IEEE Transactions on Power Systems, VOL. 17, NO.

4, Noviembre 2002 1265

Auto-Programación de un productor Hydro en un

mercado de la electricidad basada en piscina
Antonio J. Conejo, Senior Member, IEEE, José Manuel Arroyo, miembro de la IEEE, Javier Contreras,
miembro de la IEEE, y Francisco Apolinar Villamor
Resumen-En este trabajo se aborda la auto-programación de una empresa de generación hidroeléctrica en un mercado de la
electricidad basada en la piscina. Esta empresa cuenta con varias plantas en cascada a lo largo de una cuenca hidrográfica. El objetivo
es maximizar el beneficio de la empresa de venta de energía en el mercado diario. Este documento propone un modelo de programación
lineal 0/1 enteros mixto para tener en cuenta, en cada planta, para la no lineal y la relación nonconcave tridimensional (3-D) entre la
potencia producida, el agua descargada, y la cabeza del depósito asociado . Además, se consideran los costos de puesta en marcha
debido principalmente al desgaste. Por último, los diferentes casos de estudio realista se analizan en detalle.

Índice de Términos-hidroeléctrica productores, entera mixta LP, piscina- mercado de la electricidad basada.norteOMENCLATURE
La notación utilizada en todo el documento se indica de la siguiente manera: Constantes:
.
Manuscrito recibieron 20 diciembre de 2001; revisado el 21 de mayo de 2002. Este trabajo fue apoyado por el Ministerio de Ciencia y Tecnología de España
y de la Unión Eu- ropea en los proyectos CICYT DPI2000-0654 y UE IST-1999-12088.
Los autores pertenecen al ETSI Industriales, Universidad de Castilla-La Mancha, Ciudad Real, España (e-mail: Antonio.Conejo@uclm.es ; Jose-
Manuel.Arroyo@uclm.es ; Javier.Contreras@uclm.es ; FcoApolinar.Vil- lamor@uclm.es ).
Identificador de Objetos Digitales 10.1109 / TPWRS.2002.804951
Factor de conversión igual a 3,6
La capacidad de la planta
para la salida de potencia mínima de la planta
curva de rendimiento de 1 (más bajo intervalo de contenido de agua) [MW].
para la salida de potencia mínima de la planta
curva de rendimiento de 2 (intervalo intermedio de contenido de agua) [MW].
para la salida de potencia mínima de la planta
curva de rendimiento de 3 (mayor intervalo de contenido de agua) [MW].
valor futuro del agua almacenada en el depósito AS sociated con la planta
al final del horizonte temporal del mercado
costos de puesta en marcha de la planta
Número de periodos del horizonte de tiempo del mercado.
descarga de agua mínima de planta
de descarga máxima del agua de la planta
de descarga máxima del agua de bloque
Previsión de entrada de agua natural del depósito asociado a la planta
contenido de agua inicial del depósito asociado a la planta
metro
s
hm
.
hm
.
[MW].
en período
PS
10
hm
metro
metro
hm
.
0885-8950 / 02 $ 17.00 © 2002 IEEE
h
.
s
s
de la planta
s
.
.
metro
h
.
[H]. Variables:
. conjuntos:
Contenido mínimo del depósito asociado a la planta
Contenido máximo del depósito asociado a la planta
Bajo nivel del contenido del depósito asociado con la planta
utilizado en la discretización de las curvas de Mance perfor-
nivel superior del contenido del depósito asociado a la planta
, Utilizado en la discretización de las curvas de Mance perfor-
precio previsto de la energía en el periodo
de Slope del bloque
la curva de rendimiento de la planta 1
de Slope del bloque
la curva de rendimiento de la planta 2
de Slope del bloque
la curva de rendimiento 3 de la planta
y tiempo de retardo entre el depósito de la planta
voir reservorios de planta
0/1 variable utilizada para la discretización de las curvas Mance perfor-.
0/1 variable utilizada para la discretización de las curvas Mance perfor-.
La potencia de salida de la planta
en el derrame del depósito asociado al período de planta
Descarga de agua de la planta
Descarga de agua de bloque
es 0/1 variable que es igual a 1 si la planta
en línea en período
0/1 variable que es igual a 1 si el agua descargada por planta
Contenido de agua del depósito asociado a la planta
en período
es 0/1 variable que es igual a 1 si la planta
ponían en marcha al comienzo del período
es 0/1 variable que es igual a 1 si la unidad
shut-down en el inicio del periodo
Conjunto de índices de las plantas pertenecientes a la empresa hidroeléctrica.
Conjunto de índices de los periodos del horizonte de tiempo del mercado.
Conjunto de índices de los bloques de la earization a trozos Lin- de la curva de rendimiento de la unidad.
Conjunto de los embalses aguas arriba de la planta
hm
metro
s
.
hm
MW / m
MW / m
MW / m
.
metro
tiene bloque superado
.
hm
.
s
hm
hm
.
s
s
s
.
.
.
.
.
,
en período
en período
.
de la planta
en período
[MW].
[$ / MWh].
metro
en período
.
s
.
1266 IEEE TRANSACCIONES EN SISTEMAS DE POTENCIA, vol. 17, NO. 4, Noviembre 2002
Fig. 1. Diagrama de Hill.

I.INTRODUCCIÓN T
Su artículo considera un mercado diario de electricidad para en- ergy basado en una piscina. En este marco, las empresas
generadoras (GENCOs) y empresas de servicios de consumo de energía o presentan ofertas por la compra y venta de
energía eléctrica para el próximo 24 h. Los agentes independientes, a saber, el operador del mercado (PX), se encarga de la
limpieza del mercado, la determinación de la compra de admitidos y excluidos y venta de ofertas. El procedimiento de
compensación de mercado también ofrece el precio de equilibrio del mercado para cada periodo. Estos mercados de
electricidad basados en una piscina se distribuyen en todo el mundo (España [1], de Nueva Inglaterra [2], Escandinavia
[3]).
En este nuevo entorno, GENCOs se enfrentan a nuevos problemas desafiantes con el objetivo último de maximizar sus
beneficios. Uno de los problemas consiste en determinar, en el corto plazo, la óptima auto-programación de las unidades
pertenecientes a la GENCO por lo que el beneficio de la venta de la energía se maximiza sin tener en cuenta el equilibrio de
poder en el sistema. Este problema se conoce como auto-programación, y es el problema que se aborda en este documento.
Otro problema relevante es cómo traducir esta información en una estrategia de oferta para asegurar que en el mercado del
día anterior, el GENCO logra el máximo beneficio. el desarrollo de la estrategia de oferta está fuera del alcance de este
documento.
Recientemente, varias contribuciones se ocupan del problema de la auto-programación han estado disponibles en la literatura
técnica [4], [5]. En [4], este problema se resuelve para un GENCO tomador de precios que comprende una unidad térmica.
El mismo problema se resuelve en [5] para una GENCO oligopolística poseer varias unidades térmicas.
Este documento aborda el problema de auto-programación para un hidro GENCO (H-GENCO) poseer varias plantas en
cascada a lo largo de una cuenca [6]. Las características específicas de las centrales hidroeléctricas incluyen i) de
acoplamiento espacial-temporal entre depósitos y ii) para cada planta, la dependencia no lineal entre la potencia de salida,
descargada el agua, y la cabeza del depósito asociado se contabilizan precisamente para a través de un 0/1 mixto -integer
formulación lineal. Además, los costos de puesta en marcha también se consideran en este trabajo.
Con el fin de resolver el problema de la auto-programación, es esen- cial para utilizar modelos precisos. Estos modelos
deben incluir la generación característica hidro que describe la relación BE- tween la cabeza del depósito asociado, el agua
descargada, y la potencia generada. Esta es una relación no lineal y nonconcave 3-D: el llamado diagrama de la colina [7].
Esta relación se puede representar como una familia de no lineal y nonconcave
Fig. 2. aproximación tradicional de la curva de rendimiento de la unidad.
curvas, que también se conocen como curvas de rendimiento de la unidad, cada uno para un valor especificado de la
cabeza (ver Fig. 1).
En la mayoría de métodos de optimización, el efecto de la variación de la cabeza se ha descuidado para evitar no linealidades,
que Al- mínimos utilizando una sola curva de rendimiento de la unidad. Además, esta sola curva se ha aproximado a través
de una aproximación lineal por tramos cóncava (ver Fig. 2) [8], [9] o por mod- eling sólo los puntos de eficiencia mejor
locales llamados (ver Fig. 2) [10 ], [11]. Todas estas simplificaciones pueden conducir a imprecisiones. Por el contrario, se
trata de nonconcavities en un marco timization OP no lineal es difícil y puede dar lugar a múltiples óptimos locales y para
los procedimientos de solución poco fiables.
Por otro lado, es importante tener en cuenta los costos de puesta en marcha de las unidades hidroeléctricas [12]. Los costes
de puesta en marcha se deben a: i) la pérdida de agua durante el mantenimiento; ii) el desgaste de los devanados; iii) el
desgaste del equipo mecánico; iv) el mal funcionamiento del equipo de control;
v) la pérdida de agua durante la puesta en marcha. De las causas anteriores, los principales son ii) y iv). Como resultado,
un coste de puesta en marcha por unidad megavatios de salida nominal que depende del tipo de unidad [12] se puede
derivar.
El H-GENCO analizado en este documento se considera que es un tomador de precios. En otras palabras, no tiene poder de
mercado, es decir, su horario no altera los precios de equilibrio del mercado por hora. Por lo tanto, los precios se supone
conocida. Varios cedimientos previsión pro- están disponibles para predecir los hora precios de equilibrio del mercado del
día anterior, como los modelos regresivos de automóviles [3], [13], la programación lineal [14], o redes neuronales [15]. Si
el H-Genco es un precio-fabricante, una nueva fuente de complejidad surge: Es nece- Essary para modelar cómo los cambios
en el mercado precio de equilibrio con la producción total H-Genco. Por cada hora, la función de modelado de esta variación
es la llamada curva de precios de la cuota de la H-GENCO [5]. Estas curvas tienen que ser estimados e in- corporado en la
formulación del problema de auto-programación de la H-Genco.
El problema de auto-programación para un H-GENCO puede formu- lated como nonconcave no lineal 0/1 enteros mixto y
problema moderado escala.
Las principales contribuciones de este documento son los siguientes: 1) una discretización de la tabla de la colina en un
conjunto de curvas nonconcave dependiendo del contenido del depósito de modo que el tra- dicionalmente descuidado
efecto de la cabeza se modela;
CONEJO et al .: AUTO-PROGRAMACIÓN de un productor HYDRO 1267
2) una aproximación lineal por tramos precisa de cada curva de rendimiento de la unidad cueva noncon- que supera las
inexactitudes de aproximaciones anteriores (véase la figura 3).; 3) el modelado de los costos de puesta en marcha para
evitar la innecesaria
empresas de nueva creación. Este documento proporciona un modelo lineal 0/1 enteros mixto que permite una
representación precisa de la variación de las curvas de Formance per- con la cabeza del depósito. El número de curvas de
rendimiento necesarios para representar con precisión la variación de la cabeza es generalmente pequeño (por debajo de
5), y por lo tanto, la carga computacional ciados aso- es moderada (minutos en un PC). Además, este documento también
se proporciona un modelo lineal 0/1 enteros mixto para representar los nonconcavities de cada curva de rendimiento, que
puede hacerse tan exacto como sea necesario mientras se mantiene la baja carga de cálculo. Por último, los costes de
puesta en marcha también se modelan mediante variables binarias.
Las contribuciones anteriores están incluidos en el modelo, lo que resulta en un problema de programación lineal 0/1 enteros
mixto que puede ser resuelto de manera eficiente por rama y cortar solucionadores disponibles [16].
El problema de auto-programación abordado en este trabajo es similar a cualquiera de los subproblemas hidroeléctricas de
un problema de coordinación hidrotérmica a corto plazo resuelto por la relajación de Lagrange. En este marco, el problema
máximo beneficio enfrenta el productor hidro se ha resuelto tradicionalmente usando programación de la red [17] o una
combinación de programación de la red y DY- programación NAMIC [6], sin tener en cuenta las tres mejoras explicadas
anteriormente.
El enfoque propuesto permite i) la determinación de la auto-programación de la H-GENCO en el mercado del día anterior y
ii) la solución eficiente y precisa de los subproblemas que resultan de hacer frente a un (centralizado) a corto plazo
coordinación hidro-térmica problema mediante la relajación de Lagrange.
La motivación última de este trabajo es proporcionar a la H-GENCO con una herramienta de auto-programación a corto
plazo para lograr el máximo beneficio de la venta de energía en el mercado diario, mientras que teniendo en cuenta todas
sus limitaciones operativas.
El restante de este documento está organizado como sigue. En sec- ción II, el problema se formula en detalle. Esta sección
presenta una discretización de la tabla de la colina. Además, esta sección in- cluye un modelado preciso de la linealización
por tramos de la nonconcave y la relación no lineal para cada planta entre el agua descargada y la salida de potencia. En la
sección III, los resultados de estudios de casos reales se proporcionan y discutidos. Finalmente, algunas conclusiones
relevantes se dibujan en la Sección IV.
II. Formulación
La formulación del problema de auto-programación de un H-GENCO se presenta en las Secciones II-A-C. Este problema
se formula como un problema de programación lineal 0/1 enteros mixto.
A. Función objetivo
El objetivo de cualquier participante en un mercado de la electricidad es maxi- imize su propio beneficio, que se calcula
como la diferencia ser- interpolar los ingresos y los costes operativos totales. Los gastos de funcionamiento comprenden los
costos de producción y gastos de puesta en marcha. En el caso de una empresa hidroeléctrica, los costos de producción son
insignificantes. Como se informa en [10] y [12], los costes de puesta en marcha tienen un impacto real
Fig. 3. linealización por tramos Nonconcave.
en la programación a corto plazo de generación hidroeléctrica. Los costos iniciales son causados principalmente por el
aumento del mantenimiento de bobinados y equipos mecánicos y por el mal funcionamiento del equipo de control. Por lo
tanto, la función objetivo a maximizar se puede expresar como
(1)
En (1), el primer término está relacionado con los ingresos de cada planta BE- anhelo de la H-GENCO, mientras que el
segundo término representa los costes de puesta en marcha, que se definen como una constante que depende del tipo de la
planta [ 10], [12]. Por último, un término extra se ha añadido a modelar de una manera sencilla el valor futuro del agua
almacenada en los embalses.
Restricciones B. Hydro
Las siguientes expresiones representan el conjunto de restricciones relacionadas con cada planta hidroeléctrica en el
horizonte temporal del mercado. En este trabajo, la familia de curvas que representan, para cada planta, la relación entre la
cabeza de depósito, el agua descargada, y la salida de potencia se ha simplificado a un número especificado de antemano de
curvas, cada una para un intervalo de la cabeza. La generalización a cualquier número de curvas es sencillo. En aras de la
simplicidad, tres curvas se consideran en este documento, correspondiente a un bajo, medio, y alto nivel del contenido del
depósito. A través del uso de variables binarias, el modelo da cuenta de estas tres curvas.
Por otra parte, con el fin de considerar las nonconcavities y no linealidades de estas curvas de rendimiento de la unidad [7],
[10], una formulación lineal entera mixta precisa se ha desarrollado.
Por último, el balance hídrico y el estado lógico del compromiso se hace cumplir a través de restricciones adicionales.
1) La simplificación de la unidad tridimensional Curvas Mance Perfor-: Para cada planta, el conjunto de curvas que
representan la relación entre la cabeza, la salida de potencia, y la descarga de agua se reduce a tres curvas, de acuerdo
con dos niveles de la almacenada agua en el depósito. La Fig. 4 representa un ejemplo ilustrativo de esta simplificación.
Cabe señalar que esta cifra representa una simplificación de la tabla de Hill (ver Fig. 1), donde cada curva de
rendimiento de la unidad se ha aproximado por una linealización por tramos nonconcave (ver Fig. 3). Si el contenido del
depósito está por debajo
está entre
y
(De bajo nivel), a continuación, se utiliza la curva 1. Si
, Es decir, nivel intermedio, a continuación, la curva 2 es
en período
,
1268 IEEE TRANSACCIONES EN SISTEMAS DE POTENCIA, vol. 17, NO. 4, Noviembre 2002
Fig. 4. curvas de rendimiento unidad tridimensionales para planta yo.
usado. Por último, si el agua almacenada en el periodo
(Nivel alto), entonces se usa la curva 3. La generalización a cualquier número de curvas es sencillo.
Esta discretización se modela por medio de una formulación lineal 0-1 enteros mixto, que se presenta como
son las variables binarias utilizadas para elegir la curva a la derecha de acuerdo con el nivel de contenido. Si
son ambos iguales a 0, las limitaciones (2) y (3) la fuerza
para estar en el intervalo inferior de modo que se utiliza la curva 1. Si
es igual a 0, las limitaciones (2) y (3) la fuerza
para estar en el intervalo intermedio, lo que implica que la relación entre la cabeza, el flujo y la potencia de salida está
representada por la curva 2. Finalmente, si
para estar en el nivel más alto de modo que se utiliza la curva 3. La formulación de cada curva de rendimiento de la unidad
se presenta en la Sección II-B2.
Cabe señalar que las restricciones (4) evitar la combinación 0-1 para las variables
. También hay que señalar que un mayor número de niveles puede ser modelado a través del uso de variables binarias
adicionales de una manera directa.
Finalmente, el conjunto de restricciones (5) establece el límite inferior del contenido de depósito en cada período.
2) lineal a trozos Formulación de las curvas de rendimiento de la unidad: curvas de rendimiento de la unidad son cueva no
lineal y noncon- [7], [10]. En este documento, estas curvas se han modelado a través de una formulación lineal a trozos.
Nonconcavities también han sido modelados mediante el uso de variables binarias. La Fig. 5 muestra una de tres piezas
curva de rendimiento de la unidad nonconcave lineal para un bajo nivel de contenido. La Fig. 5 es similar a la Fig. 3 pero
simplificarse para ilustrar la linealización nonconcave. Tenga en cuenta que al contrario que en [10] y [11], la operación
de la planta no se limita a los mejores puntos de eficiencia locales. En otras palabras, toda la curva de rendimiento de la
unidad cueva noncon- se modela con precisión mediante el uso de variables binarias.
(5) En la formulación anterior,
son ambos iguales a 1, las limitaciones (2) y (3) la fuerza
y
es igual a 1 y
y
y
está arriba
y
(2)
(3)
(4)
Fig. 5. Piecewise nonconcave lineal curva de rendimiento de la unidad.
La formulación de las curvas de rendimiento de la unidad nonconcave es como sigue:
(16) Restricciones (6) y (7) representan curva 1, es decir, la curva de rendimiento de la unidad para el nivel inferior (ver
Fig. 4). Para esto
(10)
(11)
(12)
(13)
(14)
(15)
(6)
(7)
(8)
(9)
CONEJO et al .: AUTO-PROGRAMACIÓN de un productor HYDRO 1269
curva,
son ambos iguales a 0, como impuesto por las restricciones (2) - (4). Por lo tanto, ambas restricciones fuerzan la salida de
potencia para que sea igual a la potencia de salida mínimo más los bloques de la curva lineal a trozos de nivel inferior. Cabe
señalar que si
no son ambos iguales a 0, las limitaciones de (6) y (7) se desactivan a través de la inclusión de la capacidad
. En una forma análoga, las parejas de restricciones (8) y (9), así como (10) y (11), las curvas modelo 2 y 3,
respectivamente (ver Fig. 4), a través de los valores apropiados de
se indica en la Sección II-B1.
Restricciones (12) afirman que la descarga de agua de la planta
en período
es la suma del agua descargada en cada bloque, más la descarga de agua mínimo. Restricciones (13) - (16) establecen los
límites del agua descargada en cada bloque. Esta descarga debe ser mayor que 0 y menor que el tamaño de cada bloque.
Esto se garantiza a través de una variable binaria
, Que es igual a 1 si la descarga de agua de la planta
.
3) Balance de Agua: La ecuación de continuidad de los depósitos hidroeléctricos se formula como
(17)
dónde
. en unidades de agua almacenados
Para la unidad de la consistencia, cabe señalar que se consideran períodos de tiempo de 1 h.
4) Estado Lógico de Compromiso: Los siguientes straints con-
(18)
son necesarios para modelar la puesta en marcha y parada de la situación de las plantas [18]
Aunque las variables
puede parecer superflua, ya que sólo aparecen en (18), extensas simulaciones numéricas han demostrado su capacidad para
reducir considerablemente el tiempo de cálculo.
C. Tipos de Variables
Las variables utilizadas en la formulación son
es un factor para convertir las unidades de descarga de agua
y
hm
y
en período
tiene bloque superado
y
metro
(19)
(20)
(21)
(22)
(23)
s
Fig. 6. topología hidráulico de la cuenca del río.
Variables
puede se definen como binario en (19) y (20). Variables ser definidos como variables reales que pertenecen al intervalo
, Como se indica en (21). Finalmente, las limitaciones (22) y del estado (23) que la salida de potencia, el derrame, la descarga,
el contenido del depósito, y el agua descargada en cada bloque en cada período son todas las variables positivas.
III. CPlaza bursátil norteamericana STUDY
Los resultados de un estudio de caso real se presentan en esta sección. El H-GENCO analizó posee ocho plantas en cascada
a lo largo de una cuenca. La Tabla I muestra los datos de estas plantas. El acoplamiento espacial entre los reservorios se
representa en la Fig. 6. En aras de la simplicidad, se han considerado los retrasos de 1 hora entre cualesquiera depósitos
conectados. Además, las entradas de agua pronosticadas son constantes sidered con- durante todo el horizonte de tiempo del
mercado, el cual es de un día dividida en 24 periodos horarios. Este estudio de caso Siders confirma que el contenido final
de agua de cada depósito es idéntica a su valor inicial. contenido del depósito inicial y final se pueden obtener por un
procedimiento de planificación a medio plazo. Por consiguiente, las constantes
que representa el valor futuro de agua almacenada son todos iguales a 0.
La Tabla II muestra el valor de las pendientes de las curvas de rendimiento de cada planta para el bajo intervalo de sus
contenido del depósito correspondientes
. Una aproximación lineal por tramos con cuatro bloques se ha implementado. Las curvas de rendimiento para los contenidos
de agua intermedias y altas se ob- CONTENIDAS mediante la adición de 0,05 y 0,1, respectivamente, para cada pendiente
en
,
TABLA IHydro reATA
,
,
y
1270 IEEE TRANSACCIONES EN SISTEMAS DE POTENCIA, vol. 17, NO. 4, Noviembre 2002
TABLA II PIECEWISE LEN EL OIDO UNAPPROXIMATION DE LA PAGSENDIMIENTO CURVES
Tabla II. Para cada planta, los bloques de la aproximación son de igual tamaño, como se muestra en la última columna de
la tabla.
Finalmente, la Tabla III muestra la salida de potencia correspon- diente mínima para cada curva de rendimiento, así como
la capacidad de cada planta.
La solución óptima se logra en 22 min de tiempo de CPU, y el valor óptimo de la función objetivo es $ 558 587.1. El modelo
desarrollado se ha implementado en un SGI R12000, procesador con 500 MB de RAM usando CPLEX 7.0 400-MHz-basa
bajo GAMS [16].
La Fig. 7 muestra el computarizada programación de generación de 24 horas. También se muestra el perfil de precios de la
energía considerada correspondiente al mercado de la electricidad en España peninsular el 3 de marzo de 2001 [19]. Cabe
señalar que la producción hidroeléctrica sigue la forma del perfil de precios. En aras de la claridad, el programa de
producción de las unidades 1 a 5 también se representa gráficamente en la Fig. 8.
Para ilustrar los resultados obtenidos, se selecciona la planta 5. La mayoría de las otras plantas se comportan de una manera
similar (véanse las Fig. 7 y 8). Higos. 9-12 muestran la evolución del contenido de agua, la ganancia, la descarga de agua, y
la potencia de la planta 5 en el lapso de tiempo, respectivamente.
A partir de figuras. 9-12, hay que señalar que la planta es operada principalmente en las horas con los precios más altos.
Como se puede ver en la Fig. 9, las tiendas de depósito asociado agua en los periodos 1-9 anteriores las horas con los precios
más altos. Tenga en cuenta que el contenido de agua es superior al 20 Hm
en períodos de 8-15 con el fin de utilizar la curva de rendimiento de alto nivel (véase la Tabla I), produciendo de este modo
grandes beneficios. Por otro lado, cabe destacar que en horas 19-22, que también corresponden a los altos precios, el
contenido de agua disminuye por debajo de 20 Hm
TABLA III PODER Output LIMITS
(Nivel medio) en
Fig. 7. Energía perfil precio y calendario de producción.
Fig. Horario 8. Producción de plantas 1 a 5.
Para lograr el objetivo a medio plazo de 13 Hm
en el último período del lapso de tiempo. También hay que señalar que sólo en horas 20 y 21, la producción corresponde al
último bloque de la linealización de la curva de rendimiento, que es el más ineficiente, con una pendiente de 0,2 MW / m
 s. Esto es debido a la necesidad de descargar el agua para alcanzar el contenido de agua final deseado. El mismo caso de
prueba se ha ejecutado sin tener en cuenta los costes de puesta en marcha. La solución óptima se logra en 7 min de tiempo
de CPU, y el valor óptimo de la función objetivo es $ 567.156,3, es decir, un aumento del 1,53% en la ganancia total con
respecto al caso original. Aparte de esta diferencia en el resultado, el calendario de las plantas también se ve afectada por
la omisión de los costos de puesta en marcha. Por ejemplo, la planta 1 se liberará en horas 5, y la planta 5 se liberará en
hora 15, 16, y 23.
Por último, este caso de prueba también se ha ejecutado, incluyendo dos simplificaciones que ponen de relieve cómo las dos
contribuciones modeladas en este documento (discretización de la tabla de la colina y el modelado de las curvas de
rendimiento nonconcave) influyen en la carga computacional y el valor de la función objetivo. La primera simplificación
consiste en considerar sólo una curva de eficiencia nonconcave para cada planta. Esta simplificación se ha llevado a cabo
por con- Sidering una curva de nivel inferior, una curva de nivel medio, y una curva de nivel más alto para cada planta en
cada caso. La solución óptima se consiguió para los tres casos en 2 s de tiempo de CPU. Los valores óptimos de la función
objetivo eran 531 $ 254,4, 943,5 $ 574 y $ 619109,1. En otras palabras, el efecto de no tener en cuenta la dependencia no
lineal entre la potencia de salida, el agua descargada,
5.1
, 2,9%,
CONEJO et al .: AUTO-PROGRAMACIÓN de un productor HYDRO 1271

Fig. 9. contenido de agua de depósito asociado con la planta 5. Fig. 12 de salida de energía por hora de la
planta 5.

y 10,8%, respectivamente. Además, la programación de las

plantas 3, 4, y 5 experimentos cambios con respecto a la caja de
origen, sobre todo en horas 1-7 y 15-18, cuando los precios de la
energía son bajos. La segunda simplificación considera una
discretización de la tabla de la colina en tres curvas cóncavas de
rendimiento para cuantificar el efecto de modelado de varias
Fig. 10. ganancia por hora de la curvas de rendimiento cóncavas. La solución timal op- era $ 642
planta 5. 452.7 y se alcanzó en 4 min de tiempo de CPU. A partir de estos
resultados, se puede concluir que la discretización ción de la tabla
de la colina para modelar las variaciones en la cabeza ocupa la
mayor parte del tiempo de cálculo.

IV.
CCONCLUSIONES

En este trabajo se considera un mercado de

electricidad basada en la piscina para obtener energía. En este
marco, se proporciona una herramienta que permite a un hidro
la generación de la empresa para determinar de manera óptima el
corto plazo auto-programación de sus centrales hidroeléctricas en
Fig. Descarga 11. agua por hora de la planta 5. cascada a lo largo de una cuenca hidrográfica. El objetivo es
maximizar el beneficio de la empresa de venta de energía en el
 mercado diario. Este documento propone un modelo de
programación lineal 0/1 enteros mixto para tener en cuenta en cada
planta para la relación no lineal nonconcave 3-D entre la cabeza
del depósito, la salida de potencia, y el agua descargada. Además,
se consideran los costos de puesta en marcha. El modelo ha sido
probado con éxito en estudios de casos reales.
[1] JJ González y P. Basagoiti, “mercado de intercambio de poder español y el
sistema de informa- ción. Los conceptos de diseño y experiencia operativa “, en
Proc. IEEE 21 Int. Conf. Poder Industria Comput. Applicat., Santa Clara, CA,
mayo de 1999, pp. 245-252. [2] KW Cheung, P. Shamsollahi, D. Sun, J.
Milligan, y M. Potishnak, “Energía y de atención de servicios auxiliares para el
mercado eléctrico ISO New England interina,” IEEE Trans. Syst poder., Vol. 15,
pp. 968-974, agosto de 2000. [3] OB Fosso, A. Gjelsvik, A. Haugstad, B. Mo, y
I. Wagensteen, “programación gene- ración en un sistema desregulado. El caso
noruego,”IEEE Trans. Syst poder., Vol. 14, pp. 75-81, febrero de 1999. [4] JM
Arroyo y AJ Conejo, “respuesta óptima de una unidad térmica para un mercado
spot electricidad”, IEEE Trans. Syst poder., Vol. 15, pp. 1098-1104, agosto de
2000. [5] AJ Conejo, J. Contreras, J. M. Arroyo, y S. de la Torre, “res- puesta
óptima de una empresa generadora de oligopolio a un mercado de energía
eléctrica basada piscina- competitivo”, IEEE Trans. Syst poder., Vol. 17, pp.
424-430, mayo de 2002. [6] X. Guan, A. Svoboda, y C.-A. Li, “sistemas de
energía Scheduling hidroeléctricas con zonas de operación restringidas y las
limitaciones de descarga de rampa”, IEEE Trans. Syst poder., Vol. 14, pp. 126-
131, febrero de 1999. [7] RA Ponrajah, J. Witherspoon, y FD Galiana, “Sistemas
para optimizar la eficiencia de conversión en centrales hidroeléctricas de Ontario
Hydro,” IEEE Trans. Syst poder., Vol. 13, pp. 1044-1050, agosto de 1998. [8] H.
Habibollahzadeh y JA Bubenko, “Aplicaciones de técnicas de descomposición a
la planificación de la operación a corto plazo de hidro térmicas siste- mas,” IEEE
1272 IEEE TRANSACCIONES EN SISTEMAS DE POTENCIA, vol. 17, NO. 4, Noviembre 2002
Trans. Syst poder., Vol. PWRS-1, pp. 41-47, febrero de 1986. [9] GW Chang, M.
Aganagic, JG Waight, J. Medina, T. Burton, S. Reeves, y M. Christoforidis, “Las
experiencias con los enfoques basados en la programación lineal entera mixta
sobre la programación de hidro corto plazo”, IEEE Trans. Syst poder., Vol. 16,
pp. 743-749, Nov. 2001. [10] O. Nilsson y D. Sjelvgren, “división variable
aplicada a la modelización de los costes de puesta en marcha en la programación
de generación hidroeléctrica corto plazo”, IEEE Trans. Syst poder., Vol. 12, pp.
770-775, mayo de 1997. [11] O. Nilsson, L. Söder, y D. Sjelvgren, “modelado
entero de hacer girar los requisitos de reserva en la programación a corto plazo de
los sistemas hidráulicos,” IEEE Trans. Syst poder., Vol. 13, págs. 959-964,
agosto de 1998. [12] O. Nilsson y D. Sjelvgren, “unidad Hydro costos iniciales y
su impacto en las estrategias deR EFERENCIA
planificación a corto plazo de los productores de
energía suecos,” IEEE Trans. Syst S poder., Vol. 12, pp. 38-44, febrero de 1997.
[13] FJ Nogales, J. Contreras, AJ Conejo, y R. Espínola, “Forecasting precios de
la electricidad al día siguiente por modelos de series de tiempo”, IEEE Trans.
Syst poder., Vol. 17, pp. 342-348, mayo de 2002. [14] A. Angelus, “pronóstico
de precios de la electricidad en mercados desregulados,” Elec-
tricidad J., pp. 32-41, abril 2001. [15] BR szkuta, LA Sanabria, y TS
Dillon, “pronóstico de precios de electricidad a corto plazo utilizando redes
neuronales artificiales,” IEEE Trans. Syst poder., Vol. 14, pp. 851-857, agosto
de 1999. [16] A. Brooke, D. Kendrick, A. Meeraus, y R. Raman, GAMS / CPLEX
7.0
Notas para el usuario. Washington, DC: GAMS Development Corp.,
2000. [17] H. Brannlund, JA Bubenko, D. Sjelvgren, y N. Andersson, “óptima
planificación de la operación a corto plazo de un sistema de energía hidrotermal
grande basado en un concepto de flujo de red no lineal, ”IEEE Trans.
Aplicación de potencia. Syst., Vol. PWRS-1, pp. 1154-1161, Sept./Oct. 1986. [18]
TS Dillon, Edwin KW, HD Koch, y RJ Ty, “Entero pro- gramación aproximación
al problema del compromiso óptimo unidad de reserva con determinación
probabilística”, IEEE Trans. Aplicación de potencia. Syst., Vol. PAS-97, pp.
2154-2166, Nov./Dec. 1978. [19] Gestor del mercado del mercado de la
electricidad de la parte continental de España [En línea].
Www.omel.es
disponibles:

Antonio J. Conejo (S'86-M'91-SM'98) recibió la licenciatura de la Uni-versidad

P. Comillas, Madrid, España, en 1983, la maestría de la Massa- chusetts
Institute of Technology, Cambridge , en 1987, y el Ph.D. grado en el Instituto
Francisco Apolinar Villamor recibió el grado de Ingeniero Técnico Industrial
Real de Tecnología de Estocolmo, Suecia, en 1990, todos en ingeniería eléctrica.
por la Universidad de Castilla-La Mancha, Ciudad Real, España, en 1998. Se
En la actualidad es profesor de ingeniería eléctrica en la Universidad
está llevando a cabo actualmente el título de Ingeniero Industrial de la
de Castilla-La Mancha, Ciudad Real, España. Sus intereses de investigación
Universidad de Castilla-La Mancha.
incluyen el control, operaciones, planificación y economía de los sistemas de energía
Sus intereses de investigación incluyen las operaciones, planificación y
eléctrica, así como la teoría de optimización y sus aplicaciones.
economía de los sistemas de energía eléctrica, así como los mercados eléctricos
desregulados.

José Manuel Arroyo (S'96-M'01) recibió el título de Ingeniero Industrial por la

Universidad de Málaga, Málaga, España, en 1995 y el doctorado Gree de- en
las operaciones del sistema de potencia planificación de la Universidad de
Castilla-La Mancha, Ciudad Real, España, en 2000.
En la actualidad es profesor asistente de ingeniería eléctrica con la
Univer- sidad de Castilla-La Mancha. Sus intereses de investigación incluyen las
operaciones, planificación, y economía de los sistemas de energía eléctrica, así como
la optimización y la computación paralela.
Javier Contreras (M'98) nació en Zaragoza, España, en 1965. Recibió la
licenciatura en ingeniería eléctrica de la Universidad de Zaragoza, la M.Sc.
título de la Universidad del Sur de California, Los Ángeles, y el Ph.D. título de
la Universidad de California, Berkeley, en 1989, 1992, y 1997, respectivamente.
Sus intereses de investigación incluyen la planificación de los sistemas de
energía, operaciones y Economics, y los mercados de electricidad. En la actualidad
es profesor asistente en la Universidad de Castilla-La Mancha, Ciudad Real, España.