tener en cuenta el riesgo en análisis cuantitativos y tomas de decisiones. Esta
técnica es utilizada por profesionales de campos tan dispares como los de finanzas,
gestión de proyectos, energía, manufacturación, ingeniería, investigación y
desarrollo, seguros, petróleo y gas, transporte y medio ambiente.
La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones

una serie de posibles resultados, así como la probabilidad de que se produzcan
según las medidas tomadas. Muestra las posibilidades extremas —los resultados
de tomar la medida más arriesgada y la más conservadora— así como todas las
posibles consecuencias de las decisiones intermedias [1].
En este trabajo se realiza una simulación de Montecarlo para estudiar la variación

de los costos de generación en el sistema interconectado del norte grande (SING).
Para aquello se utiliza un modelo simplificado de dicho sistema realizándose una
modelación uninodal, es decir, toda la demanda del sistema se concentra en un
único punto (nodo) al igual que la generación.
La simulación consiste en tomar los resultados de la Tarea 1, en cuanto a los

resultados de las proyecciones de los factores de planta de las centrales solares
para los distintos modelos (Modelo de Persistencia, SARIMA, Redes Neuronales y
LOESS), además de la operación real [2].
Página 3 de 10
STM
Simulación de Monte Carlo
Tal como se menciona en la introducción, esta simulación se desarrolla en un

sistema uninodal, representando al sistema interconectado del norte grande (SING),
realizando el estudio para un día.
Obtención de datos
Como datos de entrada se asume la demanda del sistema, capacidad de generación
por tecnología [4]. Se asume una disponibilidad de combustibles en todo momento
(debido al período a simular) y un costo de generación promedio por tecnología.
Como variable aleatoria se encuentra los factores de planta para las centrales
solares en donde se utiliza los resultados obtenido en la Tarea 1 del curso [2]. La
aleatoriedad consiste en tomar cualquiera de los valores proyectados por los
modelos para cada hora, según corresponda, donde el modelo seleccionado para
poco claro
alguna hora en particular no es necesariamente el mismo para las horas siguientes.
Figura 1: Predicción de la serie de tiempo con distintos modelos.
La capacidad de generación por tecnología es de 2.309 MW de GNL, 2.245 MW

de carbón, 326 MW en diésel, 17 MW de hidroeléctrica de pasada, 24 MW en
geotermia, 525 MW de solar y 200 MW de eólica.
La demanda para las 24 horas del día se obtiene de la referencia bibliográfica [3].
Página 4 de 10
STM
Figura 2: Capacidad instalada por tecnología en el SING.
Supuestos
• Debido al período de estudio, se considera que hay disponibilidad de

combustible para todas las horas en evaluación.
• Disponibilidad máxima de generación por tecnología, además de una
disponibilidad para toda la ventana de evaluación.
• Sistema uninodal.
• Costo de generación constante por tecnología.
• Solamente se consideran tres tecnologías: solar, carbón y GNL. Lo anterior
se debe a que tal como se muestra en la Figura [3], estas tres tecnologías de
generación son suficientes para poder abastecer la demanda, y que además
son las baratas. Por este mismo motivo no se considera la tecnología térmica
diésel.
• Las tecnologías hidroeléctricas de pasada, eólica y geotermia no se
consideran debido a que introducen incertidumbre adicional y que no está en
evaluación.
En la Figura [3] se observa que en gran parte del período en estudio la generación
térmica por carbón logra satisfacer la demanda siendo el aporte por GNL menor. Es
por esta situación que solo se consideran dichas tecnologías, además de la solar,
como las participantes en el abastecimiento de la demanda.
Página 5 de 10
STM
Figura 3: Capacidad instalada por tecnología (carbón, GNL y solar promedio) con la curva de demanda horaria.
Página 6 de 10
STM
Resultados
Con los datos y en base a los supuestos expuestos, los resultados son los
siguientes:
5 es bastante poco para
Se realizan cinco repeticiones deMonte Carlo... de Monte Carlo, cada una de 24
la simulación
horas, los simulation statistics son los que se encuentran en la siguiente tabla.
Tabla 1: Resultados simulación de Monte Carlo.
Repetición Promedio Mediana Percentil 0,99

1 61,03 61,83 71,66
2 60,84 61,83 71,55
3 60,80 61,83 71,44
4 60,83 62,47 71,33
5 60,84 62,47 71,30
Los costos de la energía por hora y el costo marginal del sistema son los que se
muestran en la Figura [4].
Figura 4: Costo de energía y costo marginal por barra.
Página 7 de 10
STM
El histograma del costo de la energía por hora se muestra en la Figura [5].
Figura 5: Histograma de la simulación de Monte Carlo.
Figura 6: Costo de generación por hora y por modelo.

tu análisis es casi determinístico, en cuanto a que
no generas muestras aleatorias
Página 8 de 10
STM
Comentarios
Realizar un análisis sobre el costo marginal del sistema no entrega mayor

información, puesto que son solo dos las tecnologías con costo de generación que
fijan el costo marginal del sistema reducido, por lo que dicho valor toma valores de
30 o 40 USD/MWh, y nunca es cero, ya que la capacidad de generación de la
tecnología solar no es suficiente como para abastecer de forma autónoma los
requerimientos del sistema.
Como es de esperar, el costo de generación es mayor mientras menor sea la
disponibilidad de generación solar. Además, como hay ciertas horas donde el aporte
de las centrales solares es nulo (00 a 07 y 22 a 00 hrs), por lo que el costo del
sistema y el costo marginal no se ven afectados por la sensibilidad con la que se
trabaja.
En el histograma, el último rango de confianza no cambia su frecuencia,
manteniéndose constante (la frecuencia) en 45 datos, debido a que durante 9 horas
no hay variaciones o aportes de origen solar. Lo anterior se ve fomentado o apoyado
debido a la baja variación que presenta la demanda donde no existen variaciones
importantes. Donde un 62,5% de los datos se encuentran en los primeros cuatro
rangos de clases (o intervalos de confianza) y el restante 37,5% (45 datos) se
encuentran fijos en el último rango.
Con respecto a las estadísticas de la simulación o “simulation statistics”, se observa
que a medida que aumentan, el percentil 0,99 (99%), promedio y mediana van
disminuyendo, debido a que la cantidad de datos van aumentando y la variabilidad
se encuentra en 15 horas de las 24 de cada repetición, por lo que existen más horas
donde se producen variaciones o existe una incertidumbre del valor futuro.
A pesar de lo anterior, dichas variaciones o disminuciones son leves debido, en
parte, a la ventana temporal en estudio, simplificaciones de la disponibilidad de
generación y generalización de los costos de generación por tecnología.
En la Figura [6] se observa los costos de generación por hora y por modelo utilizados
para la previsión de los perfiles de generación. En esta, se puede observar la baja
variación que existe durante las horas sol (0800 y 2100) es muy baja como para
poder percatar efectos más profundos o más definidos.
Página 9 de 10
STM
Referencias bibliográficas
1. Simulación de Montecarlo, Palisade.

2. Tarea N°1 Temas Avanzados en Sistemas Eléctricos de Potencia.
3. Memoria de Titulación (en evaluación) Sebastián Tobar “Proyección de inversiones de largo
plazo en generación y transmisión en Chile (2050) considerando efectos del cambio
climático en los escenarios hidrológicos”.
4. Informe definitivo precio de nudo de corto plazo (PNCP) SING, febrero de 2017, CNE.
Página 10 de 10
STM
Powered by TCPDF (www.tcpdf.org)

Sebastián Eduardo Tobar Muñoz - 1136992 - 0

Cargado por

Copyright:

Formatos disponibles

Sebastián Eduardo Tobar Muñoz - 1136992 - 0

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sebastián Eduardo Tobar Muñoz - 1136992 - 0

Cargado por

Copyright:

Formatos disponibles

Tarea 2

ELI-451 Temas Avanzados en Sistemas Eléctricos de

“Simulación de Monte Carlo”

La simulación Monte Carlo es una técnica matemática computarizada que permite

La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones

En este trabajo se realiza una simulación de Montecarlo para estudiar la variación

La simulación consiste en tomar los resultados de la Tarea 1, en cuanto a los

Simulación de Monte Carlo

Tal como se menciona en la introducción, esta simulación se desarrolla en un

Figura 1: Predicción de la serie de tiempo con distintos modelos.

La capacidad de generación por tecnología es de 2.309 MW de GNL, 2.245 MW

Figura 2: Capacidad instalada por tecnología en el SING.

• Debido al período de estudio, se considera que hay disponibilidad de

Repetición Promedio Mediana Percentil 0,99

Figura 4: Costo de energía y costo marginal por barra.

El histograma del costo de la energía por hora se muestra en la Figura [5].

Figura 5: Histograma de la simulación de Monte Carlo.

Figura 6: Costo de generación por hora y por modelo.

Realizar un análisis sobre el costo marginal del sistema no entrega mayor

1. Simulación de Montecarlo, Palisade.

Powered by TCPDF (www.tcpdf.org)

También podría gustarte