IEEE Power & Energy Magazine - Spanish - Noviembre/Diciembre 2017 - 56

los conjuntos de NWP, especialmente el enfoque de varios
sistemas, son impulsados por sucesos, producen anomalías y
también alcanzan extremos, incluso con períodos de rendi-
miento de 50 años. Esto es claramente distinto de los méto-
dos estadísticos porque incluso largas series de datos histó-
ricos contienen una cantidad demasiado pequeña de sucesos
extremos que afecten los algoritmos de aprendizaje.
Las predicciones de conjunto basadas en estadísticas
resultan de enfoques estadísticos basados en la teoría de
cópulas aplicada para generar escenarios a partir de las dis-
tribuciones de probabilidad producidas por un modelo esta-
dístico. Estas situaciones guardan cierta similitud con los
conjuntos físicos.
La representación de incertidumbre de los conjuntos físi-
cos y estadísticos se construye para captar la variabilidad
espacial y temporal, tales como los desniveles de carga, y
detectar, con caracterización de probabilidad, posibles ano-
malías como, por ejemplo, sucesos extremos que superan la
velocidad del viento de corte del aerogenerador. Los escena-
rios estadísticos, sin embargo, requieren un análisis de suce-
sos extremos para determinar estas anomalías.

El uso de la incertidumbre de predicción
en prácticas comerciales
En la tarea eólica 36 de la Agencia Internacional de la Ener-
gía (el paquete de trabajo 3, "Predicción de energía eólica";
www.ieaforecasting.dk), la primera descripción sobre el uso
actual de las predicciones de incertidumbre sobre la poten-
cia eólica muestra que hay distintos niveles de conocimiento
sobre la aplicación de predicciones de incertidumbre en el
sector de la potencia en la actualidad. En algunos países,
las normativas carecen de transparencia y la inseguridad se
propaga entre los actores del mercado y los inversionistas. En
otros países, la penetración de la energía eólica aún no es lo
suficientemente alta como para que la incertidumbre en la
producción se convierta en un obstáculo para la integración
eficiente de las energías renovables. Por lo tanto, es intere-
sante observar que la predicción de incertidumbre se ha esta-
blecido más plenamente cuando la penetración ha superado
un determinado nivel (> 30% del suministro de energía bruto
anual) y el costo de integrar FER ha incrementado rápida-
mente, de tal manera que se requirió un cambio de práctica
operativa para el compromiso de la unidad y las decisiones
de asignación de reservas, así como para la toma de decisio-
nes en general.
Aunque en experimentos de laboratorio de la Univer-
sidad de Washington se ha constatado que las decisiones
basadas en la incertidumbre son generalmente mejores,
todavía existe inseguridad en la industria con respecto a
cómo hacer uso de las predicciones de incertidumbre. Aun-
que la evaluación de riesgos y la asignación de reservas se
basan en probabilidades de superación de un límite prede-
finido, hay muchas organizaciones que presentan dificul-
tades para establecer las herramientas y los mecanismos
necesarios para hacer frente a las incertidumbres y emplear
56	

ieee power & energy magazine	

predicciones de incertidumbre para un uso más eficiente de
las reservas.
Un aspecto que está captando más atención últimamente
es el uso de predicciones de incertidumbre para la concien-
cia situacional en las operaciones. Debido a la naturaleza de
salida variable de FER, en la que pequeñas diferencias en la
velocidad del viento pueden tener un gran impacto sobre la
red de potencia, los operadores de pequeñas redes insulares
y aquellos con altos niveles de penetración solicitan informa-
ción sobre la probabilidad de que fuertes desniveles de carga
puedan conducir a una congestión o escasez de potencia en
la red. Esto es especialmente importante para los sucesos de
corte de alta velocidad o en los desniveles de carga máxima
por la mañana y por la noche.
En resumen, hoy en día, las predicciones de incertidum-
bre se usan principalmente en la industria para
✔✔ establecer los requisitos de reserva operativa
✔✔ compromiso de unidad y despacho económico
✔✔ optimización de ofertas de mercado, por ejemplo, mi-
nimizar los costos de desequilibrio
✔✔ operación virtual de la planta de potencia
✔✔ gestión predictiva de la red y asignación de flexibilidad
✔✔ programación del mantenimiento
✔✔ compromiso a largo plazo y planificación de la cartera.
Como indica la discusión anterior, los GRD están ini-
ciando la integración de predicciones de incertidumbre o ya
las están utilizando para determinados problemas de toma
de decisiones. Por el contrario, con la llegada de la tecnolo-
gía de red inteligente, los GRT están comenzando a explorar
las predicciones de energía renovable en los siguientes casos
de uso:
✔✔ predicción de condiciones de funcionamiento de la red
durante las siguientes horas
✔✔ mejorar la programación y la evaluación técnica de los
planes de mantenimiento de transformadores
✔✔ contratar y activar la flexibilidad de las fuentes de
energía distribuida para resolver problemas técnicos
(por ejemplo, problemas de congestión y tensión).
Para los GRT, los desafíos de predicción se relacionan prin-
cipalmente con los requisitos de escalabilidad asociados con
un gran número de plazos tiempo de predicción y la necesi-
dad de tener una representación espaciotemporal de la incer-
tidumbre de predicción, ya que los problemas técnicos son
principalmente locales.

El valor de las predicciones
En el contexto de predicción de la incertidumbre, las métricas
tradicionales como los errores medios absolutos o cuadráti-
cos, proporcionan solo información parcial sobre la capaci-
dad (o calidad) de predicción. Las predicciones de incerti-
dumbre representadas por las distribuciones de probabilidad
pueden evaluarse igualando las probabilidades empíricas y
nominales (denominadas calibración o confiabilidad), el
tamaño de los intervalos de predicción (denominado nitidez)
y la capacidad de proporcionar diferentes distribuciones de
noviembre/diciembre 2017
http://www.ieaforecasting.dk
Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - Noviembre/Diciembre 2017
