Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira.

ISSN 0122-1701 y ISSN: 2344-7214 78

Desarrollo de un algoritmo basado en Python-

Pyomo para el proceso de adjudicación de subastas
de renovables en Colombia
Development of a Python-Pyomo based algorithm of the adjudication process of
renewable auctions in Colombia
S. M. Chica-Medrano ; C. A. Araque-Giraldo ; F. A. Mendoza-Villalba ; C. E. Salazar-
Vanegas ; O. M. Carreño-Rincón ; J. M. López-Lezama
DOI: https://doi.org/10.22517/23447214.24780
Artículo de investigación científica y tecnológica

Abstract— This document outlines the mathematical Palabras claves— Contratos de largo plazo, optimización,
formulation of the second renewable energy auction in Colombia, programación lineal entera mixta, Python-Pyomo, subastas de
which was used to allocate long-term energy contracts through a renovables, transición energética.
double-sided auction. The auction was defined by Resolutions 4-
0590 and 4-0591 of 2019 from the UPME. The paper presents a I. INTRODUCCIÓN
mixed integer linear programming model that solves an
optimization problem to find the combination of offers that
maximizes consumer benefit while meeting operational and
economic constraints set by regulatory mechanisms. The efficacy
C OLOMBIA es un país que se caracteriza por tener una
matriz energética en su mayoría conformada por
generación a partir de recursos hídricos, alcanzando hasta un
of the algorithm, developed in Python, was tested by validating it 68,3% para el año 2018 de la canasta de generación; el resto de
with real data and obtaining results consistent with those la matriz energética está conformada por 30,7% de generación
published by UPME. termoeléctrica, 0,8% de solar y eólica y un 0,2% de generación
a partir de bagazo de caña [1], [2]. Lo anterior indica que existe
Index Terms— Energy transition, long-term contracts, mixed poca diversificación de la matriz energética del país. Esto
integer linear programming, renewable energy, optimization, conlleva a dificultades energéticas en periodos del año donde
Python-Pyomo.
hay escasez de agua dada por la disminución de precipitaciones,
Resumen— Este documento expone la formulación matemática de afectando considerablemente los caudales de los ríos y las
la segunda subasta de energía renovable en Colombia, la cual se reservas de los embalses. Lo anterior ha motivado a los entes
utilizó para asignar contratos de energía de largo plazo a través de gubernamentales a crear una serie de políticas enfocadas en la
una subasta de doble cara. La subasta fue definida por las transición energética, que permitan una diversificación de la
Resoluciones 4-0590 y 4-0591 de 2019 de la UPME. El trabajo matriz energética y una mayor resiliencia del sistema eléctrico
presenta un modelo de programación lineal entera mixta que colombiano. Por medio de la Ley 1715 de 2014 y el Plan
resuelve un problema de optimización para encontrar la Nacional de Desarrollo (PND), se establecieron incentivos para
combinación de ofertas que maximiza el beneficio del consumidor proyectos de generación de energías renovables no
mientras cumple con las restricciones operativas y económicas
convencionales, que incluyen la exención de gravámenes
establecidas por los mecanismos regulatorios. La eficacia del
algoritmo, desarrollado en Python, se comprobó validándolo con arancelarios, sobre deducción del 50% en las inversiones contra
datos reales y obteniendo resultados consistentes con los el impuesto de renta durante 15 años (este último fue una
publicados por la UPME. mejoría hecha en el PND respecto a la Ley 1715). Con esta Ley
también se incentiva la autogeneración y la generación
distribuida buscando mitigar la huella de carbono y aliviar la

Este manuscrito fue enviado el 5 de junio de 2021 y aceptado el 24 de mayo F.A Mendoza-Villalba trabaja en el Departamento de Ingeniería Eléctrica de
de 2022. la Universidad de Antioquia, Medellín, Colombia (e-mail:
Este trabajo fue apoyado por el Programa de Sostenibilidad de la [email protected]).
Universidad de Antioquia y el Programa Científico Colombiano en el marco del C. E. Salazar-Vanegas trabaja en el Departamento de Ingeniería Eléctrica de
llamado Ecosistema Científico (Contrato No. FP44842-218-2018). la Universidad de Antioquia, Medellín, Colombia (e-mail:
S. M. Chica-Medrano trabaja en el Departamento de Ingeniería Eléctrica de [email protected]).
la Universidad de Antioquia, Medellín, Colombia (e-mail: O. M. Carreño-Rincón, Departamento de Ingeniería Eléctrica, Universidad
[email protected]). de Antioquia, Medellín, Colombia (e-mail: [email protected]).
C.A Araque-Giraldo trabaja en el Departamento de Ingeniería Eléctrica de J. M. López-Lezama del Departamento de Ingeniería Eléctrica de la
la Universidad de Antioquia, Medellín, Colombia (correo electrónico: Universidad de Antioquia, Medellín, Colombia (e-mail:
[email protected]). [email protected]).
79 Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira

congestión de las redes eléctricas. Además, fue establecido que estas iniciativas están los proyectos de generación a partir de
entre el 8 % y el 10% de las compras realizadas por los fuentes de energías renovables, que se consideran virtualmente
comercializadores del Mercado de Energía Mayorista (MEM), inagotables y cuyo aprovechamiento presenta bajo impacto en
deben ser realizadas por medio de contratos de largo plazo de el medio ambiente [2]. La generación de energía eléctrica a
energía (CLPE), con plantas de generación de fuentes no través del uso de fuentes de energía renovables permite que se
convencionales de energías renovables (FNCER). El propósito disminuya la huella ambiental; además, estimula la creación de
de estas iniciativas es lograr una mayor participación de las empleo y el crecimiento económico [2]. Sin embargo, es
FNCER, produciendo un incremento de menos del 1% a más necesario que las políticas de gobierno que se inclinen por esta
del 12% para el año 2022 [3], [4]. Para ello se han realizado dos alternativa, tengan en cuenta el impacto social que produce su
subastas de energías renovables no convencionales en integración en las comunidades. Por lo tanto, se requiere crear
Colombia, las cuales han sido subastas de dos puntas, donde conciencia pública sobre su implementación y el beneficio que
tanto comercializadores como generadores ofertan, indicando trae para la ciudadanía el uso de este tipo de energía. En [7] se
las cantidades de energía y sus respectivos precios. La primera estudia este caso aplicando encuestas que permitan vislumbrar
se realizó en febrero de 2019, en la cual no se realizaron la aceptación social de esta nueva tecnología de generación, y a
asignaciones de ofertas entre compradores y vendedores, ni se partir de los resultados obtenidos, crear planes de acción que
adjudicaron contratos. La segunda subasta se realizó en octubre permitan adaptar las energías renovables a entornos urbanos.
del mismo año. En esta se adjudicaron contratos de energía a A medida que se produce una alta penetración de la
largo plazo por más de 10 GWh-día; se incluyeron, además, generación a partir de fuentes de energías renovables en la
franjas horarias de licitación y se redujeron los límites de los matriz de un sistema eléctrico, aparecen inconvenientes
tamaños de los proyectos de 10 MW a 5 MW [5]. asociados con la estabilidad de dicho sistema. Las FNCER
En este trabajo se desarrolla de forma completa la tienden a consumir energía reactiva dependiendo de su tipo de
formulación matemática creada para la segunda subasta de operación. Esto hace que en ciertos puntos del sistema exista un
energías renovables no convencionales en Colombia cuya aumento de la demanda de energía reactiva que pueda afectar la
organización se delegó a la UPME (Unidad de Planeación estabilidad. También ocurre que, debido a la variabilidad e
Minero Energética) como se explica en el anexo de la intermitencia que presenta este tipo de recurso, se presenten
Resolución 4-0590 del 2019 de la UPME y la implementación inconvenientes con la estabilidad de ángulo de rotor, lo que
de un código computacional en Python (usando la librería hace que se afecte el balance entre generación y demanda,
Pyomo) que resuelve el problema de optimización planteado alterando la estabilidad de la frecuencia [8]. En [9] se estudian
por la subasta, el cual busca el máximo beneficio del métodos de configuración de energía reactiva dinámica de una
consumidor según las ofertas realizadas entre los compradores red cuya penetración de FNCER sea alta, basándose en estudios
y vendedores [6]. Dada la naturaleza de las variables de probabilidad de estabilidad transitoria. Este método permite
involucradas el modelo desarrollado corresponde a un problema asignar energía reactiva en puntos débiles de la red, a través del
de programación lineal entera mixta. Es decir, algunas variables análisis de probabilidad de estabilidad transitoria. Luego, se
pueden tomar valores continuos, mientras otras deben ser de estudian varios escenarios posibles de asignación trabajando a
naturaleza entera. Cabe anotar que, si bien la UPME publicó el partir de un modelo de red base. Los resultados demostraron
código del modelo, este no es funcional ya que hace parte de un que el método permite mejorar significativamente la seguridad
sistema de información de propietario. Esta fue una de las y estabilidad del sistema eléctrico, guiando la operación segura
razones que motivó el presente trabajo ya que se quiere contar y estable del sistema con alta penetración de FNCER.
con la herramienta completa que permita realizar simulaciones. En la actualidad, las subastas se han convertido en un
El resto del documento tiene la estructura que se indica a instrumento para impulsar el desarrollo de las energías
continuación. En la Sección II se hace énfasis sobre la renovables en el mundo; con base en la experiencia en distintos
importancia y el impacto de las energías renovables en los países, los interesados ajustan su entorno para realizar subastas
sistemas de potencia y se presenta una revisión del estado del que sean viables, minimizando el riesgo de que los proyectos
arte relacionada con subastas de las mismas. En la Sección III no puedan llevarse a cabo debido a la incertidumbre respecto a
se presenta la formulación matemática del problema en el cual los costos de los mismos, atrayendo así a inversionistas locales
se emplea un modelo de programación lineal entera mixta. En y extranjeros [10].
la Sección IV se presenta el detalle de la implementación del En [11], [12], [13] se estudian los casos de subastas de
modelo computacional, haciendo énfasis en el uso de Python y energías renovables en importantes economías emergentes del
su librería Pyomo. La Sección V presenta ejemplos de mundo como: Brasil, China e India; sumadas a estas grandes
escenarios de simulación, resultados y sus respectivos análisis. economías están Perú, Marruecos y Sudáfrica. Se destaca
Finalmente, la Sección VI presenta las conclusiones de este además en estos estudios, ventajas importantes como las
trabajo. reducciones de los precios de la energía provenientes de
FNCER, estrategias adecuadas para la asignación de riesgos,
II. REVISIÓN DEL ESTADO DEL ARTE planificación de la transmisión de la energía con las redes
existentes y construcción de políticas sólidas y confiables
procurando la extensión de proyectos de energías renovables.
El mundo moderno se está inclinando por iniciativas que
Por otra parte, en [14] se investiga el problema de la subasta de
vayan en pro del cuidado del medio ambiente, tal que
energía de dos puntas en una micro red, que involucra tanto a
minimicen la emisión de gases contaminantes y la producción
compradores como a vendedores; se analizan las condiciones
de materiales que afecten los ecosistemas del planeta. Entre
Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira 80

de equilibrio que se derivan de la anticipación de los posibles Colombia. En estos documentos se definen conceptualmente la
precios propuestos por los agentes que participan en la subasta función objetivo y las restricciones que gobiernan el modelo.
y se sugiere un modelo de subasta modificada donde el También fue necesario el estudio detallado de la
beneficio del consumidor (bienestar social) se acerque reglamentación para completar de manera adecuada la
arbitrariamente al que se puede lograr con los agentes formulación matemática. El objetivo de la subasta es generar
tomadores de precios. contratos de largo plazo entre los comercializadores
En [15] se analiza un mecanismo cuyo objetivo principal es (compradores) y generadores (vendedores), a través de la
darle prioridad a la contribución al bienestar social. Cada solución de un modelo de optimización en el que se busca
integrante es parte vital en las reglas de compensación que maximizar los beneficios al consumidor que están dados por la
existen en el mercado, liquidación de pagos y comparación de (1). En este caso, 𝑃𝐶𝑖 es precio de la oferta de compra i
transacciones. De acuerdo con esto, los pagos de transferencia ($COP/kWh), 𝑎𝑐𝑖 es la asignación de energía de la oferta de
a cada participante dependen directamente de su aportación al compra i (kWh-día), PVj es el precio de la oferta de venta j
bienestar social en el mercado eléctrico; de esta manera, el ($COP/kWh) y 𝑎𝑣𝑗 es la asignación de energía de la oferta de
mecanismo puede controlar el movimiento en el mercado de venta j (kWh-bloque).
algunos participantes. Este mecanismo se analiza con
información teórica y empírica del mercado eléctrico español. (1)
Los resultados permiten concluir que el mecanismo permite 𝑀𝑎𝑥 [∑ 𝑃𝐶𝑖 ⋅ 𝑎𝑐𝑖 − ∑ 𝑃𝑉𝑗 ⋅ 𝑎𝑣𝑗 ]
reducir el poder de mercado de los integrantes, mejorando así 𝑖 𝑗
el beneficio social.
En [16] se realiza un estudio para un proceso conocido como Esta función objetivo está sujeta a una serie de restricciones. La
licitación en la contratación de servicios de transporte de restricción dada por la (2) garantiza que la asignación de energía
terceros, utilizando el principio de subasta combinatoria para la oferta de un comprador sea menor a una cantidad
inversa. En ellas existen un solo comprador y múltiples máxima. Donde 𝐶𝑀𝐴𝑖 es la cantidad máxima de la oferta de
vendedores; el comprador debe tomar decidir con que vendedor compra i (kWh-día) y 𝑏𝑐𝑖 es la variable binaria que indica si la
debe emparejarse y trazar las rutas de distribución y el volumen oferta de compra i es asignada 1 o no 0.
del producto subastado. Se presenta una implementación
computacional del modelo matemático utilizando Python- 𝑎𝑐𝑖 ≤ 𝐶𝑀𝐴𝑖 ⋅ 𝑏𝑐𝑖 ; ∀𝑖 ∈ 𝐼 (2)
Pyomo.
En Colombia se utiliza un modelo de subasta de sobre
Las (3) y (4) son restricciones que garantizan que la asignación
cerrado de dos puntas, en el que compradores y vendedores de energía para la oferta de un vendedor esté acotada entre una
realizan ofertas; es decir, se adjudican contratos tanto a cantidad máxima y mínima. En este caso, 𝑎𝑣𝑗 es la asignación
compradores (comercializadores del MEM) como a vendedores
de energía de la oferta de venta j (kWh-bloque), 𝑉𝑀𝐴𝑗 es la
de energía (agentes generadores del MEM o propietarios o
cantidad máxima de la oferta de venta j (kWh-bloque), 𝑉𝑀𝐼𝑗 es
representantes comerciales de proyectos de generación). La
oferta realizada por los compradores se entiende para un la cantidad mínima de la oferta de venta j (kWh-bloque) y 𝑏𝑣𝑗
periodo de 24 horas, la cual debe indicar la cantidad máxima de es una variable binaria que indica si la oferta de venta j es
energía a comprar en MWh-día y el precio al que está dispuesto asignada 1 o no 0.
a comprar en COP$/kWh. La oferta realizada por los
𝑎𝑣𝑗 ≤ 𝑉𝑀𝐴𝑗 ⋅ 𝑏𝑣𝑗 ; ∀𝑗 ∈ 𝐽 (3)
vendedores se presenta por bloques intradiarios como lo
establece la Resolución 4-0590 del 2019 y cuyo precio se da en
𝑎𝑣𝑗 ≥ 𝑉𝑀𝐼𝑗 ⋅ 𝑏𝑣𝑗 ; ∀𝑗 ∈ 𝐽 (4)
COP$/kWh [5],[6].
Por último, en [17] se presenta la función objetivo y se
enuncian las restricciones que se deben implementar en el La (5) garantiza que la suma de las asignaciones de compra y
modelo de optimización utilizado en la segunda subasta de de venta de energía sean iguales, donde 𝑎𝑣𝑗 es la asignación de
energías renovables en Colombia; sin embargo, las energía de la oferta de venta j (kWh-bloque).
restricciones no se encuentran formalizadas en un lenguaje
matemático, ni se incluye un modelo computacional. Este ∑ 𝑎𝑐𝑖 = ∑ 𝑎𝑣𝑗 (5)
trabajo complementa la referencia [17] en el sentido en que 𝑖 𝑗
incluye las restricciones y se implementa computacionalmente
La ecuación (6) establece que dos ofertas de venta de un mismo
el problema de optimización. Además, se validan los resultados
vendedor que tiene la condición de que estas se asignen
con datos reales.
simultáneamente, se mantenga. La simultaneidad solo permite
dos posibles resultados. El primero es que ambas ofertas salgan
III. FORMULACIÓN MATEMÁTICA asignadas y el segundo es que ninguna de las dos salga
asignada. En este caso donde 𝑏𝑣𝑘 es una variable binaria que
La formulación matemática fue desarrollada con base en los indica si la oferta de venta k es asignada 1 o no 0 y 𝑏𝑣𝑜𝑠 es una
documentos publicados por la UPME en su página oficial sobre variable binaria simultánea con 𝑏𝑣𝑘 , teniendo a OS como el
la segunda subasta de contratos de largo plazo de energía en conjunto de ofertas de venta simultáneas ver (6).
81 Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira

IV. DETALLES DE LA IMPLEMENTACIÓN

𝑏𝑣𝑘 = 𝑏𝑣𝑜𝑠 ; ∀𝑘 ∈ 𝑂𝑆 (6)
Se programó la formulación matemática en Python usando la
La (7) establece que dos ofertas de venta de un mismo vendedor librería de Pyomo que es una serie de paquetes de códigos que
el cual tiene la condición de que estas sean excluyentes, se permiten la formulación de problemas de optimización. Esto,
mantenga. La exclusión fija la condición de que una oferta solo combinado con la facilidad de programación en Python,
puede ser asignada si la otra oferta no sale asignada, otro posible impulsó en gran medida la implementación del modelo
resultado es que ninguna salga asignada. En este caso, 𝑏𝑣𝑘 es matemático en este entorno. Pyomo soporta una amplia
la variable binaria que indica si la oferta de venta k es asignada variedad de tipos de problemas que incluyen programación
1 o no 0 y 𝑏𝑣𝑜𝑒 es la variable binaria excluyente con 𝑏𝑣𝑘 , lineal, no lineal, cuadrática, cuadrática de enteros mixtos, no
teniendo a OE como el conjunto de ofertas de venta lineal de enteros mixtos, etc. El modelo presentado en este
excluyentes. artículo corresponde a un problema de programación lineal de
enteros mixtos. Además de Pyomo, también es necesario la
𝑏𝑣𝑘 + 𝑏𝑣𝑜𝑒 ≤ 1; ∀𝑘 ∈ 𝑂𝐸 (7) utilización de un solver u optimizador que es un programa capaz
de resolver un problema de optimización, previamente
La (8) garantiza que dos ofertas de venta de un mismo vendedor formulado y acotado por medio de restricciones [18], [19].
el cual tiene la condición de que la primera oferta sea Para la implementación del modelo matemático de la segunda
dependiente de la segunda, se mantenga. La dependencia de subasta de contratos de largo plazo de energía en Colombia, se
ofertas permite tres posibles resultados: el primero es que para creó un algoritmo en Python en el que se formula el problema
que la oferta 1 salga asignada la oferta 2 también debe serlo, el de optimización; se importan los datos del problema desde un
segundo es que la oferta 2 puede salir asignada sin la oferta 1 y archivo de Excel que contiene la información de las ofertas de
el tercero es que ninguna de las dos ofertas se asigne. En este los compradores y las ofertas de los vendedores participantes
caso, 𝑏𝑣𝑘 es la variable binaria que indica si la oferta de venta de la subasta, luego, se resuelve el problema a través de un
k es asignada 1 o no 0 y 𝑏𝑣𝑜𝑑 es la variable binaria dependiente solver y se exporta la solución al mismo archivo de Excel que
con 𝑏𝑣𝑘 , teniendo a OD como el conjunto de ofertas de venta contiene los datos del problema. Cabe agregar que las hojas de
dependientes. cálculo en el archivo de Excel necesarias para que el programa
de Python funcione sin errores son: compradores, vendedores,
𝑏𝑣𝑘 − 𝑏𝑣𝑜𝑑 ≤ 0; ∀𝑘 ∈ 𝑂𝐷 (8) asignación compradores, asignación vendedores y asignación
prorrata, en total, cinco hojas. En la Tabla I y II se muestra la
La (9) condiciona que el promedio ponderado de venta sea forma en la que los datos del problema se distribuyen en el
menor al precio tope promedio definido por la CREG, con 𝑃𝑉𝑗 archivo de Excel.
como el precio de la oferta de venta j ($COP/kWh), 𝑎𝑣𝑗 como TABLA I
la asignación de energía de la oferta de venta j (kWh-bloque), DATOS DE ENTRADA DE LAS OFERTAS DE LOS COMPRADORES
PTP como el precio tope promedio ($COP/kWh). Nombre ID_oferta Compra_max Precio Orden
(kWh - día) (COP$/kWh) Llegada

∑ 𝑃𝑉𝑗 ⋅ 𝑎𝑣𝑗 ≤ 𝑃𝑇𝑃 ⋅ ∑ 𝑎𝑣𝑗 (9) Comprador1 C001 500 200 1

Comprador2 C002 500 195 2
𝑗 𝑗
Comprador3 C003 500 190 3
Finalmente, la (10), que es la última restricción del modelo de Comprador4 C004 500 185 4
optimización, indica que el precio promedio ponderado de Comprador5 C005 500 180 5
venta debe ser menor al precio de los compradores asignados, Comprador6 C006 500 175 6
donde 𝑃𝑉𝑗 es el precio de la oferta de venta j, ($COP/kWh), 𝑃𝐶𝑖 Comprador7 C007 500 170 7
es precio de la oferta de compra i ($COP/kWh), 𝑀 es un número Comprador8 C008 500 165 8
real positivo lo suficientemente grande como para relajar la
Comprador9 C009 500 160 9
restricción (BigM) y 𝑏𝑐𝑖 es la variable binaria que indica si la
oferta de compra i es asignada 1 o no 0.
En la Tabla I, para las ofertas de los compradores, se muestra
(10) el nombre del comprador, su ID_oferta, la compra máxima de
∑ 𝑃𝑉𝑗 ⋅ 𝑎𝑣𝑗 − ∑ 𝑎𝑣𝑗 ⋅ 𝑃𝐶𝑖 ≤ 𝑀 ⋅ (1 − 𝑏𝑐𝑖 ); energía, el precio al que están dispuestos a comprar y el orden
𝑗 𝑗 de llegada de la oferta. Toda esta información debe ser
consignada en la hoja de cálculo llamada compradores, del
∀𝑖 ∈ 𝐼 archivo de Excel.

Los índices I y J que aparecen en cada una de las 10 ecuaciones, TABLA II

hacen referencia a el conjunto de ofertas de compra y al DATOS DE ENTRADA DE LAS OFERTAS DE LOS VENDEDORES
conjunto de ofertas de vendedores, respectivamente. Nombre ID_oferta Bloque
Venta_Max Precio
(kWh-bloque) (COP$/kWh)
Vendedor1 V001 B1 1000 180
Vendedor1 V002 B2 1000 185
Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira 82

Vendedor1 V003 B3 1000 190 comprador se distribuye entre las ofertas de los vendedores, de
Vendedor2 V004 B1 1000 195 tal manera que todos los compradores con ofertas asignadas
Vendedor3 V005 B1 1000 200 deben tener un contrato de energía con cada uno de los
Vendedor3 V006 B2 1000 205 vendedores que tuvieron ofertas igualmente asignadas.
Vendedor3 V007 B3 1000 210
V. RESULTADOS
En la Tabla II se muestra el nombre del vendedor, su Para probar y validar la implementación en Python de la
ID_oferta, el bloque intradiario, la venta máxima para ese formulación matemática de la segunda subasta CLPE, se
bloque y el precio al cual se quiere vender la energía. Otros realizaron distintos ejemplos básicos que dan una idea general
factores que se deben considerar son: la venta mínima de de la forma en que la subasta funciona. Además, se realiza una
energía, si la oferta es simultánea, excluyente o dependiente, y verificación final a través de un set de datos reales. En este caso
el orden en que las ofertas llegan. Toda esta información debe se inicia con ejemplo sencillos para validar las restricciones del
ser escrita en la hoja de cálculo llamada vendedores, del archivo modelo y se termina con un ejemplo que reproduce los
de Excel. Cabe aclarar que los bloques intradiarios dividen el resultados reales de la asignación de la subasta.
día en tres partes: el bloque 1 considera las siete primeras horas
del día, el bloque 2 las diez horas siguientes y el bloque 3 las A. Ejemplo 1
últimas siete horas. Para mayor claridad, a continuación, se Las Tablas III y IV indican los datos de compradores y
ilustra el diagrama de flujo de la implementación. vendedores, respectivamente. Los datos se han dado de forma
tal que se puede evidenciar el principio de funcionamiento de la
subasta de forma trivial. En este caso, la solución puede ser
comprendida fácilmente sin necesidad de programas o cálculos
complejos.
TABLA III
DATOS DE ENTRADA COMPRADORES
Compra máxima Precio Orden de
Nombre ID_oferta
(kWh - día) (COP$/kWh) llegada
Comprador1 C001 1000 200 1
Comprador2 C002 1000 191 2
Comprador3 C003 1000 180 3

TABLA IV
DATOS DE ENTRADA VENDEDORES
Venta Venta
máxima mínima Precio
Nombre ID_oferta Bloque
(kWh- (kWh- (COP$/kWh)
bloque) bloque)
Vendedor1 V001 B1 5000 10 190

En la Fig. 1 se puede ver cómo las ofertas de los compradores

y los vendedores se cruzan en 2000 kWh a un precio de venta
de 190 COP$/kWh. Este punto de cruce es donde se encuentra
Fig 1. Diagrama de flujo del algoritmo desarrollado en Python
el mayor beneficio para el consumidor. Los compradores 1 y 2
La función objetivo expresada en la (1) está implementada en pueden aplicar a esta oferta de venta; a ambos se les despachó
el algoritmo desarrollado en Python y permite maximizar los el máximo valor de compra que ofertaron que corresponde a
beneficios del consumidor. Esto se logra a través de la variación 1000 kWh-día. Por último, el comprador 3 no fue despachado
de las asignaciones de energía, tanto para las ofertas de los dado que el precio de compra que este ofertó, fue inferior al
compradores, como para las ofertas de los vendedores que son precio de la única oferta de venta.
las únicas variables de dicha ecuación. Los precios de las
ofertas de compra y de venta son fijos por lo que no se pueden
modificar para maximizar aún más la función objetivo; por lo
tanto, el resultado esperado de la solución del problema de
optimización no es el valor de la función objetivo, sino las
asignaciones de energía hechas para los compradores y
vendedores participantes de la subasta. Estas asignaciones son
de dos tipos: la primera es una asignación en donde se conoce
el total de energía asignada para las ofertas de los compradores
y de los vendedores; y la segunda, es una asignación a prorrata
en donde el total de energía asignada para la oferta de un
83 Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira

TABLA VII
RESULTADOS DE LA ASIGNACIÓN PARA VENDEDORES Y
COMPRADORES
Asignación de venta Asignación de
Vendedor Comprador
(kWh-bloque) compra (kWh-día)
OfertaVenta1 500 Comprador1 1000

OfertaVenta2 1490 Comprador2 1000

OfertaVenta3 10 Comprador3 0

De la Tabla VII se puede observar que la oferta de venta 3

fue despachada con la asignación de venta mínima. Esto debido
a la restricción de simultaneidad que tenía con la oferta de venta
1, ya que para que esta fuera despachada, también debe de serlo
Fig. 2. Asignación ejemplo1. la oferta de venta 3, de manera que la oferta de venta 1 que tenía
el precio de venta más bajo, fue despachada en su máximo de
500 kWh, seguida por la oferta de venta 2 con 1490 kWh,
TABLA V dejando a la oferta de venta 3 el restante de 10 kWh para
RESULTADOS DE LA ASIGNACIÓN PARA VENDEDORES Y
COMPRADORES
completar la demanda de 2000 kWh. De esta forma, se cumplió
con la restricción de simultaneidad, optimizando los beneficios
Asignación de venta Asignación de
Vendedor Comprador del consumidor. Cabe agregar que el comprador 3 no fue
(kWh-bloque) compra (kWh-día)
Vendedor1 2000 Comprador1 1000 despachado debido a que los precios de las ofertas de venta
- - Comprador2 1000
fueron mayores al precio que el comprador había ofertado.
- - Comprador3 0 C. Ejemplo 3
En este tercer ejemplo se realizó la simulación para validar
la restricción de exclusión expresada en la (7) del modelo, que
establece la condición de que cuando varias ofertas de un
B. Ejemplo 2 mismo vendedor sean excluyentes, si una de ellas es asignada,
En este segundo ejemplo, se realizó una simulación para la otra no deberá serlo. En este ejemplo se utilizan los datos de
comprobar la restricción de simultaneidad expresada en la (6) las ofertas del vendedor de la Tabla VIII y se reutilizan los
del modelo, que fija la condición de que, cuando varias ofertas valores de la Tabla III para los datos de los compradores. Otra
de un vendedor sean simultáneas, si una de las ofertas es información a considerar es que las ofertas de venta en la Tabla
asignada, las demás también deben serlo. Para este ejemplo se VIII son de un mismo comprador y la venta mínima para cada
utilizaron los datos del vendedor indicados en la Tabla VI y se oferta es de 10 kWh-bloque. El orden de llegada es sucesivo en
reutilizan los datos de la Tabla III para los compradores. Se la posición de la tabla y no se tienen restricciones simultáneas
debe tener en cuenta que en la Tabla VI se muestran las ofertas ni dependientes.
de venta de un solo vendedor y la venta mínima para todas las
ofertas es de 10 kW-bloque. El orden de llegada es sucesivo en TABLA VIII
la posición de la tabla y no se tienen restricciones excluyentes DATOS DE ENTRADA VENDEDORES
ni dependientes. Venta
máxima Precio
Nombre ID_oferta Bloque Excluyente
(kWh- (COP$/kWh)
bloque)
TABLA VI
DATOS DE ENTRADA VENDEDORES OfertaVenta1 V001 B1 1000 189
Venta
máxima Precio OfertaVenta2 V002 B2 1000 190 V001
Nombre ID_oferta Bloque Simultánea
(kWh- (COP$/kWh) OfertaVenta3 V003 B3 3000 191
bloque)

OfertaVenta1 V001 B1 500 189 V003

OfertaVenta2 V002 B2 2000 190 TABLA IX
RESULTADOS DE LA ASIGNACIÓN PARA VENDEDORES Y
OfertaVenta3 V003 B3 3000 195 COMPRADORES
Asignación de venta Asignación de
Vendedor Comprador
(kWh-bloque) compra (kWh-día)
OfertaVenta1 1000 Comprador1 1000
OfertaVenta2 0 Comprador2 1000
OfertaVenta3 1000 Comprador3 0
Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira 84

Como se puede observar en la Tabla IX, al ser asignada la asignado ya que los precios de venta superaron su precio de
oferta de venta 1, se restringe la asignación a la oferta de venta oferta de compra.
2, por lo que el resto de la asignación recae en la oferta de venta
E. Ejemplo 5
3, aun cuando este es el que tiene el precio de venta más alto;
de esta forma se confirma que la restricción de exclusión se ha En este ejemplo se hizo la validación final del programa de
cumplido correctamente. También se puede notar que el optimización en Python. Se tiene un set de datos en formato de
comprador 3 no fue despachado debido a que los precios de las Excel que contiene información real de los compradores y de
ofertas de venta superan el precio de oferta de este comprador. los vendedores de la segunda subasta de contratos de largo
plazo de energía en Colombia. El set datos fue realizado a partir
D. Ejemplo 4 de un documento de Excel publicado por la UPME que contiene
En este cuarto ejemplo se realizó la simulación para la información sobre los contratos de energía generados entre
comprobar la restricción de dependencia expresada en la (8) del compradores y vendedores participantes de la subasta. El
modelo, la cual garantiza que cuando varias ofertas de un objetivo consiste en llegar a los mismas asignaciones y
mismo vendedor son dependientes, la oferta dependiente solo contratos de energía hechos por esta entidad que en total fueron
podrá ser asignada si la oferta relacionada también es asignada. 176 contratos.
Para este ejemplo, se usan los datos de los vendedores indicados El set de datos se construyó sumando la cantidad de energía
en la Tabla X y se reutilizan los datos de compradores de la asignada entre los distintos bloques intradiarios tanto para
Tabla III. Se debe tener presente que en la Tabla X se muestran compradores como para vendedores. También se tuvo en cuenta
las ofertas de venta para dos vendedores, siendo las ofertas de los precios de la energía para cada oferta de venta y en cuanto
venta 1, 2 y 4 del primer vendedor y la oferta de venta 3 del a los precios de las ofertas compra, dado que el documento de
segundo vendedor; la venta mínima para todas las ofertas venta Excel de la UPME no provee de ningún tipo de información
es de 10 kW-bloque; el orden de llegada es sucesivo en la relacionada a estos precios, fueron asumidos. Se debe asegurar
posición de la tabla y no se tienen restricciones excluyentes ni es que los precios de las ofertas de compra tienen que ser
simultáneas. mayores a los precios de las ofertas de venta. Tal razonamiento
TABLA X se sustenta en el hecho de que todas las ofertas de compra
DATOS DE ENTRADA VENDEDORES salieron asignadas, por lo que no es lógico pensar en un precio
Venta inferior al de las ofertas de venta. El set de datos y el documento
máxima Precio
Nombre ID_oferta Bloque
(kWh- (COP$/kWh)
Simultánea de Excel publicado por la UPME se pueden encontrar en el
bloque) siguiente GitHub [20].
En la figura 2 se muestra la maximización de los beneficios
OfertaVenta1 V001 B1 1000 189 V004
del consumidor, que busca tener la mayor área entre la curva de
OfertaVenta2 V002 B2 1000 190 oferta de los compradores y la curva de oferta de los
OfertaVenta3 V003 B1 3000 191 vendedores. Además, se puede observar que todas las ofertas
de compra y de venta salieron asignadas, dado que no hubo
OfertaVenta4 V004 B3 1000 195
ningún cruce entre estas dos curvas.
En la Tabla XII se muestran las asignaciones totales de
TABLA XI energía para las ofertas de los compradores. Al analizar dichos
RESULTADOS DE LA ASIGNACIÓN PARA VENDEDORES Y resultados, se puede verificar que son exactamente iguales a los
COMPRADORES
Asignación de venta Asignación de compra
datos de entrada de la hoja de compradores del set de datos.
Vendedor Comprador Este resultado comprueba que el código implementado es
(kWh-bloque) (kWh-día)
Vendedor1 1000 Comprador1 1000 exactamente igual al usado por la UPME.
Vendedor2 990 Comprador2 1000

Vendedor3 0 Comprador3 0
Vendedor4 10 - -

En la Tabla XI se puede observar que la oferta de venta 4 fue

despachada con el mínimo. Esto debido a la restricción de
dependencia que tiene con la oferta de venta 1, ya que al ser esta
la oferta más baja y teniendo en cuenta que todos tenían un
máximo de despacho igual, esta oferta es la primera en ser
despachada, buscando maximizar los beneficios del
consumidor. La oferta 4 es la más alta, pero cuenta con la
dependencia de la oferta 1. Esto permitió que haya sido
asignada con su mínimo; de esta forma se cumplió el despacho
óptimo de los 2000 kWh. La oferta de venta 3 no fue
despachada por que la demanda se suplió con las dos primeras
ofertas y el mínimo de la oferta 4. El comprador 3 no fue Fig. 3. Maximización de los beneficios del consumidor para el ejemplo con
datos reales.
85 Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira

TABLA XIII
ASIGNACIÓN TOTAL DE ENERGÍA A LAS OFERTAS DEL BLOQUE 1
TABLA XII PARA LOS VENDEDORES
ASIGNACIÓN TOTAL DE ENERGIA A LAS OFERTAS DE LOS Asignación
COMPRADORES Vendedor (kWh - bloque)
Asignación EMPRESA DE ENERGÍA DEL PACIFICO S.A. E.S.P.
Comprador (kWh - día) (Eólico Acacia 2) 80499,02
CELSIA TOLIMA S.A. E.S.P. 306999,39
CENTRAL HIDROELÉCTRICA DE CALDAS S.A. EMPRESA DE ENERGÍA DEL PACIFICO S.A. E.S.P.
E.S.P. 262999,2 (Eólico Camelia) 24498,81
CENTRALES ELECTRICAS DE NARINO S.A. E.S.P. 30999,23
EOLOS ENERGÍA S.A.S. E.S.P.(BETA) 881998,67
CENTRALES ELECTRICAS DEL NORTE DE
SANTANDER S.A. E.S.P. 377999,26 JEMEIWAA KA´I S.A.S. E.S.P (Parque Eólico Casa
CODENSA S.A. E.S.P. 2073999,2 Eléctrica de 180 MW) 1081498,7
COMPANIA DE ELECTRICIDAD DE TULUA S.A.
TRINA SOLAR GENERADOR COLOMBIA -
E.S.P. 46999,33
CAMPANO S.A.S E.S.P. (PROYECTO PARQUE
ECOPETROL ENERGÍA S.A.S. E.S.P. 719999,47 SOLAR EL CAMPANO) 0
ELECTRIFICADORA DE SANTANDER S.A. E.S.P. 627999,23
TRINA SOLAR GENERADOR COLOMBIA -
ELECTRIFICADORA DEL CAQUETA S.A. E.S.P. 95999,31 CARTAGO S.A.S. E.S.P. (CSF CONTINUA
ELECTRIFICADORA DEL CARIBE S.A. E.S. P 2434999,2 CARTAGO 99 MW) 0

ELECTRIFICADORA DEL HUILA S.A. E.S.P. 173998,66 TRINA SOLAR GENERADOR COLOMBIA - SAN
ELECTRIFICADORA DEL META S.A. E.S.P. 134997,63 FELIPE S.A.S E.S.P. (CSF CONTINUA SAN FELIPE
90 MW) 0
EMPRESA DE ENERGÍA DE BOYACA S.A. E.S.P. 48999,33
VIENTOS DEL NORTE S.A.S E.S.P(ALPHA) 685998,95
EMPRESA DE ENERGIA DE PEREIRA S.A. E.S.P. 63997,8
EMPRESA DE ENERGÍA DEL PACÍFICO S.A. E.S.P. 368999,48
EMPRESA DE ENERGÍA DEL PUTUMAYO S.A. TABLA XIV
E.S.P. 8999,37 ASIGNACION TOTAL DE ENERGIA A LAS OFERTAS DEL BLOQUE 2
PARA LOS VENDEDORES
EMPRESA DE ENERGÍA DEL QUINDIO S.A. E.S.P. 115999,24
Asignación
EMPRESAS MUNICIPALES DE CALI E.I.C.E. E.S.P. 189998,62 Vendedor (kWh - bloque)
EMPRESAS PUBLICAS DE MEDELLIN E.S.P. 1936999,3 EMPRESA DE ENERGÍA DEL PACIFICO S.A. E.S.P.
PROFESIONALES EN ENERGÍA S.A E.S.P. 27998 (Eólico Acacia 2) 114998,6

RUITOQUE S.A. E.S.P. 119997,7 EMPRESA DE ENERGÍA DEL PACIFICO S.A. E.S.P.
(Eólico Camelia) 959998,3
VATIA S.A. E.S.P. 15999,22
EOLOS ENERGÍA S.A.S. E.S.P.(BETA) 1514998,5
Las Tablas XIII, XIV y XV muestran las asignaciones totales JEMEIWAA KA´I S.A.S. E.S.P (Parque Eólico Casa
Eléctrica de 180 MW) 1379998,2
de energía para las ofertas de los vendedores, siendo la Tabla
TRINA SOLAR GENERADOR COLOMBIA -
XIII la que considera el bloque intradiario número 1, la Tabla CAMPANO S.A.S E.S.P. (PROYECTO PARQUE
XIV el bloque intradiario número 2 y la Tabla XV el bloque SOLAR EL CAMPANO) 596498,2
intradiario número 3. Al igual que con las ofertas de los TRINA SOLAR GENERADOR COLOMBIA -
compradores, si se analizan estos resultados, es fácil darse CARTAGO S.A.S. E.S.P. (CSF CONTINUA
cuenta que son exactamente iguales a los datos de entrada que CARTAGO 99 MW) 614998,6
aparecen en la hoja de vendedores del set de datos. La razón TRINA SOLAR GENERADOR COLOMBIA - SAN
FELIPE S.A.S E.S.P. (CSF CONTINUA SAN FELIPE
principal de que tanto las asignaciones de los compradores 90 MW) 559998,4
como las de los vendedores sean idénticas a los datos de entrada
VIENTOS DEL NORTE S.A.S E.S.P(ALPHA) 1164998,6
que están en el set de datos, es que si se optimizan datos que ya
han sido previamente optimizados, el resultado será el mismo.
Este resultado se constituye como la principal verificación del
código.
Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira 86

TABLA XV
ASIGNACIÓN TOTAL DE ENERGIA A LAS OFERTAS DEL BLOQUE 3 CELSIA TOLIMA S.A. E.S.P.
PARA LOS VENDEDORES
Asignación
VIENTOS DEL NORTE S.A.S…
Vendedor (kWh – bloque)
TRINA SOLAR GENERADOR…
EMPRESA DE ENERGÍA DEL PACIFICO S.A. E.S.P.
TRINA SOLAR GENERADOR…
(Eólico Acacia 2) 80499,02

Generador
TRINA SOLAR GENERADOR…
EMPRESA DE ENERGÍA DEL PACIFICO S.A. E.S.P. JEMEIWAA KA´I S.A.S.…
(Eólico Camelia) 24498,81
EOLOS ENERGÍA S.A.S.…
EOLOS ENERGÍA S.A.S. E.S.P.(BETA) 230998,81
EMPRESA DE ENERGÍA DEL…
JEMEIWAA KA´I S.A.S. E.S.P (Parque Eólico Casa EMPRESA DE ENERGÍA DEL…
Eléctrica de 180 MW) 0
0 1000 2000 3000 4000 5000
TRINA SOLAR GENERADOR COLOMBIA - Energía (kWh - bloque)
CAMPANO S.A.S E.S.P. (PROYECTO PARQUE
SOLAR EL CAMPANO) 0
Bloque 3 Bloque 2 Bloque 1
TRINA SOLAR GENERADOR COLOMBIA -
CARTAGO S.A.S. E.S.P. (CSF CONTINUA Fig. 4. Asignación a prorrata mediante el código de CELSIA TOLIMA S.A.
CARTAGO 99 MW) 0 E.S.P.
TRINA SOLAR GENERADOR COLOMBIA - SAN
FELIPE S.A.S E.S.P. (CSF CONTINUA SAN FELIPE CODENSA S.A. E.S.P.
90 MW) 0
VIENTOS DEL NORTE S.A.S E.S.P(ALPHA) 188998,95 VIENTOS DEL NORTE S.A.S…
TRINA SOLAR GENERADOR…
Hasta el momento, con las asignaciones totales, se sabe la Generador TRINA SOLAR GENERADOR…
cantidad de energía asignada tanto a las ofertas de los TRINA SOLAR GENERADOR…
JEMEIWAA KA´I S.A.S. E.S.P
compradores como a las ofertas de los vendedores. Sin EOLOS ENERGÍA S.A.S. E.S.P.
embargo, esta primera asignación no da ninguna información EMPRESA DE ENERGÍA DEL…
respecto a la forma de cómo se harán las transacciones de EMPRESA DE ENERGÍA DEL…
energía entre los compradores y vendedores; por tal motivo es 0 10000 20000 30000
necesario hacer el segundo tipo de asignación que es una Energía (kWh - bloque)
asignación a prorrata, en donde se busca crear contratos de largo
plazo de energía y que para esta subasta se hicieron 176 Bloque 3 Bloque 2 Bloque 1
contratos, un número bastante alto dado que cada comprador
debe tener un contrato de energía con cada uno de los Fig. 5. Asignación a prorrata mediante el código de CODENSA S.A. E.S.P.
vendedores. Una vez hecha la asignación a prorrata, se obtienen
los siguientes resultados para los comercializadores CELSIA
TOLIMA S.A. E.S.P y CODENSA S.A. E.S.P que se ilustran VI. CONCLUSIONES
en las figuras 3 y 4. Cabe aclarar que solo se escogieron a estos En este artículo se detalla el desarrollo e implementación de
dos compradores para evitar saturar el artículo, ya que con dos un algoritmo en Python, que permite calcular la asignación de
ejemplos se comunica perfectamente la idea principal tras los la segunda subasta de contratos de largo plazo de energía en
resultados obtenidos. Colombia. El algoritmo utiliza la librería de optimización
Las figuras 3 y 4 ilustran los contratos hechos por las Pyomo y contiene la formulación matemática completa
comercializadoras CELSIA TOLIMA S.A. E.S.P. y utilizada en la subasta de acuerdo con las condiciones descritas
CODENSA S.A. E.S.P. con cada uno de los generadores por la UPME en sus documentos públicos.
(vendedores). En estas se muestran las asignaciones a prorrata Se llevaron a cabo 5 ejemplos para validar la efectividad del
hechas por el programa en Python. Estos resultados son algoritmo. En particular el último ejemplo utilizó un set de
exactamente iguales a los datos reales de la subasta por lo que datos real de la subasta y reprodujo fielmente el resultado de
se valida nuevamente el correcto funcionamiento del programa. esta, evidenciando la validez del algoritmo propuesto.
Este trabajo de investigación puede ser utilizado para futuros
Para validar y garantizar la reproducibilidad de los resultados,
estudios del mercado de la energía en Colombia, ya que hace
el programa desarrollado en Python que resuelve el modelo
pública la formulación del proceso de adjudicación de subastas
matemático y un archivo de Excel que contiene la comparación de renovables. Para futuros trabajos se utilizará el código
completa de todos los contratos (reales vs generados por desarrollado para realizar un análisis del beneficio del
Python) están disponibles en el siguiente GitHub [21]. consumidor obtenido de este modelo y proponer mejoras al
algoritmo usado actualmente.
87 Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira

AGRADECIMIENTOS 67. Cham: Springer International Publishing, 2017.

[19] W. E. Hart, J.-P. Watson, and D. L. Woodruff, “Pyomo: modeling
and solving mathematical programs in Python,” Math. Program.
Los autores agradecen el Programa de Sostenibilidad de la Comput., vol. 3, no. 3, p. 219, 2011, doi: 10.1007/s12532-011-0026-
Universidad de Antioquia por el apoyo en el desarrollo de este 8.
trabajo. [20] Set de Datos: Python-Pyomo based algorithm of the adjudication
process of renewable auctions in Colombia. Available online:
https://github.com/fabian9928/set-de-datos.git (accessed on 07 June
REFERENCIAS 2021).
[21] Programa: Set de Datos: Python-Pyomo based algorithm of the
adjudication process of renewable auctions in Colombia. Available
[1] J. Gutierrez, L. J. Zuluaga, J. C. Giraldo, and K. Grosso, “Renewable
online: https://github.com/fabian9928/Modelo-matematico-subasta-
Energy Auctions in Colombia: Lessons Learned in Energy Policy
2-CLPE.git (accessed on 07 June 2021).
Design,” in 2019 FISE-IEEE/CIGRE Conference - Living the energy
Transition (FISE/CIGRE), Dec. 2019, pp. 1–5, doi:
10.1109/FISECIGRE48012.2019.8985013. Sebastián Moisés Chica Medrano. Es Ingeniero Electricista
[2] I. D. Marquez, D. M. Puyo, M. L. Robledo, and S. S. Valderrama, de la Universidad de Antioquia (2022). Actualmente se
"Transición energética: un legado para el presente y el futuro de
Colombia". Bogotá: Ministerio de Minas y Energía, 2021.
desempeña en GSV INGENIERIA como ingeniero de servicio,
[3] J. A. Hernandez, C. A. Arredondo, and D. J. Rodriguez, “Analysis of trabajando también en proyectos de energías renovables
the law for the integration of non-conventional renewable energy biomasa y solar fotovoltaica. Sus intereses incluyen máquinas
sources (law 1715 of 2014) and its complementary decrees in eléctricas y alta tensión.
Colombia,” in 2019 IEEE 46th Photovoltaic Specialists Conference
ORCID: https://orcid.org/0000-0001-6696-2403.
(PVSC), Jun. 2019, pp. 1695–1700, doi:
10.1109/PVSC40753.2019.8981233.
[4] A. Carrasquilla Borrero, “Proyecto de Ley. Por la cual se expide el César Augusto Araque Giraldo. Obtuvo el título de Ingeniero
Plan Nacional de Desarrollo 2018 – 2022 “Pacto por Colombia, Pacto Electricista de la Universidad de Antioquia en 2022.
por la Equidad",” p. 300, 2018.
Actualmente trabaja en Ingema S.A, Medellín, Colombia, en el
[5] I. Renewable Energy Agency and U. States Agency for International
Development, Renewable energy auctions in Colombia: Context, desarrollo de proyectos de infraestructura eléctrica y diseño de
design and results. 2021. subestaciones eléctricas en media y alta tensión. Sus principales
[6] Ministerio de Minas y Energía, Resolución Número 4-0590. intereses de investigación son los sistemas eléctricos de
Colombia: 2019.
[7] A. Harrouz, D. Belatrache, K. Boulal, I. Colak, and K. Kayisli,
potencia, las energías renovables y el diseño de subestaciones
“Social Acceptance of Renewable Energy dedicated to Electric primarias.
Production,” in 2020 9th International Conference on Renewable ORCID: https://orcid.org/0000-0002-6238-0163.
Energy Research and Application (ICRERA), Sep. 2020, pp. 283–
288, doi: 10.1109/ICRERA49962.2020.9242904.
Fabián Alberto Mendoza Villalba. Obtuvo el título de
[8] R. Toma and M. Gavrilas, “The impact on voltage stability of the
integration of renewable energy sources into the electricity grids,” in Ingeniero Electricista de la Universidad de Antioquia en 2022.
2014 International Conference and Exposition on Electrical and Actualmente trabaja en Ingelectrica, Sopetran, Colombia, en el
Power Engineering (EPE), Oct. 2014, pp. 1051–1054, doi: diseño y construcción de redes de distribución eléctrica. Sus
10.1109/ICEPE.2014.6970069.
principales intereses de investigación son las energías
[9] Y. Zhang, Q. Zhou, L. Zhao, Y. Ma, Q. Lv, and P. Gao, “Dynamic
Reactive Power Configuration of High Penetration Renewable renovables, el mercado energético, las subestaciones y los
Energy Grid Based on Transient Stability Probability Assessment,” sistemas de potencia.
in 2020 IEEE 4th Conference on Energy Internet and Energy System ORCID: https://orcid.org/0000-0001-5259-2368.
Integration (EI2), Oct. 2020, pp. 3801–3805, doi:
10.1109/EI250167.2020.9346594.
[10] J. Kreiss, K. M. Ehrhart, and M. C. Haufe, “Appropriate design of Carlos Eduardo Salazar Vanegas. Obtuvo su título de
auctions for renewable energy support – Prequalifications and pregrado en la Universidad de Antioquia en 2022. Actualmente
penalties,” Energy Policy, vol. 101, pp. 512–520, Feb. 2017, doi: trabaja en GSV Ingeniería, Itagüí, Colombia, en energías
10.1016/j.enpol.2016.11.007.
[11] L. Barroso, Y. Haffejee, T. Laabi, N. Saimi, and R. Mitma Ramirez,
renovables y estudios eléctricos. Sus principales intereses de
“Renewable Energy Auctions in Developing Countries,” Irena, pp. investigación son los sistemas eléctricos de potencia,
1–52, 2013, [Online]. Available: www.irena.org/Publications. protecciones y energías renovables.
[12] G. E. Azuela, L. Barroso, A. Khanna, X. Wang, Y. Wu, and G. ORCID: https://orcid.org/0000-0002-1578-3250.
Cunha, “Performance of Renewable Energy Auctions,” Policy Res.
Work. Pap., no. October, 2014.
[13] D. Toke, “Renewable energy auctions and tenders: How good are Oscar Mauricio Carreño Rincón. Ingeniero Electricista de la
they?,” Int. J. Sustain. Energy Plan. Manag., vol. 8, pp. 43–56, 2015, Universidad de Antioquia (1997), Magíster en Ingeniería
doi: 10.5278/ijsepm.2015.8.5. Industrial de la Universidad de los Andes (2007) sub-área
[14] M. N. Faqiry and S. Das, “Double-Sided Energy Auction in
Microgrid: Equilibrium under Price Anticipation,” IEEE Access, vol.
Optimización y Estadística. Se ha desempeñado como
4, pp. 3794–3805, 2016, doi: 10.1109/ACCESS.2016.2591912. ingeniero de Despacho Económico y de Planeación Energética
[15] X. Zou, “Double-sided auction mechanism design in electricity based en XM S.A. E.S.P (ISO Colombia) desde 1999 hasta 2013.
on maximizing social welfare,” Energy Policy, vol. 37, no. 11, pp. Durante este tiempo ha liderado los desarrollos más importantes
4231–4239, Nov. 2009, doi: 10.1016/j.enpol.2009.05.019.
[16] J. Kiser, “Developing Optimization Techniques for Logistical
de Optimización como, DRP (Day ahead) y el proyecto DHT
Tendering Using Reverse Combinatorial Auctions”, East Tenessee (Despacho Hidrotérmico). En 2013 fundó la empresa
State University, USA, 2018. RightSide S.A.S. (www.rightside.app) de la que actualmente es
[17] “Formulación Matemática Del Modelo De Subasta De Renovables su CEO.
En Colombia - Versión 4.2.” Ministerio de Minas y Energía, UPME,
Rightside S.A.S, Bogotá, pp. 1–4, 2019. ORCID: https://orcid.org/0000-0003-1581-9476
[18] W. E. Hart et al., Pyomo — Optimization Modeling in Python, vol.
Scientia et Technica Año XXVII, Vol. 27, No. 02, abril-junio de 2022. Universidad Tecnológica de Pereira 88

Jesús María López-Lezama. Obtuvo su licenciatura y

maestría en la Universidad Nacional de Colombia en 2001 y
2006, respectivamente. También obtuvo su doctorado en la
Universidade Estadual Paulista (UNESP), SP, Brasil en 2011.
Actualmente es profesor asociado en la Universidad de
Antioquia, Medellín, Colombia. Sus principales intereses de
investigación son la planificación y operación de sistemas
eléctricos de potencia y la generación distribuida.
ORCID: https://orcid.org/0000-0002-2369-6173