VALOR REAL

En la tabla 84 se muestran los valores reales y los estimados para compararlos y de esta forma ver la precisión del método empleado.

Tabla 84 Comparación de los valores estimados y los valores reales de la potencia consumida

Fuente: Elaboración propia, David Plinio Díaz López 2018

2.- El valor medio del TOTAL pagado: 26,557,568.28

3.- La desviación estándar en la muestra es 107,207.26

4.- El intervalo de confianza al 95% es Limite Superior = 26,564,213.06

Limite Inferior = 26,550,923.51

ANALISIS DE RESULTADOS:

1.- Se han tomado 1000 muestras y su distribución se puede aproximar a una normal.

Significa que el 95 % de los resultados posibles el TOTAL pagado se encontrará en este intervalo.

ESTIMADO REAL

POT. COINCIDENTE SEIN POT. COINCIDENTE SEIN

83,315.93 79,989.20 66,544.15 66,080.74 8.41 8.27 2,756.14 2,824.79 7,087.39 7,249.00 18,912.71 20,421.78 5,300.25 5,470.46

POT. COINCIDENTE SEIN POT. COINCIDENTE SEIN

2,080.20 2,151.36

457.88 30.89

186,463.06 184,226.49

SOCABAYA MOLLENDO

PUNTO DE SUMINISTRO REG

PUNTO DE SUMINISTRO LIBR

TOTAL SOCABAYA CHILINA SANTUARIO CALLALLI MOLLENDO REPARTICION MARCONA

179

De los datos observados, se aprecian que las diferencias son ajustadas para el mercado regulado y para el Socabaya del mercado libre. Pero para Mollendo Libre, existe una desviación bastante marcada, esto sucede pues como se mencionó anteriormente uno de los clientes libres cambió de suministrador (Generador) haciendo que el consumo de potencia cambie abruptamente.

La distribución de probabilidad hallada para este punto no logra modelar el comportamiento del consumo de potencia precisamente por este evento no controlado. Se puede afirmar en este caso que para la compra de potencia y energía el modelo de Montecarlo no converge cuando los datos tienen cambios muy marcados introduciendo desviaciones considerables.

De la tabla 85 se deduce que las energías obtenidas del modelo al igual que la potencia, tienen un grado de precisión aceptable, en este punto se tiene que recalcar que la energía mostrada en la tabla es el resultado de 36 entradas aleatorias divididas en horas punta del día 1 al día 3 del mes, en HFP del día 1 al día 3, HP del día 4 a fin de mes y en HFP del día 4 a fin de mes.

Esta forma de cálculo de los costos incurridos se ha explicado en apartados anteriores, teniendo en cuenta que para este caso se tienen siete puntos de suministro para clientes regulados y dos puntos de suministro para clientes libres.

180 Tabla 85 Comparación de los valores estimados y los valores reales de la

energía consumida

Fuente: Elaboración propia, David Plinio Díaz López 2018

4.3.2. VALOR OBTENIDO

En la Fig.99 apreciamos que los datos estimados y los datos reales de la potencia suministrada siguen la misma tendencia con variaciones pequeñas, una vez que se tenga una mayor cantidad de datos para identificar nuevos parámetros en las funciones de distribución, las estimaciones pueden ser más suaves consiguiendo que los errores sean mínimos.

Fig. 99 Comparación entre el modelo MC y el modelo real para el mercado regulado. 1 = Socabaya Regulado, 2 = Chilina, 3 = Santuario,

4 = Callalli, 5= Mollendo Regulado, 6= Repartición y 7 = Marcona

Fuente: Elaboración propia, David Plinio Díaz López 2018

ESTIMADO REAL ENERGÍA (kWh) ENERGÍA (kWh) 34,696,039.26 38,808,012.22 30,165,492.22 34,161,625.78 5,742.90 5,406.25 864,971.49 1,039,308.53 3,767,423.02 3,874,903.61 9,654,086.11 11,083,536.40 3,255,940.33 3,201,488.58 ENERGÍA (kWh) ENERGÍA (kWh) 1,879,944.87 1,775,225.78 21,535.11 19,133.02 84,311,175.32 93,968,640.15 SOCABAYA MOLLENDO TOTAL SOCABAYA

PUNTO DE SUMINISTRO REG

PUNTO DE SUMINISTRO LIBR

CHILINA SANTUARIO CALLALLI MOLLENDO REPARTICION MARCONA

181

Para el Mercado libre existe una desviación muy fuerte, que como ya indicó en apartados anteriores el cambio abrupto de un dato hace que la distribución de probabilidad identificada no converja a un valor más preciso.

Fig. 100 Comparación entre el modelo MC y el modelo real para el mercado libre. 1 = Socabaya Libre, 2 = Mollendo Libre

Fuente: Elaboración propia, David Plinio Díaz López 2018

En la Fig.101 se observa la comparación de los valores de energía total identificados y los valores reales, apreciándose una variación marcada en Socabaya Regulado y ligeras diferencias en el consumo de la energía en los demás puntos de suministro.

Fig. 101 Comparación entre el modelo MC y el modelo real para la energía en el mercado regulado. 1 = Socabaya Regulado, 2 = Chilina, 3 = Santuario, 4 = Callalli, 5= Mollendo Regulado, 6= Repartición y 7 =

Marcona

182

4.4. BENEFICIOS OBTENIDOS

En la tabla 86 se aprecia los resultados del costo total de compra obtenidos del Modelo de Montecarlo.

Tabla 86 Costo total obtenido usando el modelo de simulación de Montecarlo

Fuente: Elaboración propia, David Plinio Díaz López 2018

Una vez establecido el modelo de simulación de Montecarlo los beneficios obtenidos se muestran en la tabla 87, en la que se ve claramente que empleando el método de simulación de Montecarlo la concesionaria puede tener un ahorro en promedio mensual de hasta S/.77,008.77, lo cual indicaría que el método al estimar las potencias consumidas de forma más precisa da información valiosa para poder efectuar la distribución de potencia bilateral de mejor forma, optimizando así todo el proceso de compra de potencia y energía eléctrica.

Ahora si tomamos este valor como un valor promedio esperado estaríamos teniendo ahorros en la compra de aproximadamente S/.924,105.18, mostrándose así la valiosa ayuda que brindaría la aplicación de esta metodología dentro del proceso.

183 Tabla 87 Cuadro de comparación de costos, usando el modelo de simulación de

Montecarlo y el modelo real tradicional empírico

Fuente: Elaboración propia, David Plinio Díaz López 2018

Como comentario final, la simulación de Montecarlo para este caso tendría que ajustarse a medida que nueva data real es almacenada dentro de la base de datos, para actualizar los parámetros identificados en la distribución de probabilidad de cada punto de suministro. A medida que la data aumente y sobretodo que considere los eventos más críticos como son la salida o ingreso de nuevos clientes libres, las estimaciones se acercarán cada vez más al valor real mensual, si bien es cierto esta metodología no puede ser aplicada en remplazo de las mediciones mensuales de consumo, se presta como una alternativa que ayude a predecir los consumos de potencia cuando las mediciones no están disponibles a tiempo.

De la tabla 87 notamos que el valor real para el periodo analizado es mayor a lo que se hubiera pagado, si es que la información de potencias se hubiese tenido a tiempo, por tal motivo la metodología empleada actualmente (empírica) no es precisa y su sustento es subjetivo al criterio del personal encargado, el cual trabaja bajo la incertidumbre del desconocimiento estimado de los valores críticos para la compra.