IEEE Power & Energy Magazine - Spanish - Noviembre/Diciembre 2017 - 64

capaz de suministrar una fracción significativa de la carga
durante determinadas horas y en determinados días.
Hawái sigue promoviendo las FED que tienen características de generadores convencionales. Después de los requisitos para ampliar la configuración del período de protección
de tensión y frecuencia en 2014, HECO actualmente está
evaluando las capacidades de la caída de frecuencia para los
inversores, con el objetivo final de promulgar los estándares y la infraestructura que habilitan las FED suministrables
para las necesidades de confiabilidad del sistema.

Las FED impactan la capacidad
del CAISO para predecir la carga
La predicción de carga es esencial para la optimización del
mercado y la confiabilidad del sistema. Tradicionalmente, la
predicción de carga fue impulsada por patrones de consumo
del usuario final, como cuándo las personas se despiertan,
salen de su casa para ir al trabajo y regresan a su casa al
acabar de trabajar. Con las FVD, la dependencia de la red
es impulsada tanto por los patrones de consumo del usuario final como por los cambios de la producción de FVD.
Hoy en día, la predicción de la nubosidad FV (irradiancia) se
ha convertido en un elemento fundamental en la predicción
de carga, sumado a otros componentes meteorológicos que
ya eran inherentes a la demanda, tales como la temperatura
y la humedad. Los modelos de predicción de carga se forman utilizando datos históricos reales. La granularidad de
los datos es importante para que el modelo pueda simular
efectos individuales para formar una predicción de la carga.
Puesto que California no mide la generación real de energía FV particular, es desafiante formar de manera eficaz el
modelo de predicción de carga. Actualmente, el CAISO está
utilizando valores de irradiancia históricos actuales para
calcular la producción de FVD para formar los modelos,
pero las inexactitudes en esta estimación aportan al error de
predicción de carga.
A finales de 2016, el CAISO tenía 4,903 MW de generación FV particular. Está previsto que esta cifra se duplique para el 2021. Para un sistema que alcanza su punto
máximo a aproximadamente 50 GW, esta es una penetración considerable.
El Gráfico 4 muestra gráficos estacionales de una de las
áreas de predicción de carga en California. Los gráficos
muestran cómo la forma de la carga ha experimentado una
transición de 2010 a 2016, siendo el 2010 la sombra más clara
y el 2016 la más oscura.
Los modelos de predicción de carga normalmente se
desempeñan mejor con cantidades significativas de datos
históricos. No obstante, los cambios rápidos en las formas
de cargas [véase elGráfico 4(a) y (c) para otoño y primavera,
respectivamente] dificulta el uso incluso de los datos del año
anterior para la formación.
La variabilidad climática agrava el impacto del rápido
crecimiento de la FVD. Los modelos de predicción de carga
pueden seleccionar días históricos de estaciones, días de la
64

ieee power & energy magazine

semana y temperaturas similares y así sucesivamente en los
cuales pueda basarse la predicción de carga. Los efectos de
la nubosidad frente a las condiciones soleadas que se muestran en el Gráfico 5 ilustran un impacto significativo sobre la
carga durante la mitad del día. Estos efectos pueden dificultar que los modelos de predicción de carga seleccionen días
adecuadamente similares.
El 19 de septiembre de 2016, el sur de California, que era
excepcionalmente cálido, tenía un sistema de baja presión,
ascendiendo por la costa desde Baja California. Los meteorólogos pronosticaron que este sistema traería nubosidad y
temperaturas más bajas al sur de California. Si usted fuera
el operador del sistema en tiempo real, ¿esperaría que la tormenta que se acerca aumentara la carga (debido a la pérdida de generación solar) o disminuyera la carga (debido a la
reducción de la temperatura)? El equipo de operaciones en
tiempo real tuvo problemas con esta distribución bimodal de
posibilidades aquel día. Si bien sabían que el sistema de tormentas vendría y que tendría impactos positivos y negativos
sobre la carga, no estaban seguros sobre el impacto neto. En
este día en particular, la carga cayó de manera significativa:
la reducción en la temperatura de alrededor de 10 °F superó
la reducción de la producción de FVD (véase el Gráfico 6).
Lo que hace que un evento como este sea particularmente difícil para los pronosticadores de carga es que, aún
en retrospectiva, no saben cuánto de la reducción de la carga
resultó de la temperatura en comparación con la compensada
debido a la pérdida de generación solar. La falta de la producción de FVD histórica real dificulta la capacidad de los
pronosticadores de carga para analizar el evento, aprender
de este, y formar los modelos para un mejor rendimiento. La
obtención de datos reales de generación FVD en tiempo real
ayuda a gestionar este tipo de eventos.

Plantas de potencia virtuales en
Alemania
Para examinar las opciones de mitigación para gestionar
energías renovables distribuidas, nos centramos en Alemania, con 50 GW de energía eólica y 41 GW de energía FV.
Cerca del 90% de las plantas FV de Alemania (que representa el 37% de la capacidad PV instalada) son más pequeñas de 30 kW. Estas son principalmente sistemas FV particulares conectados a la red de baja tensión (e invisibles para
el operador de red). Aún más difícil es el hecho de que las
instalaciones FV más nuevas tienen a menudo una batería
para aumentar el "autoconsumo" de energía solar. Para predecir la carga neta y equilibrar la red, los operadores de red
deben considerar las variables adicionales de cómo, cuándo,
dónde se utilizan estas baterías.
Para estimar la producción solar, se utilizan los datos en
tiempo real de un conjunto representativo de plantas FV centralizadas para tejados de menores dimensiones y grandes.
Estas estimaciones en tiempo real están disponibles en una
resolución del código postal (véase el Gráfico 7) y son valiosas para los operadores de red.
noviembre/diciembre 2017

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - Noviembre/Diciembre 2017