Metodología para el planeamiento integrado generación y transmisión

AGOSTO DE 2016

CRISTIAN CAMILO VIASÚS FIGUEREDO

ASESOR:

ÁNGELA INÉS CADENA MONROY

Bogotá, Colombia

Metodología para el planeamiento integrado

generación y transmisión.

1

TABLA DE CONTENIDO

OBJETIVOS ... 5

1. Objetivo general ... 5

2. Objetivos específicos... 5

3. Alcance ... 5

PLANTEAMIENTO DEL PROBLEMA ... 6

SOLUCIONES APLICABLES ... 8

4. Modelos de solución ... 8

5. Métodos de solución ... 8

6. Modelo Eléctrico ... 9

7. Variables con incertidumbre y riesgo ... 10

8. Criterios ... 10

METODOLOGÍA ... 12

9. Estimación de los precios de oferta de los generadores ... 13

10. Modelo eléctrico AC ... 13

11. Estimación de los atributos ... 14

11.1 Índice de congestión [HC]:... 14

11.2 Reducción del Índice de congestión por inversión [RHC]: ... 15

11.3 Valor presente de los costos totales [VPCT]: ... 15

RESULTADOS Y ANÁLISIS DE RESULTADOS ... 16

12. Valor del Agua ... 16

13. Cluster ... 16

14. Modelo eléctrico AC ... 18

15. Variables con incertidumbre ... 19

16. Simulación OPF Matpower 5.1 ... 20

17. Identificar la problemática y alternativas de solución: ... 22

17.1 Alternativa 1: Línea de transmisión: ... 23

17.2 Alternativa 2: Generación en GCM: ... 24

17.3 Calculo Atributos ... 27

CONCLUSIONES ... 32

2

ANEXOS... 35

Anexo A: Valor del agua y clúster. ... 36

Anexo B: Transferencia entre Sub-Áreas. ... 53

Anexo C: Graficas transferencia. ... 55

18. Caso Base ... 55

19. Alternativa 1 ... 67

3

TABLA DE FIGURAS

Figura 1. Diagrama de flujo metodología general... 13

Figura 2. Diagrama Unifilar STN [24]. ... 14

Figura 3. Valor del Agua URRA ... 16

Figura 4. Valor del Agua URRA ... 17

Figura 5. (a)Valor del Agua URRA (b) Clúster Valor del Agua URRA ... 17

Figura 6. Diagrama unifilar STN - modelo 25 Nodos ... 19

Figura 7. Valor promedio ofertas en USD/MWh por tecnología ... 20

Figura 8. Bloque de generación despachado por tecnología ... 21

Figura 9. Importación de potencia a Caribe ... 22

Figura 10. Transferencia pu. Córdoba Sucre – GCM, Caso Base ... 23

Figura 11. Transferencia pu. Córdoba Sucre – GCM, segundo circuito ... 24

Figura 12. Valor esperado perfil Eólico [24] ... 25

Figura 13. Bloque de generación despachado por tecnología ... 25

Figura 14. Complementariedad de la generación Eólica con la Hidráulica ... 26

Figura 15. Transferencia pu. Córdoba Sucre – GCM Generación ... 27

Figura 16. Índice de congestión (horas) ... 28

Figura 17. Reducción de las HC/Valor de la inversión ... 29

Figura 18. Valor Presente Neto Costos de la Operación ... 30

Figura 19. Valor Presente Neto Costos Totales ... 31

Figura 20. (a)Valor del Agua Alto Anchicaya (b) Clúster Valor del Agua Alto Anchicaya ... 36

Figura 21. (a)Valor del Agua Bajo Anchicaya (b) Clúster Valor del Agua Bajo Anchicaya ... 37

Figura 22. (a)Valor del Agua Amoya (b) Clúster Valor del Agua Amoya ... 37

Figura 23. (a)Valor del Agua Betania (b) Clúster Valor del Agua Betania ... 38

Figura 24. (a)Valor del Agua Carlos Lleras (b) Clúster Valor del Agua Carlos Lleras... 38

Figura 25. (a)Valor del Agua Calderas (b) Clúster Valor del Agua Calderas ... 39

Figura 26. (a)Valor del Agua Campo Alegre (b) Clúster Valor del Agua Campo Alegre ... 39

Figura 27. (a)Valor del Agua Chinchina (b) Clúster Valor del Agua Chinchina ... 40

Figura 28. (a)Valor del Agua Chivor (b) Clúster Valor del Agua Chivor ... 40

Figura 29. (a)Valor del Agua Cucuana (b) Clúster Valor del Agua Cucuana ... 41

Figura 30.(a)Valor del Agua Darío Valencia (b)Clúster Valor del Agua Darío Val ... 41

Figura 31. (a)Valor del Agua El Quimbo (b) Clúster Valor del Agua El Quimbo ... 42

Figura 32. (a)Valor del Agua Guadalupe 3 (b) Clúster Valor del Agua Guadalupe 3 ... 42

Figura 33. (a)Valor del Agua Guadalupe 4 (b) Clúster Valor del Agua Guadalupe 4 ... 43

Figura 34. (a)Valor del Agua Guatape (b) Clúster Valor del Agua Guatape ... 43

Figura 35. (a)Valor del Agua Guavio (b) Clúster Valor del Agua Guavio ... 44

Figura 36. (a)Valor del Agua Insula (b) Clúster Valor del Agua Insula... 44

Figura 37. (a)Valor del Agua Jaguas (b) Clúster Valor del Agua Jaguas ... 45

Figura 38. (a)Valor del Agua La Guaca(b) Clúster Valor del Agua La Guaca ... 45

Figura 39. (a)Valor del Agua La Tasajera (b) Clúster Valor del Agua La Tasajera ... 46

Figura 40. (a)Valor del Agua Miel I (b) Clúster Valor del Agua Miel I ... 46

Figura 41. (a)Valor del Agua Muña (b) Clúster Valor del Agua Muña ... 47

4

Figura 43. (a)Valor del Agua Pescadero (b) Clúster Valor del Agua Pescadero ... 48

Figura 44. (a)Valor del Agua Playas (b) Clúster Valor del Agua Playas ... 48

Figura 45. (a)Valor del Agua Porce II (b) Clúster Valor del Agua Porce II ... 49

Figura 46. (a)Valor del Agua Porce III (b) Clúster Valor del Agua Porce III ... 49

Figura 47. (a)Valor del Agua Salto II (b) Clúster Valor del Agua Salto II ... 50

Figura 48. (a)Valor del Agua Salvajina (b) Clúster Valor del Agua Salvajina ... 50

Figura 49. (a)Valor del Agua San Carlos (b) Clúster Valor del Agua San Carlos ... 51

Figura 50. (a)Valor del Agua Sogamoso (b) Clúster Valor del Agua Sogamoso ... 51

Figura 51. (a)Valor del Agua Troneras (b) Clúster Valor del Agua Troneras ... 52

5

OBJETIVOS

1.

Objetivo general

Proponer una metodología para indicar el planeamiento, integrando alternativas de generación y trasmisión, valorando atributos técnicos y económicos.

2.

Objetivos específicos

• Clasificar las variables que representen la incertidumbre de los aportes hidrológicos.

• Implementar algoritmos de clúster para mejorar los tiempos de simulación.

• Diseñar un sistema de prueba que emule las problemáticas del Sistema de Interconexión Nacional (SIN).

• Caracterizar las problemáticas del SIN y proponer alternativas de expansión de transmisión y generación localizada.

• Estimar diferentes atributos para la toma de decisiones.

3.

Alcance

Desarrollar una metodología que indique la mejor alternativa de expansión entre los sectores de trasmisión y generación, considerando aspectos técnicos y económicos de los sectores. Para la toma de decisiones se deben considerar aspectos relevantes, como lo es la oferta de los generadores hidráulicos y los costos de energéticos primarios para los térmicos. La metodología bebe incorporar y considerar las restricciones a causa de las limitaciones de trasferencia del sistema de potencia de prueba por medio de un sistema no lineal, que emule las problemáticas de un sistema de potencia real.

6

PLANTEAMIENTO DEL PROBLEMA

La planeación de la expansión de transmisión se realiza para los escenarios de generación más probables [23] [26]. Una metodología para el planeamiento integral de la generación y transmisión que considere la competencia entre aplicaciones de estas actividades a partir de una valoración de atributos puede llevar a mejores soluciones en el largo plazo [1]. Los atributos recogen las incertidumbres de las variables económicas y técnicas [18].

Con el fin de proponer una metodología para el planeamiento integral de la generación y transmisión aplicable a los sistemas de potencia, se consultaron los métodos más utilizados en el planeamiento convencional, que considera la temporalidad, así:

 Planeamiento Operativo: considera periodos de horas, tiene en cuenta medidas de la operación del sistema.

 Planeamiento de Mediano Plazo: considera un periodo mensual, incorpora las estimaciones hidrológicas así como disponibilidad del energético en el mediano plazo.

 Planeamiento de Largo Plazo: para periodos de años o décadas, cuantifica las necesidades de expansión del sistema, se incorporan los proyectos aprobados.

Este tipo de clasificaciones depende de cada sistema, la temporalidad varía según lo considere el operador y el planeador de este, variando desde minutos para el planeamiento operativo hasta décadas para el de largo plazo.

Al incrementar la temporalidad del planeamiento para el sistema de potencia, también crece la incertidumbre de las variables [18]. El horizonte de planeamiento se estima en periodos adecuados para la construcción de la nueva infraestructura, pero el escenario sobre el cual se planea un sistema puede variar por diferentes razones (alta incertidumbre), lo cual hace que estos sufran sobreestimaciones o no sean óptimos a la hora de atender una demanda esperada.

El planeamiento de los sistemas de potencia se desarrolla bajo una serie de criterios técnicos y económicos [29], se debe atender la demanda máxima en operación normal y en caso de contar con un elemento fuera de servicio. Las alternativas de expansión son listadas por los operadores o agentes con alto conocimiento del sistema, por lo general las alternativas son limitadas, causa de las diferentes restricciones ambientales, civiles o técnicas; una manera de estimar la expansión optima del sistema se calcula la relación beneficio/costo de las alternativas presentadas frente al valor de la Demanda No Atendida [28] [23], con estos se determinan las obras necesarias para la adecuada atención de la demanda a bajos costos.

En el caso del planeamiento de largo plazo, por lo general se desagrega la evaluación la expansión de la generación y la expansión de la transmisión con dos metodologías independientes [25] [29]. Esto se debe a que los valores de la inversión son de una escala mayor en el primer segmento, adicional al tiempo de desarrollo de estos proyectos para su puesta en servicio. Una vez establecida la generación, se procede al planeamiento de la red de trasmisión, que asegure la evacuación de la potencia generada hacia los centros de consumo y eliminen las restricciones de la red ante el crecimiento de la demanda. Igualmente, el planeamiento desagregado se debe al hecho que las dos actividades se regulan de manera diferente y por ende la consideración de uno y otro análisis deben considerar criterios diferentes y reflejar, al menos en el corto plazo, las decisiones inducidas por dicha regulaciones.

En la actualidad varios grupos de investigación se han enfocado en desarrollar metodologías que integran el planeamiento de la generación y de la transmisión [8] [9], lo que permitiría una expansión de mínimo costo

7

para los sistemas de potencia, ya que entrarían a competir tanto generación como trasmisión para la mitigación de un problema, como lo puede ser congestión en la red, generación atrapada, déficit de reactivos entre otros problemas que normalmente se mitigas con obras de expansión en la red. Este es un problema complejo que requiere de modelos y métodos de solución que emulen todas las características no lineales del sistema.

Según el sector el planeamiento define diferentes activos o condiciones del sistema necesarios para la adecuada operación, como se presenta en la Tabla 1:

Tabla 1. Planeamiento por sectores.

Planeamiento Define

Transmisión Cantidad de líneas de trasmisión, subestaciones, compensaciones , con su respectiva ubicación y año de entrada en servicio

Generación

Cantidad de unidades de generación y de recursos para su operación, para garantizar la atención de la demanda de energía según las proyecciones, busca minimizar el costo de operación e inversión

Generación y trasmisión Plan de obras tanto generadores y elementos de trasmisión para eliminar restricciones

8

SOLUCIONES APLICABLES

4.

Modelos de solución

Existen diferentes modelos de solución para el planeamiento des-integrado de la generación y la transmisión de la energía eléctrica.

Un método muy utilizado es la programación de algoritmos genéticos, los cuales encuentras puntos de solución como ópticos locales, en este caso no se puede garantizar la optimalidad global [4].

El modelo de competencia Trade –off [1], se compone de tres módulos que cuantifican las diferentes características e incertidumbres de las variables del modelo, en este caso se ponen a competir diferentes soluciones de trasmisión para un problema, esta competencia se cuantifica con unos atributos (indicadores) que posteriormente alimentan el análisis de riesgo (Adverso al riesgo, Propenso al Riesgo, entre otros).

El modelo considera paralelos determinísticos, con el fin de valuar una serie de escenarios, en este caso todos seria independientes, es posible asociar un peso a cada caso, el cual representaría la probabilidad de ocurrencia de cada uno.

En [1] no se integra la generación y la trasmisión dentro del modelo, este puede ser aplicable para el caso de planeamiento integrado.

El método que integra la temporalidad de los planes de expansión, debe considerar la estocasticidad de las variables, en este caso el modelo tiene en cuenta los planeamientos operativos, de mediano y largo plazo; la programación es más compleja debido a la cantidad de variable optimas; es normalmente usado en el planeamiento de la generación, en donde se establece como variable estocástica las hidrologías o disponibilidad de combustibles. En estos casos el modelo es uninodal y en muchos casos no respuesta las restricciones técnicas (congestión, soporte de reactivos) del sistema de trasmisión [14][15].

Por último se encuentra la Co-optimización, esta hace parte de las investigaciones más recientes [10], este método busca las combinaciones posibles de generación y trasmisión, para identificar soluciones integradas con un óptimo global. Este método centraliza el planeamiento e identifica soluciones cuando el sector eléctrico está integrado verticalmente ya que llega a soluciones la estrecha relación de la generación y la trasmisión.

Las variables que determinan la viabilidad de un proyecto de Generación versus una expansión en transmisión presentan una serie de incertidumbre, por la dificultad de proyectar los presión de los recursos primarios, estos pueden variar según nuevos desarrollos tecnológicos o descubrimiento de bienes Complementario de los recursos primarios [6].

5.

Métodos de solución

Existen varios métodos de solución para la solución de los planes de expansión, estos se pueden dividir en dos grupos: programación matemática y heurística. El primero de ellos agrupa las técnicas de desarrollo matemático que entrega la solución por medio de la programación secuencial. El segundo es una enumeración de estados o de escenarios que dependen de la experticia de la persona que los diseñe.

9

Técnica Método

Programación matemática

Programación lineal, cuadrática, lineal entera mixta

Programación no lineal, programación no línea entera mixta. Programación lineal entera Mixta

Programación dinámica, dinámica dual.

Técnicas de descomposición y partición: Benders, relajación Lagrangiana, descomposición cruzada.

Teoría de juegos: Aplicada a modelos de mercado con varios jugadores, mercados oligopólicos. Heurísticas Algoritmos Heurísticos Algoritmos Genéticos Búsqueda tabú PSO

6.

Modelo Eléctrico

Uno de los procesos usado para el planeamiento de la transmisión es el flujo de carga, existen diferentes tipos de modelos para analizarlo, que dependerán del análisis que se quiere realizar, por ejemplo: híbrido, disyuntivo, DC, AC. Los modelos solucionados en software comerciales de simulación tipo DigSilent [30] o Neplan [31], basan su análisis en modelos AC que representan las características y parámetros técnicos del sistema de potencia, como parámetros de líneas, trasformadores y generadores, el problema es resueltos con métodos iterativos como Newton Rapson.

Los modelos DC [32] son una aproximación al flujo de carga de AC, esto se logra básicamente al linealizar las ecuaciones de flujo asumiendo una tensión en barra de 1 p.u, en el modelo DC no se considera el soporte de reactivos, mejorando la velocidad de convergencia, aunque la solución no es necesariamente la real es una aproximación adecuada para algunos análisis.

En la literatura existen modelo de optimización como tipo Flujo Optimo, OPF por sus siglas en inglés, que pueden basan sus análisis en flujos de carga AC, elaborando los modelos de optimización en programación No Lineal [33].

Los modelos de transporte llegan a una solución por medio de la programación lineal, por lo general considera solución por descomposiciones de Benders [34].

Las solución puede ser desarrollada manteniendo el modelo de optimización lineal facilitando su desarrollo, los modelos tipo tenaza asociados la programación disyuntiva permiten adiciona el status de conectado o desconectado de una línea de transmisión permitiendo extender el análisis del flujo de carga a análisis tipo N-1 [7]. Estos modelos también pueden ser solucionados con programación disyuntiva no lineal con una cota superior dada por una solución heurística usada para reducir las posibles soluciones [4].

Se encuentra una amplia literatura de los modelos matemáticos para al planeamiento de la trasmisión [4] [5] [6] [7], por el contrario para el planeamiento integrado es más usado los modelos DC [9], debido a que no presenta menos problemas en la convergencia, por ser lineal mientras que el AC es nolineal y no convexo (difícil de solucionar para un solver), sin embargo se ha avanzado en eso también y hay algunas aplicaciones para modelos grandes en AC.

10

7.

Variables con incertidumbre y riesgo

Las variables con incertidumbre se determinan según el planeamiento (generación o transmisión), por lo general estas variables cuentan con proyecciones establecidas pero no asociadas a la integración de los dos planeamientos. A continuación las variables con incertidumbre más utilizadas.

 Demanda del sistema: proyecciones de largo plazo

 Disponibilidad de la generación: disponibilidad de las máquinas de generación según su tipo.

 Disponibilidad de energético: Se valora los energéticos del área, disponibilidad del recurso, como: hidrología, viento, gas. Etc

 Costos de combustibles: Los costos de los combustibles pueden definir la viabilidad o no de un proyecto, por ejemplo generación térmica en un área.

 Hidrología: Histórico de recurso Hidráulico, nivel de embalse.

 Disponibilidad de líneas y trasformadores: disponibilidad del elemento según las tasas de fallas históricas, o asociadas a un grupo

8.

Criterios

Los criterios que se tienen en cuenta en el planeamiento de la expansión hacen referencia a: (i) confiabilidad: entendida como, (ii) seguridad, operativa, incertidumbre (Hidrología, combustibles), impacto ambiental, horizonte de tiempo.

Tabla 3. Criterios según el sector [6]

Planeamiento Criterio

Transmisión

Expectativa de pérdida de carga o criterio probabilístico de confiabilidad (LOLE) Energía Esperada no suministrada (EENS)

Probabilidad de pérdida de carga (LOLP) Probabilidad de pérdida de energía (LOEP) Contingencias n-1

Congestión Potencia reactiva

Margen de estabilidad de tensión.

Limitaciones de flujo en líneas y generación

Nuevas tecnologías (Eólica, Generación distribuida, almacenamiento)

Generación

Expectativa de pérdida de carga o criterio probabilístico de confiabilidad (LOLE) Energía Esperada no suministrada (EENS)

Probabilidad de pérdida de carga (LOLP) Probabilidad de pérdida de energía (LOEP) Pronóstico del precio del mercado

Aportes hidrológicos

Costo de los combustibles y disponibilidad de los combustibles o recursos energéticos Retrasos en proyectos

Nuevas tecnologías (Eólica, Generación distribuida, almacenamiento) Horizonte de tiempo Estático o Dinámico

11

Planeamiento Criterio

Generación y trasmisión

Expectativa de pérdida de carga o criterio probabilístico de confiabilidad (LOLE) Evolución jerárquica de la confiabilidad

Energía Esperada no suministrada (EENS) Probabilidad de pérdida de carga (LOLP) Probabilidad de pérdida de energía (LOEP) Margen de estabilidad de tensión

Limitaciones de flujo en líneas y generación Congestión

Potencia reactiva

Nuevas tecnologías (Eólica, Generación distribuida) Horizonte de tiempo Estático o Dinámico

12

METODOLOGÍA

Por lo expuesto anteriormente se propone diseñar una metodología para el planeamiento de los sistemas de potencia integrando la expansión en generación y trasmisión. Dicha metodología considerará las dificultades que se presentan en la actualidad para determinar una ruta óptima en la ampliación de infraestructura para la atención del crecimiento de la demanda a largo plazo.

La metodología propuesta valorará las alternativas para una serie de incertidumbres de las variables expuestas, la metodología evalúa el mayor número de alternativas posibles en diferentes escenarios de operación y costos de nueva infraestructura, generación local y almacenamiento; paralelos determinísticos, diferentes escenarios de operación independientes, los cuales no comparten información entre ellos. Estos son determinísticos porque cada caso de entrada tiene un único valor de salida, estos casos no contemplan el principio de incertidumbre, en la medida que incrementan las variables determinísticas y los escenarios la respuesta puede ser más aproximada a un modelo probabilístico, los cuales son de mayor complejidad.

La metodología cuenta con un bloque de información robusto obtenido de las simulaciones, la información es usada para calcular diferentes indicadores solicitados por el usuario, que a su vez le dará pesos según la importancia que estos representen por las características propias del sistema, como resultado la metodología propone un sistema eléctrico flexible y adaptativo ante las incertidumbre que se modelan en cada escenario.

La metodología cuenta con dos módulos: Simulación, y Cálculo de Indicadores.

En el Modulo 1 (Simulación), toma los escenarios establecidos (paralelos determinísticos) evaluándolos técnicamente los resultados obtenidos del flujo de carga, todos los escenarios son evaluados por separado. De este módulo se obtiene una estructura de información robusta que caracteriza el comportamiento del modelo eléctrico.

El segundo módulo calcula los indicadores que se consideren más adecuados para determinar una curva de optimalidad entre el caso base y las soluciones de los múltiples escenarios

Todas las obras tendrán una valoración ponderada y se presentaran en un diagramas frontera, es importante aclarar que también se entinara el costo de la no atención de dicha demanda estimada, esto con el fin de no descartar la posibilidad de no atención de la demanda para un valor de incertidumbre.

En el diagrama presentado en la Figura 1 se ilustra a manera general las etapas de la metodología propuesta, en la primer etapa de simulación se integra los resultados de las simulación simulaciones duales estocásticas - Stochastic Dual Dynamic Programming - SDDP por sus siglas en inglés, como valor de entrada para la oferta de los generadores que se configuran en el modelo AC de 25 nodos.

13

9.

Estimación de los precios de oferta de los generadores

En la primer etapa de la metodología se propone un modelo uninodal para calcular las serie del valor del agua por medio de simulaciones duales estocásticas considerando los históricos hidrológicos y los precios de referencia de los combustibles para la senda de expansión seleccionada en la generación [24]. En la Figura 3 se presenta los valores del agua resultado de la Simulación Estocástica Dual.

La información recopilada de la primer sub-etapa, será sometida a un algoritmo de Clúster [17], esta define que grupo de series pueden representar la totalidad de la información obtenida, con el fin de optimizar el proceso de evaluación en la segunda sub-etapa.

10.

Modelo eléctrico AC

En la segunda sub-etapa de la metodología se diseña un modelo eléctrico de 15 sub-áreas, sistema reducido del Sistema de Transmisión Nacional (STN), el cual se somete al algoritmo de simulación de Flujo de Carga Óptimo [33], para establecer al caso base de estudio y evaluar cada grupo de alternativas para la sendas de expansión de la primera etapa, se almacena los resultados; en el modelo se tiene como entrada para las plantas el valor del agua calculado en el modelo uninodal, como resultado se obtiene que plantas saldrían despachadas por mérito, según las ofertas presentadas en cada periodo. La estructura de resultados es usada para valorar las alternativas de expansión en la transmisión y generación.

En la Figura 2 se presenta el diagrama unifilar del Sistema de Transmisión Nacional - STN. Este sistema cuenta con más de mil nodos en los diferentes niveles de tensión, considerándolo un sistema complejo en el

14

ejercicio de modelado y con dificultades de convergencia para los algoritmos iterativos de flujo de carga AC, incrementando el tiempo de ejecución de la metodología. Por esta razón se propone diseñar un modelo reducido de 25 nodos, con las características relevantes del STN, como lo es las áreas operativas, trasferencias y restricciones de red entre Sub-Áreas, demanda y generación en cada una.

Figura 2. Diagrama Unifilar STN [24].

Como resultado de la primer etapa, se puede identificar las transferencia entre las sub-Áreas, valores de tensión en los nodos, costos marginales nodales, unidades generadores despachadas por mérito, valor del despacho obtenido por el algoritmo OPF, restricciones de la red.

11.

Estimación de los atributos

De la estructura de información, se calcula los atributos que se presentan a continuación:

11.1

Índice de congestión [HC]:

Número de horas de congestión para el periodo de planeamiento, en la senda de expansión, para cada escenario de demanda, en cada valor de agua

15

𝐻𝐶𝑖= ∑ 𝐻𝑜𝑟𝑎𝑠(𝑖,𝑝) 𝑛

𝑝=1

∀ 𝑙𝑜𝑎𝑑(𝑖,𝑝)≥ 70%

Dónde:

𝐻𝐶𝑖: Horas de congestión del enlace i para el periodo desde 1 hasta n. 𝐻𝑜𝑟𝑎𝑠(𝑖,𝑝)= Número de horas de congestión del enlace i en el periodo p.

𝑙𝑜𝑎𝑑(𝑖,𝑝): Cargabilidad del enlace i en el periodo p.

11.2

Reducción del Índice de congestión por inversión [RHC]:

Se calcula mediante la resta de las Horas de Congestión del Caso Base, menos las Horas de Congestión del caso con obra, sobre el valor de la inversión de la obra de mitiga la restricción.

𝑅𝐻𝐶 =𝐻𝐶(𝑖,𝑐𝑎𝑠𝑜 𝑏𝑎𝑠𝑒)− 𝐻𝐶(𝑖,𝑐𝑜𝑛 𝑜𝑏𝑟𝑎) 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝑀𝑈𝑆𝐷

11.3

Valor presente de los costos totales [VPCT]:

Este contempla el costo de la inversión del proyecto, la operación, el mantenimiento, el costo del despacho de pérdidas y la energía no servida.

𝑉𝑃𝐶𝑇 = 𝑉𝑃𝑁(∑(𝐺𝑖𝐶𝑖 𝑛

𝑖=1 )

Dónde:

𝐺𝑖: Potencia generada por la maquina i en MW 𝐶𝑖: Costos variables y fijos

Por último se cuantifica la importancia de cada alternativa de expansión en un modelo de mercado para para la senda de expansión simulada, en cada escenario, para los k valores del agua con precios de referencia para energéticos primarios.

16

RESULTADOS Y ANÁLISIS DE RESULTADOS

En este capítulo se presentan los resultados obtenidos objeto del desarrollo de la metodología presentada en el ítem anterior.

12.

Valor del Agua

Como resultado del SDDP se obtiene las 200 series del valor del agua, las cuales indexan la incertidumbre asociada a los históricos de los aportes hidrológicos. En la Figura 3 se presenta las 200 series del Valor del agua para los primeros 50 periodos de estudio.

Figura 3. Valor del Agua URRA

13.

Cluster

Aplicando la metodología presentada en [17], se implementó el algoritmo K-mean clustering, para determinar las series representantes de los valores del agua. El la Figura 4 se ilustra el espectro de las 200 series del valor del agua, en color magenta, y la trayectoria de los 5 valores de Clúster para cada periodo, en negro, para los primeros 50 periodos.

17

En la Figura 5 se presenta a modo de comparación, en la parte superior las series del valor del agua entregados por el SDDP, y en la parte inferior las series resultados del algoritmo K-mean clustering, se observa una tendencia similar a las series originales.

Figura 5. (a)Valor del Agua URRA (b) Clúster Valor del Agua URRA

En el Anexo A se presentan las gráficas del valor del agua y las series obtenidas como resultado de algoritmo Clúster, para todos los embalses modelados en el SDDP.

18

14.

Modelo eléctrico AC

Como se mencionó anteriormente la elaboración del modelo se realizó con la información obtenida de [24], se listaron las trasferencias entre las sub-áreas. Considerando el nivel de tensión y la transformación entre los dos niveles de tensión. En la Tabla 4 se presenta las conexiones entre las sub-Áreas de la región Caribe.

Tabla 4.Elementos de transferencia entre Sub- Áreas Caribe

En el Anexo B se presenta las tablas resumen de las transferencias consideradas entre las Sub-Áreas para el desarrollo del modelo eléctrico AC de 25 nodos.

En el desarrollo del modelo eléctrico se tomó como referencia parámetros eléctricos típicos de líneas de transmisión para los niveles de tensión 220 kV y 500 kV, en el nivel de tensión de 500 kV se consideró el modelo equivalente de un línea de transmisión con compensaciones reactivas en cada extremo equivalente a la mitad de la capacitancia por kilómetro de la línea por su longitud. Las distancias fueron estimadas según la separación geográfica entre las ubicaciones más probables de las subestaciones.

El modelo cuenta con 13 sub-Áreas operativas, para cada una se estimó la demanda máxima y se listaron los generadores por tecnología. Se verifico las condiciones operativas del mismo, revisando condiciones típicas de despacho y demanda.

En la Figura 6 se presenta el diagrama unifilar del sistema de prueba de 25 nodos, 91 ramas, 87 máquinas sincrónicas y 13 demandas.

Sub-Área Bolívar kV Atlántico kV GCM kV Córdoba - Sucre kV Sabanalarga - T ernera 220 Copey - Bolívar 500 T ernera - T oluviejo 110 Sabanalarga - Bolívar X 2 220 Bolívar - T oluviejo * 220 Sabanalarga - Bolívar * 500

Atlántico 3310 MVA - Fundación - Sabanalarga X 3 220 Sabanalarga - Chinu X 2 500 GCM 1862 MVA 1086 MVA Chinu - Copey * 500 Córdoba - Sucre 467 MVA 3724 MVA 1862 MVA

C aribe Bolívar Ca ri b e

-19

Una vez identificado el modelo eléctrico de 25 nodos, se realiza la estimación de los parámetros eléctricos en valores por unidad según para ingresar el modelo el Toolbox Matpower 5.1 de Matlab.

15.

Variables con incertidumbre

En el modelo se tomó como variable con incertidumbre la proyección de la demanda eléctrica, para tal razón se simularon los tres escenarios de la demanda de la UPME [35]. El valor de los energéticos primarios se tomó los precios de referencia de los combustibles presentado en el capítulo 4 de la referencia [24]. En la

BOL 500 kV ATL 500 kV GCM 500 kV NSAT 500 kV SAT 500 kV BOG 500 kV VALL 500 kV CQR 500 kV ANT 500 kV COR-SUC 500 kV BOY-CAS2 220 kV MET2 220 kV THC2 220 kV CAU2 220 kV NAR-PUT2 220 kV

Copey - Bolivar

Sabanalarga - Bolivar x2 Sabanalarga - Ternera

Sabanalarga - Bolivar Chinu - Sabanalarga x2

Sabanalarga - Fundacion x3

La L om a O ca ña

Chinu - Copey

O ca ña - S og am os o P o rc e II I C e rr o m a to s o S a n C a rlo s V irg in ia V irg in ia S a n M a rc o s

Primavera - Sogamoso Porce III - Sogamoso

T a s a je ro G u a tig u a ra T a s a je ro P a lo s O ac añ a P alo s G u a tig u a ra S o c h a g o ta x 2 S o c h a g o ta C h iv o r x 2 S o g a m o s o N o rte

Primavera - Guatiguara Primavera - Comuneros x2

Virginia - N. Esperanza

A n c o n s u r E s m e ra ld a S n C a rlo s P u rn io x 2

Purnio - Noroes x2 San Felipe - La Mesa x2

V irg in ia A lfe re s V irg in ia C a rta g o V irg in ia S a n M a rc o s E s m e ra ld a Y u m b o x 2 G u a v io R e fo rm a x 2 T u n a l R e fo rm a x 2 M e s a M iro lin d o x 2 Y u m b o S a n B e rn a rd in o J u a n c h ito p a e

z San Bernardino - Betania x2

S a n B e rn a rd in o J a m u n d in o x 2

Mocoa - Altamira Jamundino - Quimbo Bolivar - Chinu

Primavera - Bacata

K a tio s V irg in ia C e rr o m a to s o It u a n g o x 2

20

Figura 7 de presenta los valores medios de la oferta en USD/MWh por tecnología, este valor considera los costos variables de la generación.

Figura 7. Valor promedio ofertas en USD/MWh por tecnología

En la Tabla 5 se encuentran los costos variables por MWh generado, este valor considera los Costos Equivalentes Reales del Cargo por Confiabilidad (CERE), el Fondo para la Zonas no Interconectadas (FAZNI) y la Transferencia del Sector.

Tabla 5.Costos variables Generación por tecnología [24]

Hidráulico Gas Fuel oíl Carbón Eólico

USD/MWh 37.35 27.03 29.29 31.55 4.07

16.

Simulación OPF Matpower 5.1

Una vez completado el modelo y tomando la información del clúster del valor del agua, los precios de los combustible y teniendo en cuenta los factores se conversión para las planta hidráulicas (hm3/MWh) así como el Heat Rate para las térmicas (MBTU/MWh). Se procede a las simulaciones de los 168 periodos (número de meses), como casos independientes en el bloque de demanda máxima. En la Figura 8 se presenta la generación por mérito para el caso base entregada por el algoritmo OPF de Matpower.

21

El modelo cuenta con las restricciones asociadas a las tranferencia entre las Sub-Areas, para el caso baso el sistema varia las restricciones en la medida que ingresan los proyectos de transmision y generacion estipulados en la referencia [24]. en la Figura 9 se presenta como ejemplo las transferencia hacia el area Caribe, desde las sub areas de Antioquia y Norte de Santander.

22

Las gráficas de la parte superior de la Figura 9, presentan la transferencia por las lineas existentes. En el periodo 24 se observa la modificacion en los valores por unidad debido a la entrada en operacion del refuerzo en la transmision, correspondiente al doble circuito Ituango – Cerromatoso 500 kV. En la parte inferios de la grafica se presentan los valores en potencia, se evidencia un incremento de la tranferencia entre las Sub-Areas Antioquia Chocó y Cordoba Sucre, llegando en algunos periodos a tranferencias de hasta 2000 MW.

En el Anexo C se presentan las grafiacas de transferencia entre Sub-Areas para el caso base y los casos de estudio en el periodo de analisis.

Una vez analisados los resultados obtenidos de las simulaciones se puede listar las problematicas mas relevantes del STN.

17.

Identificar la problemática y alternativas de solución:

Al incrementar la tranferencia entre Antioquia y Cordoba Sucre, y considerando la nueva conexión de las Sub-Areas Córdoba Sucre y GCM, por medio del corredor Cerromatoso – Chinu – Copey 500 kV, se evidencia una congestion en el nuevo enlace de 500 kV, superando el criterio de congestion establecido. En la Figura 10 se presenta la tranferncia en el enlace Chinu – Copey 500 kV en valores por unidad para elo caso de estudio.

23

Como alternativas de expansión se propone un segundo circuito entre las Sub-Áreas o la incorporación de generación termica a gas en la zona que importa la potencia, en este caso GCM.

A continuación se presentan las posibles soluciones a la problemática expuesta, como es objeto de este trabajo una de las soluciones es expansion de la transmision y la otra es generación localizada en la Sub-Área GCM

17.1

Alternativa 1: Línea de transmisión:

Se incorpora al modelo un nuevo enlace entre las Sub-Áreas Córdoba Sucre y GCM, con las mismas caracteristicas del enlace Chinu – Copey 500 kV. En la Figura 11 se observa una disminusion considerable de la cargabilidad, para el periodo de estudio no se presentan cargas mayores al 70%.

24

17.2

Alternativa 2: Generación en GCM:

Se modeló un generador térmico a gas con una potencia nominal de 350 MW, para todos los escenarios de demanda, considerando la variación del valor del agua producto de los clúster, no se evidencia despacho por mérito de la generación a gas.

Por esta razón se procede a cambiar de tecnología, optando por la generación eólica por el potencial en la zona, debido a la temporalidad de la misma, se toma como potencial de salida la energía del bloque de demanda máximo entregado en el Escenario 12 en la simulación del SDDP [24]. En la Figura 12 se presenta el valor esperado del perfil eólico. Se calcula la potencia instantánea para el bloque de demanda máxima.

25

En la Figura 13 se ilustra el despacho por mérito incorporando la generación eólica en el caso base: se observa un desplazamiento de la generación a carbón e hidráulica.

26

El potencial de vientos en la zona alta de la Guajira es complementario a los aportes hídricos del país [24]. En la Figura 14 se observa coherencia de la complementariedad de la generación con el recurso eólico y el recurso hidráulico, según la información entregada por el modelo SDDP y la generación entregada por el algoritmo OPF de Matpower.

Figura 14. Complementariedad de la generación Eólica con la Hidráulica

En la Figura 15 se presenta la transferencia entre las sub-Áreas mencionadas, incorporando la generación eólica en GCM. Se observa la disminución de la cargabilidad del enlace entre Córdoba Sucre y GCM, en algunos periodos la cargabilidad sobrepasa el 70%

27

17.3

Calculo Atributos

Para la estimación de la inversión de la generación eólica en el área Caribe se hace uso de los costos de inversión listados en la referencia [24], los cuales son calculados a partir de la metodología costos nivelados de electricidad. En la Tabla 6 se presenta el costo de inversión para diferentes capacidades en MW de la planta de generación.

Tabla 6.Costos nivelado de generación – Eólica Caribe [24]

La valoración de la inversión de la línea, se realiza por medio de las Unidades Constrictivas UC, presentadas en la resolución CREG 11-2009 [28]. En la Tabla 7 se presenta el valor de inversión en dólares, con una TRM de referencia de diciembre de 2015.

Tipo Ubicación C apacidad [MW ] C osto Inve rsión [USD/kW ] C osto Inve rsión [USD]

LC O E INV [USD/MW h]

LC O E [USD/MW h]

Eólica Caribe 32.0 4,258.2 136,260,800.0 63.8 89.7

Eólica Caribe 50.0 3,619.7 180,986,000.0 53.3 77.7

Eólica Caribe 70.0 3,284.9 229,941,110.0 48.1 71.7

Eólica Caribe 75.0 3,227.8 242,084,025.0 47.0 70.2

Eólica Caribe 100.0 3,023.7 302,374,900.0 43.7 66.3

Eólica Caribe 130.0 2,876.6 373,952,800.0 41.3 63.4

Eólica Caribe 150.0 2,811.3 421,691,700.0 40.4 62.3

Eólica Caribe 180.0 2,734.9 492,278,400.0 39.2 60.7

Eólica Caribe 195.0 2,704.6 527,405,385.0 38.8 60.4

Eólica Caribe 200.0 2,695.5 539,097,600.0 38.6 60.1

28

Una vez estimado los costos de inversión y las anualidades considerando la vida útil de los dos activos se calcula los atributos.

17.3.1

Índice de congestión [HC]:

En la Figura 16 se presenta el Índice de congestión en horas para el enlace Córdoba Sucre – GCM, en el caso base y las dos alternativas de expansión propuestas. La generación aporta a la reducción de la congestión del enlace, en el caso de la línea de transmisión se elimina la congestión.

Figura 16. Índice de congestión (horas)

17.3.2

Reducción del Índice de congestión por inversión [RHC]:

La Figura 17 se presenta las horas de congestión mitigadas por la inversión de la generación o la línea de trasmisión. Para este caso la línea presenta un mejor desempeño respecto a la generación localizada.

UC De scripción C antidad

(Km)

Valor

(miles $/08)

Valor

(miles $/15)

LI511 km de línea, 1 circuito, 4

subconductores por fase 200 583,314 141,161,988

CP501 Bahía de Compensación Reactiva

Línea Maniobrable 20 MVAr 10 1,957,934 23,691,001

SE501 Bahía de Línea 2 6,427,761 15,555,182

180,408,171

57,272,435

T otal (Miles Pesos)

29

17.3.3

Valor presente de los costos totales [VPCT]:

En la Figura 18 se ilustra el Valor Presente Neto de los casos para el periodo de estudio. Se comparan los valores calculados de los tres escenarios de demanda. En algunos casos se traslapa el valor del caso base con los casos con expansión. Las reducciones por concepto de disminución del costo marginal en el sub-Área GCM es mayor para la alternativa de generación localizada.

30

Para el cálculo del VPCT se tomó a consideración la vida útil de cada alternativa de expansión, con el fin de calcular las anualidades que se percibirían. En los dos casos el periodo de estudio es inferior a la vida útil de los activos. Para tener coherencia entre los datos se realizó un simulación de prueba para los 30 años de vida útil de la línea desde el momento de ingreso al sistema, debido a el déficit de generación que se presenta a partir del año 2029 se incrementa la incertidumbre de los beneficios del sistema percibidos por la entrada de cada alternativa de expansión. Para minimizar la incertidumbre en el indicador, producto de los beneficios fuera del periodo de estudio, este fue calculado considerando las anualidades que percibe el inversionista para cada alternativa de expansión dentro del periodo de estudio, por consiguiente el indicador se calcula con la información de inversión y beneficios del periodo 2016 - 2029.

En la figura 19 se ilustra el Valor Presente Neto considerando el costo de la inversión, se observa que para ninguno de los escenarios, en las diferentes series de valor del agua las alternativas de expansión reducen el valor del caso base, siendo la línea de transmisión la que más se aproxima una relación beneficio costo igual a uno.

31

32

CONCLUSIONES

Se analizaron los modelos, métodos de solución y criterios de evaluación para el planeamiento desagregado de la generación y la transmisión de la energía eléctrica, identificando las características más relevantes: esto con el fín de proponer una metodología que integre los dos sectores.

Se caracterizó el Sistema de Transmisión Nacional, desagregándolo en 15 sub-Áreas, se listaron las transferencias entre sub-Áreas discriminando por los niveles de tensión de 500 kV y 230 kV. De la misma manera se identificaron las características propias de cada Sub-Área, como lo es la demanda, generación por tecnología y la transferencia entre los dos niveles de tensión.

Se diseñó un modelo de red de 25 nodos que emula el comportamiento típico del Sistema de Transmisión Nacional. Se concluye que el modelo entrega resultados coherentes en el despacho por mérito entregado por el algoritmo OPF de Matpower, predominando la generación Hidráulica, seguido de la generación con carbón, para el caso base.

Se identifica las problemáticas en el sistema de potencia, se proponen dos alternativas de expansión que compitan por la solución: generación a gas localizada en GCM y un nuevo enlace entre las Sub-Áreas Córdoba Sucre y GCM.

Como resultado de las simulación de OPF la planta de generación no es despachada en merito por sus costos operativos. Se concluye que se debe promover medidas para que los generadores localizados sean tomadores de precio y reciban ingresos adicionales como lo puede ser el cargo por confiabilidad.

Al aplicar el cálculo de los indicadores se concluye que la línea de transmisión es una mejor solución respecto a la generación eólica localizada ya que esta alternativa no presenta horas de congestión en el periodo de estudio.

La reducción de las horas de congestión por unidad de inversión es cercana a las 70 horas por cada millón de dólares invertido en transmisión y del orden de 5 horas por cada millón de dólares en generación localizada. Se concluye que el proyecto de transmisión presenta una mejor relación en este indicador.

Por último, el indicador del Valor presente neto de los costos totales, se presenta una disminución para los costos operativos del sistema, la diferencia entre el caso base y los casos con expansión se consideran los beneficios objeto de la expansión. Al incorporar los valores de inversión se evidencia que los beneficios no cubren la inversión, por lo anterior se concluye que ninguna alternativa de expansión tiene una relación Beneficios / Costo Igual o mayor a uno.

Con el desarrollo alcanzado en esta tesis, tomando las experiencias y dificultades presentadas, es posible la ejecución de trabajos futuros, como lo es la implementación de diferentes bloques de generación, para estimar la probabilidad de ocurrencia de las congestiones en la red. Implementar el algoritmo OPF con restricciones n-1 de la red considerando los valores de rampa de los generadores. Incorporar medidas regulatorias estimando los beneficios energéticos de la generación localizada o quizás al más ambicioso la creación de una interfaz gráfica para el toolbox Matpower, en el cual se puedan elaborar los modelos y aplicar la metodología propuesta por medio de la comunicación de este con otras herramientas de computación.

33

BIBLIOGRAFÍA

[1] Cámac, D., Bastidas, R., Nadira, R., Dortolina, C., & Merrill, H. M. (2009). Transmission Planning in Developing Countries: Criteria and Risks. In Panel Session, Transmission Planning and Pricing, IEEE PES 2009 General Meeting, Calgary, 28 July.

[2] De la Torre, T., Feltes, J. W., Gomez San Roman, T., & Merrill, H. M. (1999). Deregulation, privatization, and competition: transmission planning under uncertainty. IEEE Transactions on Power Systems, 14(2), 460-465. [3] Hemmati, R., Hooshmand, R. A., & Khodabakhshian, A. (2013). State-of-the-art of transmission expansion

planning: Comprehensive review. Renewable and Sustainable Energy Reviews, 23, 312-319.

[4] Escobar, A. H., Gallego, R. A., & Romero, R. A. (2011). Using traditional heuristic algorithms on an initial genetic algorithm population applied to the transmission expansion planning problem. Ingeniería e Investigación, 31(1), 127-143.

[5] Sánchez-Martín, P., Ramos, A., & Alonso, J. F. (2005). Probabilistic midterm transmission planning in a liberalized market. Power Systems, IEEE Transactions on, 20(4), 2135-2142

[6] Moreno Garzón, Z. A., Ríos Mesías, M. A., Ramos López, G. A., & Chavarro Leal, A. (2014). Planeación probabilística en transmisión y generación con fuentes de energía intermitentes. Bogotá : Uniandes, 2014.

[7] Tejada, D., Lopez-Lezama, J. M., Rider, M. J., & Vinasco, G. (2015). Transmission network expansion planning considering repowering and reconfiguration. International Journal of Electrical Power & Energy Systems,69, 213-221.

[8] Jenabi, M., Ghomi, S. M. T. F., & Smeers, Y. (2013). Bi-level game approaches for coordination of generation and transmission expansion planning within a market environment. IEEE Transactions on Power Systems, 28(3), 2639-2650.

[9] Sharan, I., & Balasubramanian, R. (2012). Integrated generation and transmission expansion planning including power and fuel transportation constraints. Energy Policy, 43, 275-284.

[10] Liu, A., Hobbs, B. F., Ho, J., McCalley, J., Krishnan, V., Shahidehpour, M., & Zheng, Q. (2013). Co-optimization of transmission and other supply resources.Prepared for the Eastern Interconnection States’ Planning Council, NARUC.

[11] Ramírez, A. C. (2011). Barreras para la implementación de generación distribuida: dos representantes de países desarrollados vs. un representante de país en desarrollo. Tecnura, 15(29), 62-75.

[12] Ramírez, A. C., Duque, F. V., & Velásquez, J. A. V. (2014). Diseño multiobjetivo de un sistema híbrido eólico-solar con baterías para zonas no interconectadas. Tecnura, 18(39), 77-93.

[13] Ramirez, A. C. (2013). "Propuesta Regulatoria para la Promoción de Fuentes de Energía Renovables en Colombia", Tesis de Maestría, Facultad de Ingeniería, Universidad de Antioquia, Colombia.

[14] Mejia-Giraldo, D., Villarreal-Marimon, J., Gu, Y., He, Y., Duan, Z., & Wang, L. (2012). Sustainability and resiliency measures for long-term investment planning in integrated energy and transportation infrastructures. Journal of Energy Engineering, 138(2), 87-94.

[15] Mejıa-Giraldo, D. (2013). Robust and flexible planning of power system generation capacity (Doctoral dissertation, Iowa State University).

[16] Mejia-Giraldo, D., & McCalley, J. D. (2014). Maximizing future flexibility in electric generation portfolios. Power Systems, IEEE Transactions on, 29(1), 279-288.

[17] Mejia-Giraldo, D., & McCalley, J. (2014). Adjustable decisions for reducing the price of robustness of capacity expansion planning. Power Systems, IEEE Transactions on, 29(4), 1573-1582.

[18] Zhao, J. H., Dong, Z. Y., Lindsay, P., & Wong, K. P. (2009). Flexible transmission expansion planning with uncertainties in an electricity market. Power Systems, IEEE Transactions on, 24(1), 479-488.

[19] Garver, L. L. (1970). Transmission network estimation using linear programming. Power Apparatus and Systems, IEEE Transactions on, (7), 1688-1697.

[20] Meza, J. L. C., Yildirim, M. B., & Masud, A. S. (2007). A model for the multiperiod multiobjective power generation expansion problem. Power Systems, IEEE Transactions on, 22(2), 871-878.

[21] Liebenau, V., Schwippe, J., Kuch, S., & Rehtanz, C. (2013, June). Network extension planning considering the uncertainty of feed-in from renewable energies. In PowerTech (POWERTECH), 2013 IEEE Grenoble (pp. 1-6). IEEE.

34

natural hydro inflows. European Journal of Operational Research, 181(3), 1339-1353.

[23] UPME. (2013) Plan de expansión de referencia generación – transmisión 2013 – 2027. [Online]. Available: http://www.upme.gov.co/Docs/Plan_Expansion/2013/Plan_Expansion_Referencia_2013.pdf

[24] UPME. (2015) Plan de expansión de referencia generación – transmisión 2015 – 2029. [Online]. Available:

http://www.upme.gov.co/Docs/Plan_Expansion/2016/Plan_Expansion_GT_2015-2029/Plan_GT_2015-2029_VF_22-12-2015.pdf

[25] MME. (1994) Ley 143-1994. [Online]. Available:

https://www.minminas.gov.co/documents/10180/667537/Ley_143_1994.pdf/c2cfbda4-fe12-470e-9d30-67286b9ad17e

[26] CREG. (1995) Resolución CREG 025-1995. [Online]. Available:

http://apolo.creg.gov.co/Publicac.nsf/Indice01/Codigos-1995-RES.025-1995.COD..REDES.-.COD..OPERACION?OpenDocument

[27] CREG. (2005) Resolución CREG 71-2006. [Online]. Available: http://apolo.creg.gov.co/Publicac.nsf/Indice01/Resolucion-2006-Creg071-2006

[28] CREG. (2009) Resolución CREG 11-2009. [Online]. Available: http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee00709c02/5c87ddb1548b96730525785a007a7126 ?OpenDocument

[29] UPME.- MME (2013) Decreto 1258-2013. [Online]. Available: http://www1.upme.gov.co/sites/default/files/DECRETO%201258%20DEL%2017%20DE%20JUNIO%20DE%202 013%20-%20ESTRUCTURA.pdf

[30] DIGSILENT. (2012) Manual User. [Online]. Available: http://www.digsilent.de/tl_files/digsilent/files/powerfactory/PowerFactory15/WhatsNew_PF150.pdf

[31] NEPLAN. (2012) Neplan software. [Online]. Available: http://www.neplan.ch/?lang=es

[32] Escobar, A. H., Romero, R. A., & Gallego, R. A. (2008, August). Transmission network expansion planning considering uncertainty in generation and demand. In Transmission and Distribution Conference and Exposition: Latin America, 2008 IEEE/PES (pp. 1-6). IEEE.

[33] Zimmerman, R. D., Murillo-Sánchez, C. E., & Gan, D. (1997). MATPOWER: A MATLAB power system simulation package. Manual, Power Systems Engineering Research Center, Ithaca NY, 1.

[34] Skar, C., Doorman, G., & Tomasgard, A. (2014, August). Large-scale power system planning using enhanced Benders decomposition. In Power Systems Computation Conference (PSCC), 2014 (pp. 1-7). IEEE.

[35] UPME. (2015) Proyección de la demanda de energía eléctrica y potencia máxima en Colombia 2015. [Online]. Available:

http://www.siel.gov.co/siel/documentos/documentacion/Demanda/Proyeccion_Demanda_Energia_Electrica_Octubr e2015.pdf

35

Anexo A: Valor del agua y clúster.

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

Anexo B: Transferencia entre Sub-Áreas.

Tabla 8.Elementos de transferencia entre Sub- Áreas Caribe

Tabla 9.Elementos de transferencia entre Sub- Áreas Nordeste

Tabla 10.Elementos de transferencia entre Caribe y Nordeste

Tabla 11.Elementos de transferencia entre Caribe y Antioquia

Sub-Área Bolívar kV Atlántico kV GCM kV Córdoba - Sucre kV Sabanalarga - T ernera 220 Copey - Bolívar 500 T ernera - T oluviejo 110 Sabanalarga - Bolívar X 2 220 Bolívar - T oluviejo * 220 Sabanalarga - Bolívar * 500

Atlántico 3310 MVA - Fundación - Sabanalarga X 3 220 Sabanalarga - Chinu X 2 500 GCM 1862 MVA 1086 MVA Chinu - Copey * 500 Córdoba - Sucre 467 MVA 3724 MVA 1862 MVA

C aribe Bolívar Ca ri b e

-Sub-Área Norte de Santander kV Santander - Arauca kV Boyacá - Casanare kV

Ocaña - Sogamoso 500

Ocaña - Palos 220

T asajero - Palos 220 T asajero - Guatiguara 220

Santander - Arauca _{2948 MVA Sochagota - Guatiguara X 2 220}

Paipa - Donato - Barbosa 110

Boyacá - Casanare _{829 MVA}

Norde ste

No

rd

es

te

Norte de Santander

Norte de Santander kV Santander - Arauca kV Boyaca - Casanare kV Bolivar

Atlantico

Copey - Ocaña 500

La Loma - Ocaña * 500 Cordoba - Sucre

Norde ste Ca ri b e GCM Antioquia Antioquia kV Bolivar Atlantico GCM

Porce III - Cerromatoso500

Cerro - Ituango * 500

C

a

r

ib

e

54

Tabla 13.Elementos de transferencia entre Oriental y Nordeste, Antioquia y Oriental

Tabla 14.Elementos de transferencia entre Suroccidental y, Antioquia, Oriental Suroccidental

Antioquia

Sub-Área Antioquia kV

Norte de Santander

Primavera - Guatiguara 220 Primavera - Comuneros X2 220

Primavera - Sogamoso 500 Porce III - Sogamoso * 500 Boyacá - Casanare

N

o

rd

es

te

Santander - Arauca

Sub-Área Bogotá - C undinamarca kV Me ta - Guaviare kV

Norte de Santande r

Santande r - Arauca Sogamoso - Norte 500

Boyaca - C asanare Sochagota - Chivor X2 220

A n ti o q u ia

Antioquia - C hoco Primavera - Bacata 500

Guavio - Reforma X2 220 T unal - Reforma X2 220

Me ta - Guaviare

O r ie n ta l N o r d e st e

O rie ntal

Bogotá - C undinamarca

C Q R kV Valle kV C auca kV Nariño Putumayo kV THC kV

Virginia - San Carlos 500 Anconsur - Esmeralda 220 San Carlos - PurnioX2 220 Virginia - Certejui 110

Katios - Virginia 220

Purnio - Norte X2 220 Mesa - Mirolindo X2 220

San Felipe - La Mesa X2 220 Guaca - Flandes X2 115

Villeta - Guaduero - Dorada - Purnio 110 Virginia - Nueva Esperanza* 500

Virginia - San Marcos 500 Virginia - San Marcos 220 Esmeralada - Yumbo x2 220 Cartago --Dosquebradas 110 Virginia - Alferez * 500 Virginia - Cartago* 220

Juanchito - Paez 220 Alferez - Quimbo 220

Yumbo - San Bernardino 220 Pance - Santander 110 Jamindino - Santander 110

San Bernardino - Jamundino X2 220 Betania - San Bernardino 220 Catumbia - Zoque 110

Popayan - Riomayo 110

Jamundino - Qimbo 220 Altamira - Mocoa 220

THC C Q R

Suroccide ntal S u r o c c id e n ta l Valle C auca Nariño Putumayo A n ti o q u ia C h o c o

Antioquia - C hoco

O r ie n ta l

Bogotá - C undinamarca Me ta - Guaviare

55

Anexo C: Graficas transferencia.

67

79