La previsió, és una eina essencial per a la planificació i la presa de decisions en la indústria energètica i s'han utilitzat diversos mètodes de previsió per part dels planificadors de les utilities (Taylor et al, 2007; Hahn et al, 2009).
Les empreses elèctriques escolleixen de forma independent un o diversos mètodes per realitzar la seva previsió a llarg termini per determinar els seus ingressos i el disseny de tarifes per a cada segment de clients. També proporcionen aquesta informació als TSO per a la previsió de càrrega entre països.
|
Font: Ivie |
Amb la modernització de la xarxa elèctrica, aquestes empreses han afrontat reptes per preveure amb precisió la demanda, particularment amb la ràpida integració dels recursos energètics distribuïts (DER) i l’eficiència energètica (EE). Els canvis en la demanda d’electricitat del client amb la integració d’aquestes tecnologies han afectat significativament el cantó de la demanda dels mercats energètics i han fet augmentar la diversitat entre països de la demanda d’electricitat del client. Això augmenta la necessitat de comprendre millor l’aprofitament de les càrregues realitzades a nivell d’
utility d’àmbit estatal per aconseguir una previsió de càrrega elèctrica transparent i precisa. A nivell nacional, això és particularment important per a la planificació del transport perquè requereix inversions altament costoses i irreversibles i la previsió de càrrega entre països a llarg termini és un factor important per a la planificació del transport.
|
Font: El País |
A continuació, es parlarà de la importància d’incorporar l’eficiència energètica i els recursos energètics distribuïts en els mètodes de predicció de càrregues adoptats habitualment per les utilities. Concretament, s'il·lustraran els efectes incrementals de considerar l'eficiència energètica i la distribució solar distribuïda sobre la precisió de la previsió de la càrrega. A més, s'examinaran les implicacions de la futura integració fotovoltaica (PV) i l'adopció d'EE en les previsions a llarg termini. En general, es conclou que:
1.- Cal tenir en compte que els EE i els DER en la previsió d’ús d’electricitat generen resultats diferents de l’escenari sense aquestes consideracions.
2.- Diferents metodologies tenen diferents nivells de rendiment de la precisió, que també poden variar segons el segment de clients. Això mostra la importància de la precisió i la transparència en els mètodes nacionals de la predicció de càrregues utilitzats per les utilities.
3.- La demanda màxima prevista és diferent en aquests escenaris d’integració de les EE i les DER sense aquestes consideracions i les diferències s’ampliaran amb el pas del temps. Finalment, la discrepància entre les previsions de demanda màxima augmenta amb nivells més elevats dels escenaris amb integració solar i la diferència no és menyspreable, especialment per a previsions molt properes en el futur.
Previsió de la càrrega als mercats nacionals
Els recents canvis de la indústria energètica, estimulen l’energia més ecològica i sostenible. No obstant això, també creen diversos reptes per als DSO, planificadors de recursos i responsables polítics pel que fa a la previsió de la demanda del sistema. Actualment, les utilities opten per mètodes per predir la seva demanda a llarg termini i utilitzar els pronòstics per planificar el lliurament d’energia a clients d’ús final de forma independent, requisits d’ingressos i disseny de tarifes per a cada segment de clients, és a dir, residencials, comercials i industrials. Típicament, les previsions de demanda específica del client s’estimen per separat i s’agregen per representar la demanda total dels clients. Els serveis elèctrics proporcionen les seves previsions a llarg termini als planificadors nacionals de transport i als sistemes per a la planificació de la càrrega nacional. Malgrat això, els reguladors no requereixen als DSO que utilitzin un enfocament uniforme per a les seves previsions de càrrega, de manera que poden decidir l'enfocament de previsió més adequat per al seu propi negoci.
La figura 1 mostra les parts que utilitzen la previsió de càrrega elèctrica, el flux d'informació entre els DSO i l'operador nacional del sistema.
|
Previsió de la càrrega (Font: IEEE Smart Grid) |
Atès que cada utility té els seus models de negoci únics, els territoris de servei i els perfils de clients, permeten obtenir resultats de previsió de càrrega mitjançant diferents mètodes. A més, sovint no hi ha transparència en la granularitat dels enfocaments de la previsió utilitzats en els DSO, per la qual cosa es planteja si l’agregació de diferents resultats de previsió és adequada tenint en compte els diferents enfocaments de previsió utilitzats per les utilitats. A més, no hi ha un enfocament uniforme sobre com tenir en compte l'EE i la integració de DER en la previsió de càrrega a llarg termini per a diferents segments de clients. Tot i que de moment no és una pràctica habitual per a tots els DSO, alguns han fet ajustaments per tenir en compte els recursos energètics del costat de la demanda, inclosa la demand response, en que distribuïen un estalvi d'eficiència solar i d'eficiència energètica en les seves previsions de càrrega per a diferents sectors de consum final. Tanmateix, aquests ajustaments es basen en hipòtesis, que poden introduir inexactituds en la generació de distribució solar projectada i l’estalvi d’eficiència energètica.
Metodologia
Utilitzen dos mètodes empírics per predir la demanda d’electricitat nacional per segments de clients residencials i comercials, i il·lustrar els resultats mitjançant l’exemple del pasís del servei
S’analitzen i es comparen els escenaris següents per mostrar les diferències en les previsions elèctriques:
Escenari 1: Model tradicional vs Model actualitzat: predicció de la demanda elèctrica residencial i comercial mitjançant el mateix mètode empíric amb i sense ajustaments EE i DER.
Escenari 2: diferents mètodes: preveure la demanda elèctrica residencial i comercial mitjançant mètodes empírics diferents.
Escenari 3: diferents mètodes i paísos: preveure la demanda d’electricitat residencial en dos estats diferents amb mètodes diferents.
Les especificacions empíriques per a l'estimació de la demanda residencial i comercial són àmpliament utilitzades en la literatura acadèmica i de la indústria (Hagen i Behr 1987, Kyriakides i Polycarpou, 2007; Hahn et al. 2009), així com són àmpliament utilitzades per les utilities per gestionar a curt termin i la predicció a llarg termini dels segments de clients (Hahn et al., 2009). Les dades del 2007 al 2015 s’utilitzen per estimar el model, i les dades del 2016 al 2017 s’utilitzen per a la previsió. Considerar que la previsió de demanda d’electricitat s’estima controlant els factors d’economia específics del clima i del país, a més del preu de l’electricitat i el preu dels substituts (és a dir, el gas natural).
Simulació
Per il·lustrar més les implicacions a llarg termini de no incloure els estalvis de DER i EE en la previsió màxima de la demanda a llarg termini, es van desenvolupar un model de simulació per projectar la demanda màxima d’estiu residencial fins al 2030 tenint en compte diferents escenaris d’integració solar fotovoltaica i EE. les diferències en els resultats de la previsió s’amplien amb un horitzó de temps més llarg i amb l’aprofitament creixent de la solar solar.
A partir de les simulacions de demanda màxima, es conclou el següent:
1.- Cal tenir en compte l'eficiència energètica solar i distribuïda residencial en la demanda màxima ja que, genera resultats diferents de previsió de l'escenari sense aquestes consideracions.
2.- La demanda màxima prevista és diferent en aquests escenaris d’integració DER i EE, i les diferències s’amplien amb el pas del temps. Finalment, la discrepància entre les previsions de demanda màxima augmenta amb nivells més elevats d’escenaris d’integració solar i la diferència no és menyspreable, especialment per a previsions molt properes en el futur.
Conclusió i debat
El pas a un sistema d’energia elèctrica més net i sostenible mitjançant l’adopció de EE i DER ha comportat algunes complicacions en l’ús de les eines de predicció de càrregues existents per a l’elaboració de polítiques i la planificació de recursos. Les mesures d’eficiència energètica, especialment els programes d’eficiència energètica del sector de serveis públics, poden reduir substancialment la màxima demanda d’energia i l’ús d’energia i millorar la fiabilitat del sistema (Berg, 2016). La generació distribuïda, especialment la generació fotovoltaica distribuïda, aporta oportunitats i reptes per a la gestió de la càrrega elèctrica. La generació fotovoltaica a les hores més caloroses del dia pot portar la demanda d’electricitat a nivells extremadament baixos i, al vespre, quan la gent torna a casa per encendre els seus electrodomèstics, la generació de fotovoltaics també disminueix, cosa que requereix una capacitat de generació flexible per entrar ràpidament en línia. El caràcter intermitent de les fonts distribuïdes,
Una de les complicacions és que les eines tradicionals de previsió no consideren necessàriament els impactes dels EE i DER en la previsió de càrrega. Una enquesta realitzada per Carvallo et al. (2016) demostra que els conjunts de variables utilitzades per a la predicció de càrrega per part de les EEE no han canviat durant molt de temps i només algunes d’elles van adoptar noves tècniques de predicció. Els serveis públics i les agències poden prendre decisions de contractació ineficients i infraescalades basades en aquestes previsions de càrrega inexactes. Aquesta anàlisi mostra que la inclusió d’ajustos EE i DER és important mostrant resultats de previsió millorats un cop aquests ajustaments s’inclouen a l’anàlisi de previsió de càrrega elèctrica.
A més, tots els mètodes de previsió es basen en hipòtesis, com ara el creixement del PIB, els canvis demogràfics, els substituts de l’electricitat i els canvis de preus del combustible. En molts casos, els supòsits utilitzats per a la previsió tampoc no s’han canviat durant molt de temps (Caravallo et al, 2016) i les utilitats sovint no revelen els supòsits utilitzats per a les seves previsions. A més, les previsions a llarg termini sovint presenten errors de previsió més grans a causa d’una major incertesa. La nostra anàlisi va demostrar que un mètode amb una bona precisió de previsió en un sector (per exemple, residencial) no podria funcionar tan bé en un altre sector (per exemple, comercial). Per tant, les previsions de càrregues agregades de múltiples serveis elèctrics sense conèixer els seus enfocaments poden introduir esbiaixades en la previsió de càrrega per als operadors regionals. Operadors de sistemes regionals, com MISO, tenen autoritat limitada per comprovar les previsions de càrrega a llarg termini. Concretament, MISO només pot auditar les previsions de càrrega d’un any en el futur per a la seva subhasta de capacitat anual voluntària. La MISO no controla els anys restants perquè els serveis públics no necessiten subhasta de capacitat més d'un any en el futur. Això introdueix reptes addicionals a l’hora de verificar l’exactitud de la previsió de càrrega regional a llarg termini. La transparència entre els serveis públics en termes dels seus mètodes de previsió de càrrega és important per informar les previsions regionals. Això introdueix reptes addicionals a l’hora de verificar l’exactitud de la previsió de càrrega regional a llarg termini. La transparència entre els serveis públics en termes dels seus mètodes de previsió de càrrega és important per informar les previsions regionals. Això introdueix reptes addicionals a l’hora de verificar l’exactitud de la previsió de càrrega regional a llarg termini. La transparència entre els serveis públics en termes dels seus mètodes de previsió de càrrega és important per informar les previsions regionals.
Una altra implicació de la previsió de càrrega és la planificació de recursos relacionada. Les previsions de càrrega de planificació de transmissions són previsions puntuals, que representen la càrrega prevista en una instantània a temps, mentre que la previsió de càrrega del mercat majorista es preveu en temps real. El primer està sotmès a complir amb les obligacions de fiabilitat de la North American Electric Reliability Corporation (NERC) sota model funcional, mentre que el segon es sotmet a l’acceptació de les tarifes de la Comissió Federal de Regulació d’Energia (FERC). Per tant, les previsions de càrrega inexactes agregades pels reguladors regionals poden afectar potencialment la planificació operativa de la transmissió i l’engròs. Tot i que alguns serveis utilitzen ajustaments a les seves previsions de càrrega per tenir en compte l'estalvi d'eficiència solar i d'eficiència energètica, aquests estalvis se solen eliminar de les previsions en lloc de ser inclosos en els models de previsió.
Font: IEEE (Bixuan Sun, Derya Eryilmaz i Rao Konidena)