Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas

Equation Chapter 1 Section 1 Proyecto Fin de Grado Ingeniería de Tecnologías Industriales  Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. Autora: Rocío Mantero Cejudo Tutores: Pedro L. González Rodríguez José David Canca Ortiz Dep. Organización Industrial y Gestión de Empresas I Escuela Técnica Superior de Ingeniería Sevilla, 2017 Proyecto Fin de Grado Ingeniería de Tecnologías Industriales Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. Autora: Rocío Mantero Cejudo Tutores: Pedro L. González Rodríguez José David Canca Ortiz Dep. Organización y Gestión de Empresas I Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2017 Proyecto Fin de Carrera: Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. Autora: Rocío Mantero Cejudo Tutores: Pedro L. González Rodríguez José David Canca Ortiz El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2017 El Secretario del Tribunal A mis padres y a mi hermana Elena.    9 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. AGRADECIMIENTOS En mi primer lugar, y porque sin ellos este trabajo no hubiera tenido sentido, me gustaría agradecer a mis tutores David y Pedro. Por su ayuda, su paciencia y su atención. A mis padres, José María y Reposo, porque tener una hija estudiante de ingeniería no ha sido nada fácil. A mi hermana pequeña Elena por recibirme cada vez que volvía con los brazos abiertos. Al resto de mi familia, por su apoyo y amor incondicional ante cualquier cosa que me proponga. A mis amigos y amigas, por tantos cafés y tantas risas. Y a mis compañeros de la escuela, a los que en gran parte puedo incluir en el anterior agradecimiento, sobrevivir a la ETSI ha sido más fácil gracias a ellos. A todos los que tuvieron una sonrisa en los momentos de flaqueza. Gracias. Rocío Mantero Cejudo Sevilla, 2017 17 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. ÍNDICE DE TABLAS Tabla 1. Evolución de la capacidad instalada alrededor del mundo..………………………….. 33 Tabla 2. Las plantas solares más grandes del mundo..…………………………………………34 Tabla 3. Análisis DAFO Energía Solar. ..……………………………..………………………..38 Tabla 4. Parámetros de la función..………………………………....…………………………..49 Tabla 5. Datos del modelo..…………………………….……………………………..……...…68 Tabla 6. Variables del modelo……………………….……………………………..……...…....69 Tabla 7. Rendimiento energético según cercanía a la torre. . ..……………………………..…..70 Tabla 8. Resultados de los experimentos 1-8. ..……………………………..………………...115 Tabla 9. Resultados de los estudios 1-3. ..……………………………..………………………131 Tabla 10. Variación del beneficio según la capacidad. ..……………………………..……….133 Tabla 11. Variación del beneficio según nt y nv. ..……………………………..……………..133 Tabla 12. Resultados de los dos métodos aplicados en el problema...…………………...……141 Tabla 13. Tabla de tiempos para los dos métodos aplicados en el problema…………….…...142 Tabla 14. Resultados Ejemplo 5 con el algoritmo FW y con linealización……...……………143  19 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. ÍNDICE DE FIGURAS  Figura 1. Campo de heliostatos con torre central. ....................................................................... 23 Figura 2. Espejos de Arquímedes. ............................................................................................... 25 Figura 3. Placa de Buffon. ........................................................................................................... 25 Figura 4. Fotografía de la planta solar de Maadi (Egipto). ......................................................... 26 Figura 5. Funcionamiento de una central termosolar. ................................................................. 27 Figura 6. Funcionamiento de una planta fotovoltaica. ................................................................ 28 Figura 7. Ejemplo de placa solar. ................................................................................................ 29 Figura 8. Tipos de centrales solares. ........................................................................................... 30 Figura 9. Central de canales parabólicos. .................................................................................... 31 Figura 10. Central de torre con campo. ....................................................................................... 31 Figura 11. Central de reflectores lineales de Fresnel. ................................................................. 32 Figura 12. Central de discos parabólicos Stirling. ....................................................................... 33 Figura 13. Kurnool Ultra Mega Solar Park en India. .................................................................. 35 Figura 14. Tecnología de torre central. ....................................................................................... 35 Figura 15. Limpieza con pértiga y agua. ..................................................................................... 40 Figura 16. Limpieza con agua a presión...................................................................................... 40 Figura 17. Limpieza con vapor de agua. ..................................................................................... 41 Figura 18. Limpieza por rodillos autopropulsado. ...................................................................... 41 Figura 19. Limpieza mecánica automatizada. ............................................................................ 42 Figura 20. Limpieza mediante robots. ......................................................................................... 43 Figura 21. Limpieza mediante robots sin agua. ........................................................................... 43 Figura 22. Campo circular con torre en el centro. ....................................................................... 45 Figura 23. Campo circular con torre en un extremo. ................................................................... 46 Figura 24. Campo elíptico con torre en el foco. .......................................................................... 46 Figura 25. Campo elíptico con torre en un extremo. ................................................................... 47 Figura 26. Caso 1 con radiales. ................................................................................................... 47 Figura 27. Caso 2 con radiales. ................................................................................................... 48 Figura 28. Caso 3 con radiales. ................................................................................................... 48 Figura 29. Caso 4 con radiales. ................................................................................................... 49 Figura 30. Parámetros a y b de una elipse. .................................................................................. 50 FIgura 31. Diseño de los anillos del campo. ............................................................................... 51 Figura 32. Diseño de las radiales del campo. .............................................................................. 52 Figura 33. Colocación de nodos de heliostatos. .......................................................................... 52 Figura 34. Arcos (i, j) de un nodo. .............................................................................................. 53 Figura 35. Diseño de un campo circular con torre centrada. ....................................................... 53 Figura 36. Diseño de un campo circular con torre lateral. .......................................................... 54 Figura 37. Diseño de un campo elíptico con torre en un foco. .................................................... 54 Figura 38. Diseño de un campo elíptico con torre lateral. .......................................................... 55 Figura 39. Problema de rutas de vehículos.................................................................................. 57 Figura 40. Solución sin incluir condiciones de Miller-Tucker. ................................................... 60 Figura 41. Selección de la solución inicial en el algoritmo de Frank-Wolfe. ............................. 77 Figura 42. Dirección de mejora en el algoritmo de Frank-Wolfe. .............................................. 78 Figura 43. Ejemplo de problema lineal en algoritmo FW. .......................................................... 80 21 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. NOTACIÓN   e.o.c. En cualquier otro caso < Menor que > Mayor que = Igual a  Menor o igual  Mayor o igual ≠ Distinto de Max Maximizar Min Minimizar s.a. Sujeto a ∈ Perteneciente a ø Conjunto vacío U Unión Ɐ Para todo  Derivada parcial de una función respecto a  ′Función derivada ∆Incremento   23 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1. ENERGÍA SOLAR 1.1 Introducción El Sol, como origen del resto de las fuentes de energía, derrama cada año sobre la Tierra cuatro mil veces más energía de la que se consumirá. Esta energía puede ser aprovechada directamente, o bien transformada, por ejemplo, en electricidad mediante paneles solares fotovoltaicos. La energía solar es la que produce el sol y se convierte a energía útil por el ser humano. Depende de muchos factores como el lugar de la tierra, la altitud, la época del año, la hora, etc.; así como de la orientación del dispositivo receptor. El uso del sol para la producción de energía es a día de hoy una de las energías renovables más usadas y más desarrolladas, quizás por sus grandes ventajas, puesto que es relativamente barata y no contamina. La energía se produce en el Sol tras un proceso de fusión nuclear, y llega a la tierra en forma de luz, calor y rayos ultravioleta. Se puede aprovechar mediante conversión térmica de alta temperatura, en la que pasa a energía térmica almacenada en un fluido; o por conversión fotovoltaica, donde se transforma directamente en energía eléctrica usando placas solares con células fotovoltaicas. A continuación se explican estas tecnologías de manera más detallada. Figura 1. Campo de heliostatos con torre central. Fuente: energiayrenovable.es Hoy en día, la energía solar se aprovecha principalmente de dos formas: 1.1.1 Energía solar térmica En la energía solar térmica se usa la radiación del sol para calentar un fluido que se utiliza para producir agua caliente, vapor o energía eléctrica, según su temperatura. Normalmente, se suelen clasificar en tres grupos los sistemas que aprovechan la energía solar térmica:  Sistemas a baja temperatura: estos sistemas principalmente se usan para producir agua caliente sanitaria y en climatización. El agua se calienta por debajo de 100ºC, su punto de ebullición.  Sistemas a media temperatura: los equipos que trabajan en media temperatura, que se establece entre 100ªC y 300ªC, normalmente calientan agua para su uso (vapor) en procesos industriales, suministro, calefacción, etc.  Sistemas de alta temperatura: para este tipo de sistemas las temperaturas que se necesitan serán superiores a 300ºC, siendo el vapor de agua usado principalmente para producir energía eléctrica en centrales termosolares. 1.1.2 Energía solar fotovoltaica En la energía solar fotovoltaica se produce la energía eléctrica de forma directa a través del efecto fotovoltaico, mediante el uso de células fotovoltaicas. 1.2 Aprovechamiento del Sol. Un poco de Historia La energía del sol ha venido siendo aprovechada desde el origen de los tiempos. Es curioso conocer cómo nuestros antepasados descubrían los beneficios que la estrella les brindaba, comenzando por usos básicos hasta llegar a las tecnologías de las que hoy disponemos. Las primeras menciones que se encuentran son en la Antigua Grecia con Arquímedes. Algunos escritos cuentan que durante la batalla de Siracusa (siglo III a.C.), que enfrentó a griegos y romanos, utilizó espejos hexagonales que concentraban los rayos de sol en la flota romana con el objeto de destruirla. 25 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  Figura 2. Espejos de Arquímedes. Fuente: leyendasmirdalirs.com Ya en el siglo XVI, también comenzó un proyecto relacionado con el sol Leonardo da Vinci, aunque será uno de los que nunca llegó a acabar. Consistía en un concentrador de 6 kilómetros de diámetro compuesto de espejos cóncavos que serviría para la producción de vapor industrial. Dos siglos más tarde, Georges-Louis Leclerc, conde de Buffon, siguió investigando en este mismo campo. Basándose en la guerra de Siracusa y los espejos de Arquímedes, comenzó a experimentar con espejos de cristales de gafas que prendían fuego a varios metros de distancia. Decidió entonces construir un aparato más efectivo, uniendo una gran cantidad piezas de cristal que dieron como resultado un concentrador de energía solar de gran tamaño y consiguiendo por tanto una mayor distancia del foco concentrador de los rayos. Será este mecanismo una de las primeras referencias que tenemos de las actuales placas solares.  Figura 3. Placa de Buffon. Fuente:  recuerdosdepandora.com Si bien quien comenzó a estudiar de lleno la tecnología solar fue Augustin Mouchot, que desarrolló a finales del siglo XIX los primeros sensores solares. Pocos años después, continuaron PS10 y PS20 del complejo Solúcar (Abengoa, 10 y 20 MW respectivamente) en Sanlúcar la Mayor son dos de las plantas españolas más destacables de este tipo. Además, de entre las 10 plantas termosolares más importantes del mundo, gran parte son de torre central, entre ellas la más grande: Ivanpah (NRG Energy, BrightSource Energy y Google, 392 MW), en Estados Unidos, que produce por sí sola el 30% del total de energía solar producida en su país. 1.4.3 Central de reflectores lineales de Fresnel Este tipo de central no es muy habitual porque es novedosa, pero ya se encuentra en fase comercial y conocemos algunos ejemplos en España, como las plantas de Puerto Errado I y II en Calasparra-Murcia (Novatec, EBL, IWB, EWZ, EKZ y EWB, 1.4 y 30 MW respectivamente).  Figura 11. Central de reflectores lineales de Fresnel. Fuente: solar-energia.net Al igual que las centrales de torre, concentran la radiación solar, pero en este caso a lo largo de una línea. Esta “línea” en realidad es un tubo absorbedor situado a varios metros de altura. 1.4.4 Tecnología de discos parabólicos de Stirling Se encuentra aún en fase de pruebas, con vistas a una pronta implantación a nivel comercial. Los campos de este tipo se componen de unidades independientes de discos parabólicos que concentran la energía en un punto y producen de 5 a 25 MW de potencia unitaria. En la Plataforma Solar de Almería, por ejemplo, cuentan con varias unidades prototipo de estos discos parabólicos con motor Stirling (Proyectos DISTAL I, DISTAL II y EURODISH). 33 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. Figura 12. Central de discos parabólicos Stirling. Fuente: solar-energia.net 1.4.5 Las centrales más grandes del mundo Según el informe del último trimestre realizado por la consultora IHS Markit [1], “se confirma el crecimiento durante una década de la demanda solar, y el total de capacidad instalada mundialmente ha alcanzado una cifra récord de 77 GW, suponiendo un 34% de subida anual.” Tabla 1. Evolución de la capacidad instalada alrededor del mundo. Fuente: elperiodicodelaenergia.com  [1]Von Aichberger, S.,& Berg, J., «Solar Thermal Electricity,» Informe, vol. Q1, 2017. En la siguiente tabla se muestran las principales características de las centrales solares más grandes del mundo, siendo Kurnool Ultra Mega Solar Park la más importante. Con sus 1000 MW de capacidad y sus más de 4 millones de paneles solares, ha supuesto con una inversión de alrededor 1100 millones de dólares, cofinanciada por los desarrolladores y la empresa propietaria, estando también una parte subvencionada por el Gobierno. Tabla 2. Las plantas solares más grandes del mundo. Fuente: elperiodicodelaenergia.com Nombre Lugar Empresa constructora Potencia Área Kurnool Ultra Mega Solar Park Panyam Mandal (India) Andhra Pradesh Solar Power Corporation Private Limited (APSPCL) 1.000 MW 24 km2 Longyangxia Hydro- Solar PV Station Qinghai (China) Powerchina 850 MW 9,16 km2 Kamuthi Solar Power Project Kamuthi (India) Adani Green Energy (Adani Group) 648 MW 10 km2 Solar Star Solar Farm I y II Rosamond, California (Estados Unidos) SunPower 597 MW (Conjuntamente) 13 km2 Copper Mountain Solar Nevada (Estados Unidos) Sempra Generation 552 MW 6 km2 Desert Sunlight Desierto de Mojave, California (Estados Unidos) First Solar 550 MW 16 km2 Topaz Solar Farm San Luis Obispo, California (Estados Unidos) First Solar 550 MW 26 km2 35 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  Figura 13. Kurnool Ultra Mega Solar Park en India. Fuente: elperiodicodelaenergia.com 1.5 Tecnología de receptor central o de torre  Figura 14. Tecnología de torre central. Fuente: microsiervos.com Aunque ya se ha hablado de este tipo de plantas en apartados anteriores, éste se centra en ellas más detalladamente puesto que es el tipo que se ha considerado para el trabajo. Como ya se ha dicho, los campos pueden ser circulares o elípticos, y están formados por heliostatos situados en anillos que se orientan (con movimiento independiente) todos a la misma dirección, en este caso una torre. La torre estará situada en algún punto del campo, bien puede ser el centro, algún extremo, o por ejemplo un poco de la elipse. En muchos de los casos, sobre todo en las centrales más antiguas, se usa el calor de los rayos que enfocan a la torre para calentar agua, y el vapor de agua resultante impulsa una turbina que produce energía. Nuevas tecnologías utilizan sodio líquido, o bien sales fundidas (compuestas por nitrato de potasio y nitrato de sodio). Su alta capacidad calorífica permite que almacenen energía antes de usarla para calentar el agua que generará el vapor para impulsar las turbinas. Permiten la generación de electricidad incluso cuando el sol no incide sobre el campo, puesto que parte de las sales se almacenan en un tanque caliente capaz de conservar el calor para utilizarlo en ese caso. Un buen ejemplo de este último tipo de torre, torre con sales, lo tenemos en la Planta Gemasolar de la empresa Torresol en Fuentes de Andalucía, Sevilla, donde se producen 20 MW. 1.6 Impacto ambiental Bien sabido es que el sol es fuente de energía limpia, que no emite contaminación y produce electricidad de manera sostenible. Sin embargo, también tiene algunas desventajas, que teniendo en cuenta el alcance del proyecto puede tener sus consecuencias respecto al impacto ambiental que puedan producir. En los siguientes subapartados se exponen algunos de estos riesgos. 1.6.1 Riesgos relacionados con la ubicación de la planta Dependiendo del lugar de construcción, y también del tamaño de la planta, las centrales solares pueden generar degradación del suelo y pérdida de hábitats. Además, la naturaleza reflectiva de los heliostatos y el aire supercalentado existente encima de las plantas se tienen en cuenta a menudo como riesgos ecológicos para los pájaros y otra fauna. 1.6.2 Consumo de agua En las plantas solares se utiliza una gran cantidad de agua tanto para su funcionamiento como para su enfriamiento. También se usa agua para la limpieza de los paneles, siendo este el eje conductor de este trabajo. Algunas centrales pueden gastar hasta 3000 litros por MW-hora de electricidad productiva. Todo ello depende, como ya se ha dicho, del tipo de planta, del sistema de refrigeración que utilice, de sus dimensiones y su localización. Para evitar este problema, existe la tecnología de enfriamiento en seco, que reduce en un 90 % la necesidad de agua; aunque es obvio que los costes son mayores y se pierde eficiencia. 1.6.3 Uso de sustancias perjudiciales para el medio Primeramente, en la fabricación de las células solares intervienen gran cantidad de sustancias químicas, tales como ácido clorhídrico, ácido sulfúrico, ácido nítrico, fluoruro de hidrógeno, 1,1,1-tricloroetano y acetona. Es por ello que los trabajadores están expuestos en gran medida a este tipo de sustancias, que variarán en tipo y cantidad según la célula concreta con la que se esté trabajando. 37 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. En los paneles de capa fina se usan otras sustancias muy tóxicas como arseniuro de galio, diseleniuro de cobre, indio, galio y teluro de cadmio, que deben ser desechadas correctamente para evitar que produzcan un problema de contaminación medioambiental. 1.6.4 Emisión de gases a la atmósfera La energía solar es una energía limpia, aunque se produce algo de CO2 asociado al ciclo completo de producción. Las emisiones están ligadas principalmente a la fabricación, transporte, instalación, mantenimiento, etc… Aun así, los aportes de dióxido de carbono son muchísimo menores que en el caso del gas o el carbón, como sucede en cualquier fuente de energía renovable. 1.7 Impacto social y económico Como tecnología relativamente nueva, y en continuo desarrollo, la energía solar genera buenos datos económicos año tras año. El volumen anual de mercado en todo el mundo es de unos 3000 millones de dólares, y mientras que hace 10 años la capacidad instalada mundialmente era de 0.5 GW, ahora ronda los 5 GW. En Andalucía ya se dispone de un amplio tejido empresarial con alrededor de 1000 MW repartidos en la veintena de plantas ubicadas en la comunidad. El uso de la energía solar puede conllevar el aumento de empleo en algunas regiones donde se concentren las plantas, así como una mayor reducción de los gases invernadero emitidos a la atmósfera. En algunos informes consultados de GreenPeace[2], se añade que “la energía solar termoeléctrica podría suministrar el 6% de la demanda de electricidad global para 2030 y alcanzar el 12% en 2050, si se dan las condiciones adecuadas” y “podría generar 2.7 millones de empleos para 2030”. Otra aportación llamativa es que “las emisiones de CO2 asociadas a la fabricación, instalación y funcionamiento de una central solar a lo largo de 20 años se recuperan en los 3 o 6 primeros meses de funcionamiento”. Con estos datos se puede concluir que el futuro es esperanzador, ya que el perfeccionamiento de la tecnología y su producción en masa harán que los precios bajen, aumente la demanda y que sea finalmente una energía más accesible y barata para nuevos usuarios; lo cual da lugar a un impacto social y económico positivo.    [2]GreenPeace, SolarPaces, & STELA, «Solar Thermal Electricity,» Informe, p.5, Febrero 2016. Tabla 3. Análisis DAFO Energía Solar. Fortalezas Debilidades -Gran cantidad de horas de sol en buena parte del planeta -Disponibilidad de terrenos adecuados -Apoyo de administraciones y sociedad -Número limitado de proveedores -Necesidad de terrenos adecuados -Necesidad de grandes recursos hídricos Oportunidades Amenazas -Disminuye la dependencia energética de los países -Reducción de gases invernaderos -Expansión internacional -Creación de empleo -Atracción de inversores -I+D -Indefinición del marco legal -Impacto ambiental -Falta de nuevas tecnologías 39 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 2. SISTEMAS DE LIMPIEZA 2.1 Introducción Los heliostatos son parte fundamental de las centrales solares. Su rendimiento depende de factores tales como su buena orientación o su adecuado mantenimiento. Además, estas plantas normalmente se sitúan en grandes terrenos arenosos y polvorientos, por lo que el rendimiento de los paneles y por tanto, de la central generadora, puede ser también gravemente perjudicado si no se realizan limpiezas periódicas. Otros residuos que cubren los paneles, dependiendo de la ubicación exacta, pueden ser el polen, hojas, depósitos salinos en áreas cercanas al mar y excrementos de aves. Dicha suciedad irá acumulándose sobre la superficie del heliostato, haciendo que llegue menos luz a las células fotovoltaicas y con la consiguiente pérdida de energía que eso supone. Las pérdidas por la acumulación de suciedad en la superficie de las placas están entre el 10 % y el 15 %, aunque dependen del tipo de captadores y sus características (sensibilidad, precisión…) Por todo esto, deben planificarse las tareas de limpieza periódicas con objeto de tener la mayor parte de los paneles funcionando en perfecto estado y en óptimas condiciones. Sin embargo, ningún factor indica con qué frecuencia se debe hacer, lo que dependerá en gran medida de la ubicación de la central solar, viéndose afectadas en mayor medida las que se encuentren en zonas montañosas, cercanas a zonas industriales o agrícolas… Además, el factor de ensuciamiento es un parámetro que se suele tener en cuenta a la hora de estimar las pérdidas monetarias de las empresas, ya que pueden reducir hasta un 5% la producción total de energía en la planta. Teniendo en cuenta estas pérdidas en un buen horizonte temporal, suponen a largo plazo un razonable descenso de los beneficios. 2.2 Tipos de sistemas de limpieza A continuación, con vistas a analizar las ventajas y desventajas de cada uno de ellos, se realiza una clasificación de los diferentes métodos de limpieza existentes en el mercado según las siguientes características: con o sin rozamiento, limpieza en agua o en seco y manual o mecanizado.  Limpieza con pértiga y agua Es un método con rozamiento, de limpieza en agua y manual. Las pértigas contienen un cepillo en su extremo, normalmente de poliéster, de tal forma que no causen daños en el heliostato. El agua es proporcionada por una máquina (manguera de hasta 100 metros) que impulsa el agua, de manera que la suciedad desprendida por el roce del cepillo va siendo arrastrada. Sin embargo, solo puede usarse en superficies de hasta 20 metros de altura.  Figura 15. Limpieza con pértiga y agua . Fuente: limpiezaplacassolares.com  Limpieza con agua a presión Nos encontramos ante un caso sin rozamiento, con agua y mecanizado. Consiste en un equipo de limpieza a presión que normalmente incorpora una plataforma en la que se sitúa el operario, que se encargará de las tareas de limpieza con la manguera a presión. También puede ser dirigido por un sistema automático. Una de las más notables desventajas de este sistema es que requiere de mucho tiempo, lo cual sería inviable en campos de grandes dimensiones. Figura 16. Limpieza con agua a presión. Fuente: infobae.com  Limpieza con vapor de agua Utiliza el vapor de agua para la limpieza de los heliostatos, siendo el sistema muy parecido al anterior. Además del mecanismo anterior, dispondrá de un equipo calefactor que proporcione el vapor, y de una campana que lo dirija hasta la superficie del panel. 41 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  Figura 17. Limpieza con vapor de agua. Fuente: ECOticias.com  Limpieza por rodillo autopropulsado Sistema por rozamiento, con agua y mecanizado. Está formado por un mecanismo con un rodillo que gira en su extremo, y que al aproximarse al heliostato lo limpia. El operario se encarga desde la máquina de dirigirlo, sin necesidad de estar subido en la plataforma como en otros casos, lo que hace este método más seguro. Sin embargo, si el rodillo no se dirige adecuadamente, puede causar daños graves en el panel. Figura 18. Limpieza por rodillos autopropulsado. Fuente: playser.com  Limpieza mecanizada automática  Figura 27. Caso 2 con radiales.Fuente propia.  Caso 3  Figura 28. Caso 3 con radiales. Fuente propia.  Caso 4 49 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  Figura 29. Caso 4 con radiales. Fuente propia. 3.2 Procedimiento para la construcción de topologías de campos solares 3.2.1 Parámetros Además de los parámetros referidos al campo que ya se han mencionado anteriormente, las funciones que crean la matriz de distancia entre nodos incluyen algunos datos más que hay que introducir, tales como: Tabla 4. Parámetros de la función. NOTACIÓN DESCRIPCIÓN Torre A elegir entre 'casoX' para los 4 casos existentes, se puede escribir también entre comillas simples. n Número de calles concéntricas a la forma elegida. r En el caso de que se tome forma circular, radio mayor del campo. a En el caso de que se tome forma elíptica, parámetro a de la elipse (distancia en el eje Y). b En el caso de que se tome forma elíptica, parámetro b de la elipse (distancia en el eje X). anchopanel Dato del ancho que tendrán los paneles seleccionados. rad Número de calles radiales a la forma seleccionada. densidad En torno a 0.005 heliostatos/metro lineal –Se consideran paneles de 10 metro de largo agrupados de 20 en 20.  Figura 30. Parámetros a y b de una elipse. Fuente: universoformulas.com 3.2.2 Mensajes de error Se incluyen también varios mensajes de error dentro de la función en el caso en el que se produzca algún fallo. Para ello se utilizan variables ‘bandera’. La función devuelve diferentes mensajes de error cuando: I. Los datos de entrada no son correctos (Ejemplo: introducir un radio si se elige forma elíptica). II. La disposición de torre no coincide con la forma del campo (Ejemplo: no existe 'caso3' para campo 'circular'). III. Se introduce una forma que no está contemplada (Ejemplo: 'cuadrada') IV. No caben los paneles porque: a) Se ha tomado un alto número de calles. b) La holgura que se toma es demasiado "conservadora". c) Los paneles son excesivamente grandes. 51 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 3.2.3 Estructura de la función A continuación se explica de forma breve el esquema que sigue la función con que la se obtiene la matriz de distancias entre los nodos del campo. Las imágenes que se muestran corresponden a un campo circular de torre centrada con 2 anillas y 3 radiales, y con una densidad muy pequeña para mayor claridad. La función comienza a establecer el campo según la forma elegida, sus diferentes anillos interiores, y la torre en la posición correspondiente. En todo momento, como ya se ha visto, aparecen una serie de banderas que interrumpen el código en el caso de que se produzca alguna incoherencia.  FIgura 31. Diseño de los anillos del campo. Fuente propia. Seguidamente, se introducen las ecuaciones de las radiales, y se hallan los puntos de corte entre los anillos y las radiales, que serán considerados nodos de la malla. Los nodos de “cruce” se representan mediante puntos azules en la figura.  Figura 32. Diseño de las radiales del campo. Fuente propia. Después se colocan los heliostatos agrupados en nodos a partir de la densidad, y se forma el vector de nodos. En la siguiente imagen los nodos de heliostatos se corresponden con los puntos amarillos. Figura 33. Colocación de nodos de heliostatos. Fuente propia. El vector nodos agrupa tanto a los nodos de “cruce” como a los nodos de heliostatos, y todos éstos se unirán mediante arcos a sus nodos contiguos, tanto en el mismo anillo como en el resto. Se calculan para ellos las distancias simples. En el siguiente ejemplo se pueden ver los “vecinos” del nodo 1, que serán {2, 3, 4}, formándose los arcos (1,2), (1,3) y (1,4). 53 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  Figura 34. Arcos (i, j) de un nodo. Fuente propia. Finalmente, se obtiene la matriz de distancias entre todos los nodos de la red con ayuda de la librería de grafos networkx. Para concluir, se muestra cómo quedarían los 4 tipos distintos de diseño de campo, incluyendo todos los elementos: torre, anillos, radiales y nodos. Como anteriormente, la densidad de los heliostatos se toma baja para mayor sencillez de la figura.  Campo circular con torre en el centro.  Figura 35. Diseño de un campo circular con torre centrada. Fuente propia.  Campo circular con torre en un extremo lateral.  Figura 36. Diseño de un campo circular con torre lateral. Fuente propia.  Campo elíptico con torre en el foco.  Figura 37. Diseño de un campo elíptico con torre en un foco. Fuente propia.  Campo elíptico con torre en un extremo lateral. 55 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  Figura 38. Diseño de un campo elíptico con torre lateral. Fuente propia. 57 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 4. EL PROBLEMA DE RUTAS DE VEHÍCULOS (VRP) El problema de rutas de vehículos (Vehicle Routing Problem) es uno de los problemas más conocidos de optimización combinatoria y programación entera. Se planteó hace más de 50 años, siendo la evolución del también conocido Problema del Viajante. Principalmente trata de establecer las rutas óptimas de los vehículos para repartir una mercancía entre un conjunto dado de clientes, estando sujeto a una serie de restricciones:  Los clientes se visitan una sola vez y por un solo vehículo.  Todas las rutas comienzan y terminan en el mismo punto.  Los vehículos tienen una capacidad, que es conocida, y no puede ser superada por la demanda que se cubre en la ruta.  La longitud de la ruta también tendrá un valor máximo que deberá ser respetado. En cuanto al objetivo del problema, depende de los datos que se conocen y la tipología del problema, aunque normalmente se usarán las funciones típicas de este tipo de casos: maximizar beneficios, minimizar el coste total, minimizar la distancia o el tiempo, equilibrar los recursos… En la figura se puede observar gráficamente el funcionamiento del VRP.  Figura 39. Problema de rutas de vehículos. Fuente: Wikipedia  Relacionadas con los operarios Tal y como sucede en el caso de los vehículos, mientras mayor número de operarios trabajen en la planta, más cortos serán los ciclos de limpieza de la central completa, y menos tiempo estarán los paneles “sucios”. Esto supone incrementar su rendimiento y como consecuencia, el beneficio total de la planta. No obstante, el coste del sueldo de los empleados implica una razonable disminución de los beneficios anuales obtenidos por la empresa. Además, debe tenerse en cuenta que el horario de trabajo, el número de turnos y el clima laboral serán factores que afecten al rendimiento de los trabajadores, y que, por tanto, influyen en el rendimiento general de la planta. 5.1.1 Índices Se trabajará con los índices ,,, que se explican a continuación. : representa el número de heliostatos del campo, desde 1 hasta N, siendo N el número de nodos obtenidos del campo diseñado. : representa el número de heliostatos del campo, desde 1 hasta N. : representa el número de vehículos disponibles, es decir, la flota que posee la empresa, hasta un máximo de  (ver en datos). : representa el número de zonas en las que se divide el campo, en este caso se decide que cada anillo del campo (dato necesario para el diseño) sea considerado una zona distinta. Por tanto, existirán tantas zonas como anillos tenga el parque solar. Además, el índice se inicia en el anillo de menor extensión aumentando hasta el que abarca todo el campo. 5.1.2 Datos : Número de nodos de heliostatos en la zona z. : Rendimiento energético de la zona z. : Energía máxima que se obtiene en cada zona. : Factor de ensuciamiento diario. : Precio del MW. : Consumo unitario de combustible en operaciones de transporte. : Consumo unitario de combustible en operaciones de limpieza. : Precio unitario del litro de combustible. : Consumo unitario de agua. 65 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. : Precio unitario por litro de agua. : Número máximo de heliostatos que puede limpiar un vehículo en una ruta, es decir, su capacidad. : Demanda de heliostatos por ruta. : Número de vehículos. : Coste unitario del vehículo. : Coste del vehículo. ∙ (5-1) : Número de operarios por turno, siendo í el número de operarios necesarios para manejar un vehículo. ∙ (5-2) : Coste unitario del operario. : Coste de operario. ∙∙ (5-3) : Número de turnos por día. : Número de horas del día que está produciendo la planta 5.1.3 Variables : Duración del ciclo de limpieza, es decir, tiempo que se tarda en limpiar todo el campo de heliostatos completo. Vendrá dada en días. : Variable binaria que indica: 󰇥1í󰇛,󰇜 0.. : Variable binaria que indica: 󰇥1úí󰇛,󰇜 0.. : Coste del combustible total que genera la planta durante el año, se muestra en la siguiente fórmula: 󰇯󰇭 , 󰇮∙   ∀ ∙󰇰∙365 ∙,Ɐ (5-4) Donde  son las distancias, las variables binarias asociadas a los arcos,  la duración del ciclo,  el coste unitario de combustible y  el precio unitario de combustible. : Coste anual del agua, que viene dado por la expresión: 365 ∙∙  Ɐ ∙ (5-5) Donde  es la duración del ciclo,  el coste unitario del agua,  es el número de heliostatos por zona y  el precio unitario del agua. : Variable asociada a las condiciones de Tucker-Miller. 5.1.4 La función objetivo El objetivo del problema será maximizar los beneficios, teniendo en cuenta las ganancias y los gastos. En el primer término se muestran los ingresos derivados de la producción, apareciendo variables de energía, rendimiento, horas de producción; teniendo en cuenta las pérdidas referidas al factor de ensuciamiento. En los sucesivos términos, se restan los costes asociados al agua, combustible, vehículos y operarios. Cabe destacar que, a la hora de implementar el modelo en el software, se sustituyeron directamente las fórmulas de los dos primeros costes  y , con el objeto de que la única expresión no lineal fuera la función objetivo para aplicar a continuación el método de Frank- Wolfe. max  ∙∙∙  2∙∙∙365∙∙ Ɐ  (5-6) 5.1.5 Restricciones  Con esta primera restricción se garantiza que ningún nodo de heliostatos quede sin limpiar, comenzando por el primer nodo que será el puno de arranque. Además, se visita una única vez. 1   ,  2,3,…,; Ɐ  (5-7)  Así mismo, al terminar de limpiar un nodo, se debe avanzar a limpiar el siguiente. Estas dos primeras restricciones se relacionan con las rutas de limpieza. 1, 2,3,…,; Ɐ    (5-8) 67 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  A continuación, se garantiza el uso de todos los vehículos disponibles en la flota, imponiendo que salgan del depósito los  vehículos de la flota.    (5-9)  Igualmente deben ser  los vehículos que regresen al depósito.    (5-10)  La demanda que cubre cada vehículo en su ruta debe ser como máximo igual a la capacidad del vehículo. , Ɐ;Ɐ      (5-11)  Se añade una restricción de continuidad asociada a cada nodo, imponiendo que el vehículo que llega es el mismo que el que sale.       ,Ɐ,;Ɐ  (5-12)  La siguiente restricción relaciona las variables de los arcos, teniendo en cuenta que, si los arcos no están vacíos (variables ), deben estar llenos con alguno de los vehículos (variables 󰇜.    ,Ɐ,  ;Ɐ  (5-13)  Las condiciones de Miller-Tucker, como ya se añadió anteriormente, sirven para evitar que se produzcan subrutas entre nodos. ∙,,  2,…,; Ɐ  (5-14)  Finalmente, se añaden restricciones para que las variables definidas como binarias lo sean. ∈󰇟0,1󰇠Ɐ,, ∈󰇟0,1󰇠Ɐ, 5.1.6 El modelo final Finalmente, se muestra el modelo completo, quedando de esta forma.  Datos Tabla 5. Datos del modelo. Notación Descripción  Número de heliostatos en la zona z.  Rendimiento energético de la zona z.  Energía máxima que se obtiene en cada zona.  Factor de ensuciamiento diario.  Precio del MW.  Consumo unitario de combustible en operaciones de transporte. Consumo unitario de combustible en operaciones de limpieza.  Precio unitario del litro de combustible.  Coste unitario del agua.  Precio unitario por litro de agua. Capacidad del vehículo.   Demanda de heliostatos por ruta.  Número de vehículos.  Coste unitario del vehículo.  Coste del vehículo.  Número de operarios por turno. í Número de operarios necesarios para manejar un vehículo.  Coste unitario del operario.  Coste de operario.  Número de turnos por día. Número de horas del día que está produciendo la planta. 69 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  Variables Tabla 6. Variables del modelo. Notación Descripción  Duración del ciclo de limpieza.  Si el vehículo k viaja por el arco (i, j).  Si algún vehículo viaja por el arco (i, j).  Coste del combustible total.  Coste anual del agua.   Variable asociada a las condiciones de Tucker-Miller.  Modelo completo: max  ∙∙∙ 2∙365∙∙ Ɐ  s.a: 1   ,2,3,…,;Ɐ 1,2,3,…,;Ɐ         ,Ɐ;Ɐ           ,Ɐ,;Ɐ    ,Ɐ,;Ɐ ∙,,2,…,;Ɐ ∈󰇟0,1󰇠Ɐ,, ∈󰇟0,1󰇠Ɐ, 5.2 El problema aplicado En los siguientes apartados se describen los valores usados a la hora de diseñar e implementar el modelo para el problema objeto de este trabajo.  Sobre el campo y los heliostatos El número de heliostatos en la zona z, , vendrá dado por la función de diseño del campo mediante un vector. Así mismo, el rendimiento energético de la zona z, , es un dato conocido a priori, y será mayor cuanto más cerca se encuentre la zona de la torre. Por tanto, los anillos o zonas con índices más bajos tendrán mayor rendimiento, y éste irá disminuyendo a medida que aumente el índice. Se considerarán los siguientes rendimientos para un máximo de 6 anillos, recordando que el anillo 1 será el que más cerca se encuentre de la torre, y por tanto, con mayor rendimiento. Tabla 7. Rendimiento energético según cercanía a la torre. Para cualquier caso con menos de 6 anillos, simplemente se tomarán los rendimientos correspondientes a éstos. Por ejemplo, para 2 anillos, los rendimientos serán de 85% y 80% en el primer y segundo anillo respectivamente. La energía máxima en la zona con rendimiento del 100% se fija en 11,448·10-3 MW/hora, haciendo un total de 0.2747 MW/día. El factor de ensuciamiento diario es el mismo para todo el campo y se establece en un 2% de pérdidas. El precio de venta del MW  se toma de los datos actuales existentes en el mercado, quedando en 60 €/MW.  Sobre costes de combustible El consumo unitario del combustible referido al transporte  se fija en 8 litros/km, mientras que el referido a limpieza  es de 8 litros/km. Sin embargo, al venir la matriz de distancias dada en m,  será igual a 0,008 litros/metro. El precio unitario del litro de combustible  se toma como 0,75 €/litro. Número de anillo Rendimiento  (%) 6 50 5 55 4 60 3 70 2 80 1 85 71 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  Sobre costes de agua El consumo unitario de del agua por heliostato  se establece en 30 litros/heliostato y el precio unitario por litro , al igual que el del combustible, será de 0,75 €/litro.  Sobre los vehículos El número máximo de nodos de heliostatos que puede limpiar un vehículo en una ruta, es decir, su capacidad , será variable según las características del robot utilizado. Se podrán tomar distintos escenarios a la hora de trabajar con el problema. Además, para facilitar la comprensión, se considerará la misma capacidad para todos los vehículos.  es el número de heliostatos que se agrupan en una ruta, y será también una constante para todas las rutas. Su valor vendrá definido por el valor que se le dé a la capacidad, teniendo en cuenta que cada nodo está compuesto por la agrupación de 20 heliostatos. Para simplificar el problema  tendrá un valor constante de 1. La flota que posee la empresa, es decir el número de vehículos , podrá ser un número relativamente indefinido, aunque se han de tener en cuenta los costes que esto supone. Los costes unitarios asociados a los vehículos serán de 20000 €/año.  Sobre los operarios En cuanto a los operarios, para simplificar, íse fija en 1 operario, luego el número de operarios será el mismo que el de vehículos . El coste unitario del operario está cifrado en 26500 €/año. En cuanto al número de turnos por día, podrá tomarse 1 si la planta está en funcionamiento 8 horas, 2 si lo está durante 16 horas, y si funciona las 24 horas del día serán 3 los turnos. Por convenio se establecen 2 turnos de 8 horas cada uno, 16 horas en total. Finalmente, se selecciona el número de horas del día que está produciendo la planta. A pesar de que la planta funciona durante 16 horas al día, no se produce en todo momento. Aplicando una reducción de tiempo por motivos varios (set up, avería, paradas programadas, mantenimiento…), se podrían tomar un total de 12 horas al día de producción de energía. Como dato, la productividad será entonces del 75%. 73 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 6. RESOLUCIÓN DE PROBLEMAS NO LINEALES Existen gran cantidad de problemas que son difíciles de resolver por métodos exactos, bien por el tiempo necesario de resolución o por el gran abanico de soluciones que presentan. Es por ello que los métodos aproximados y las heurísticas se presentan como una primera opción para abordarlos. Estos algoritmos buscan buenas soluciones inspirados en la naturaleza, así como en la experiencia y la intuición de quienes los idearon; y aunque no garantizan la solución óptima, sí que aseguran una lo suficientemente buena. Además, los tiempos de resolución son mucho menores, y se pueden abordar problemas con elevado número de nodos y diversos tipos de restricciones de forma sencilla. Sin embargo, en la resolución de problemas de optimización tipo NP-Hard es poco probable encontrar algoritmos eficientes que los resuelvan en un tiempo polinómico. Se opta entonces por encontrar soluciones no óptimas pero en tiempo polinomial, y las heurísticas sólo proporcionan soluciones razonablemente buenas. Por este motivo, para resolver el problema no lineal planteado se usarán algoritmos de aproximación, en los que se busca encontrar soluciones de calidad en tiempos acotados. La solución de estos algoritmos suele ser muy próxima al óptimo (en torno al 5% de margen). 6.1 No linealidad Las ecuaciones no lineales son aquellas que no cumplen el principio de superposición. Teorema 1 (Principio de superposición) El principio de superposición es una herramienta que permite descomponer una ecuación lineal en dos o más ecuaciones más sencillas, siendo la superposición de los resultados igual al resultado final. Se deben cumplir dos propiedades:  Aditividad: 󰇛󰇜󰇛󰇜󰇛󰇜  Proporcionalidad:  󰇛∙󰇜∙  󰇛󰇜  La no linealidad se relaciona, por ejemplo, con el hecho de que las variables estén elevadas a una potencia distinta de 1 o a que se multipliquen entre ellas. Entre otras, son no lineales las siguientes ecuaciones:  Funciones exponenciales 3  Figura 43. Ejemplo de problema lineal en algoritmo FW. Fuente propia A partir del óptimo del problema lineal se calcula un nuevo punto de iteración, dependiente del paso .     󰇛     󰇜󰇛0,0󰇜󰇟󰇛0,4󰇜󰇛0,0󰇜󰇠󰇛0,4󰇜 El paso  se obtendrá como el mínimo de la función no lineal inicial en el nuevo punto, teniendo en cuenta que será un valor entre 0 y 1 (punto 2 del algoritmo). 󰇛0,4󰇜03∙40󰇛4󰇜  16  12 Quedando el modelo de la siguiente forma: 16  12 .:01 Y el paso con un valor de: 16  120 0.75 Finalmente, se puede calcular el valor del punto para la próxima iteración (punto 3 del algoritmo).   󰇛0,4󰇜󰇛0,4∙0.75󰇜󰇛0,3󰇜 Este es el primer punto de iteración, que permite continuar iterando al tomarlo esta vez como punto inicial, o bien parar el método si se considera que es una solución lo suficientemente buena según el criterio de parada (punto 4 del algoritmo). 81 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 6.6 Resolución mediante la función linealizada Frente a resolver el problema con un algoritmo, se plantea la posibilidad de linealizar la función objetivo original y utilizar Gurobi para resolver el modelo, ya que en ese caso sería posible abordarlo. A continuación se muestra cómo se linealiza la función, y en el apartado Resultados (4) se analizarán las comparativas de ambos métodos. Anteriormente se mencionó que los dos motivos por los cuales la función objetivo es no lineal eran, por una parte, variables dividiendo, y por otra, multiplicándose entre sí. Para evitar la no linealidad por las variables dividiendo (potencia -1), se realiza un simple cambio de variable, por lo que se tiene: 󰆹1  Al realizar este cambio de variable, han de añadirse al modelo dos juegos de restricciones: R1: ∙     󰆹 1 ∙    R2: 1    Donde  es un valor pesimista de la variable  que puede obtenerse tras los primeros experimentos y  es una variable binaria. La función objetivo queda de tal forma: max󰇱 ∙∙∙ 2∙365∙∙ Ɐ 365∙󰆹∙∙  Ɐ ∙ 󰇯󰇭 , 󰇮∙   ∀ ∙󰇰∙365∙󰆹∙󰇲 No obstante, la función objetivo sigue siendo no lineal, ya que ahora existen dos variables multiplicándose entre sí. Analizando más detalladamente el término problemático, se puede ver que sustituyendo en él el valor de 󰆹 se obtiene:  (4) Apartado 8.4, página 127. ∙∙ , 1 ∙   (∙∙365) Se puede seguir modificando la ecuación tal que así: ∙ ∙∙  , Se crea una nueva variable  ∙ que lógicamente será también binaria, y añade una serie de requisitos al problema que se muestran a continuación. Simplemente se asocian al hecho de que la nueva variable binaria sea la multiplicación de otras dos ya binarias. 1  0 ∅ Y traducidos en ecuaciones que se deben añadir al modelo inicial, resultan: R4:  ∀,  ;∀ R5: 1 1∀,  ;∀ (Donde M es un valor cualquiera, por ejemplo 1). Por lo que el modelo final con función objetivo linealizada que se resuelve directamente con Gurobi es: max󰇱 ∙∙∙ 2∙365∙∙ Ɐ 365∙󰆹∙∙  Ɐ  ∙∙365∙󰇭 ∙   , 󰇮   ∀ ∙∙365∙󰆹∙ 󰇲 Restricciones: ∙    󰆹 83 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas.  󰆹 1 ∙   1    ∀,  ;∀ 1 1∀,  ;∀ ∈󰇟0,1󰇠  ∈󰇟0,1󰇠 Además, se incluirán las restricciones habituales del modelo que ya se desarrollaron en el capítulo 5(5).  (5)Apartado 5.2, página 70. 85 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 7. PROGRAMACIÓN 7.1 General Para la programación de las funciones referidas al diseño de los campos, se usa el software Python, acompañado de las librerías que incluye y que son muy importantes en el desarrollo y creación del código. Sabido es de sobra que estas librerías tienen multitud de aplicaciones, aunque en este trabajo solo se ha usado una pequeña parte de ellas. Las principales librerías utilizadas, junto con sus ventajas, son: Math, que incluye expresiones trigonométricas tales como son el seno, coseno, tangente; y otras expresiones como puede ser la constante pi. Sympy, que utiliza el lenguaje simbólico y permite manejar las ecuaciones: calcula derivadas, resuelve, etc. Numpy adapta la interfaz de Python para poder trabajar de manera más sencilla con vectores y matrices. matplotlib.pyplot, dibuja y muestra en pantalla los gráficos, es muy útil a la hora de visualizar gráficamente cómo queda el campo diseñado. networkx permite, entre otras cosas, la creación de grafos y el cálculo de la matriz de distancias, la cual será un requisito indispensable para la resolución del modelo. Más tarde, para la implementación y posterior resolución del modelo, Python sigue manteniéndose como base, además de utilizarse la librería Gurobi que permite resolver problemas lineales. En este caso, y al contar con una expresión no lineal en la función objetivo, se aplica el ya mencionado método de Frank y Wolfe dentro del mismo código para poder linealizar y resolver posteriormente el modelo usando Gurobi. 7.2 Resolución del problema aplicando Frank-Wolfe En este apartado se describe de forma resumida cómo se ha aplicado el método de Frank Wolfe con ayuda del solver Gurobi y Python. Primero, se transforma el modelo en un problema de Minimizar, para poder aplicar Frank- Wolfe de manera más sencilla. La función objetivo será:   ∙∙∙  2∙∙∙365∙∙ Ɐ  Para comenzar, como indica el algoritmo, se halla el punto inicial de partida. Es necesario introducir las variables del modelo en Gurobi junto con las restricciones correspondientes, así como una función objetivo relacionada que proporcione una solución válida para comenzar a iterar. En este caso, para una primera aproximación, la función objetivo lineal que se ha tomado ha sido la de minimización de la distancia recorrida. 󰇛󰇜       Las variables que resultan interesantes de esta primera solución son el número de ciclos  y las binarias correspondientes a vehículo y arco , todas ellas pertenecerán a la solución inicial admisible. Listo este punto inicial, se comienza a iterar sustituyendo el punto factible en la derivada de la función objetivo, que queda de la siguiente forma:  ∑∙∙∙ ∀ ∑∙∙∙∙∀ ∑∙∙∙∙∀ ∑󰇛∙󰇜∙∙∙∙ ,,   ∑∙365∙∙∙,  La sustitución del punto inicial en las derivadas proporcionará los distintos coeficientes de la nueva función objetivo linealizada, y se resolverá el modelo con las mismas restricciones utilizando otra vez Gurobi. La función objetivo relajada es: 󰇫 󰇛󰇜∙ 󰇛 󰇜∙󰇬,∀,,;∀ Lo siguiente es hallar el valor del paso, que se consigue con ayuda de la librería scipy.optimize. Se pasará como entrada una función que proviene de la función objetivo original (sustituyendo en ella el nuevo punto) y es dependiente del paso . Al resolver, se obtiene el valor del paso  y por tanto se puede calcular el nuevo punto de iteración. Se comprobará si es lo suficientemente bueno, en ese caso se habrá obtenido una buena solución, de lo contrario se deberá seguir iterando. 7.3 Resolución del problema aplicando linealización de la función objetivo Para resolver el modelo mediante linealización de la función objetivo, se ejecutó directamente el solver Gurobi usando las mismas restricciones lineales del modelo original pero con una nueva función objetivo, esta vez lineal. Además, como ya se explicó anteriormente, se añaden una serie de nuevas restricciones, en su mayor parte entre variables binarias, asociadas a la linealización de la función objetivo. Servirá en siguientes apartados para realizar una breve comparativa de ambos métodos de resolución del problema. En este caso, cosa que no ocurre al aplicar el algoritmo, sí se garantiza una solución óptima. 87 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 8. RESULTADOS En el presente apartado se muestran los resultados de los distintos análisis realizados a partir del modelo VRP con múltiples rutas. Inicialmente, se toman una serie de experimentos, en los que prima el diseño del campo, por lo que se elegirán varias combinaciones entre los elementos disponibles. CASO 1 CASO 2 CASO 3 CASO 4 Densidad= 0.003 Densidad=0.004 n=3 Experimento 1 Experimento 2 Experimento 3 Experimento 4 rad=1 Densidad= 0.002 Densidad=0.0025 n=5 Experimento 5 Experimento 6 Experimento 7 Experimento 8 rad=2  Teniendo en cuenta que los casos 1-4 son los explicados en el apartado 3.1 y que la densidad representa la densidad de heliostatos por metro lineal. Por otra parte,  es el número de anillos del campo y  el número de radiales. Además, para los casos 1 y 2, correspondientes a un campo circular, se toma un radio de 600 metros para que su área sea alrededor de 1 kilómetro cuadrado, concretamente 1.13 kilómetros cuadrados. Así mismo, para los casos 3 y 4 se toman unos parámetros a y b de 700 y 450, respectivamente, dando lugar a un área en los campos elípticos de 0.989 kilómetros cuadrados. En cuanto a los vehículos disponibles, la empresa dispone de 2 vehículos con capacidad  igual a 3, es decir, cada vehículo en cada ruta podrá limpiar como máximo 3 nodos de heliostatos con 20 paneles cada uno (60 heliostatos en total). Las variables que se mostrarán en la comparativa serán:  Número de bucles a realizar para limpiar el campo completo, que depende de  y el número de nodos.  Duración del ciclo , en días, que depende de la velocidad de los vehículos, el número de heliostatos, el tiempo que tardan los robots en limpiar los paneles, el número de turnos y las horas por turno.   Siendo  el tiempo necesario para limpiar todo el campo y  el tiempo disponible (en minutos) de trabajo al día. 󰇛∙, 󰇜ú.∗ En este caso, se ha tomado una velocidad de 300 metros/minuto y un tiempo de limpieza de 5 minutos/heliostato. ∗í∗∗60  Costes asociados al funcionamiento de la planta, como son los costes de operarios, costes de vehículos, costes de agua y costes de combustible.  Número total de heliostatos.  Beneficio total.  Beneficio bruto. Tras un primer contacto, se selecciona la mejor variante, con vistas a hacer un estudio más detallado en el que mostrar cómo evolucionan las distintas variables en el problema. Se realizan 3 estudios: ESTUDIO 1. Se varía la capacidad de los vehículos manteniendo constantes el número de vehículos y el número de turnos. Número de vehículos =2 Número de turnos =2 ESTUDIO 1A Q=1 ESTUDIO 1B Q=2 ESTUDIO 1C Q=3 Además se incluye un cuarto estudio considerando tecnologías futuras en las que la capacidad de limpieza del vehículo sea de 4 nodos (80 heliostatos). ESTUDIO 1D Q=4 ESTUDIO 2. Dados el número de vehículos y la capacidad, se analiza cómo varía el objetivo en función del número de turnos. Número de vehículos =2 Capacidad =3 ESTUDIO 2A  =1 ESTUDIO 2B  =2 ESTUDIO 2C  =3 ESTUDIO 3. Manteniendo fijos el número de turnos y la capacidad, se prueban distintos casos variando la flota de la empresa. 89 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. Número de turnos =2 Capacidad =3 ESTUDIO 3A  =1 ESTUDIO 3B  =2 ESTUDIO 3C  =3 Para finalizar, se realizan dos estudios en los que se muestra cómo repercuten los datos del sector en los números de la empresa, ambos partiendo de los modelos iniciales. Número de turnos =2 Capacidad =3 Número de vehículos =2 ESTUDIO 4. Cómo afecta al beneficio de la empresa el hecho de que los precios del combustible se incrementen un 10% durante un año de crisis petrolífera. ESTUDIO 5. Cómo afecta al beneficio de la empresa el hecho de que el precio de venta del MW/hora aumente hasta los 85 €/MW. 8.1.3 Resultado Experimento 3 Beneficio Bruto 28.750.008,8448 Costes de operario 106.000 Costes de vehículo 40.000 Costes de agua 221.737,5 Costes de combustible 63.006,5971 Beneficio neto 28.319.264,7477 €/año Número total de heliostatos 540 Número de rutas 10 Número de vehículos 2 Duración del ciclo de limpieza, C 2 días 97 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1-10-9-1 1-28-29-30-1 1-16-18-17-1 1-4-3-2-1 1-24-25-26-1 1-27-22-21-1 1-12-13-11-1 1-14-7-8-1 1-5-15-6-1 1-19-20-23-1 99 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 8.1.4 Resultado Experimento 4 Beneficio Bruto 28.750.008,8448 Costes de operario 106.000 Costes de vehículo 40000 Costes de agua 221.737,5 Costes de combustible 61.878,6377 Beneficio neto 28.320.392,7070 €/año Número total de heliostatos 540 Número de rutas 10 Número de vehículos 2 Duración del ciclo de limpieza, C 2 días 1-26-28-30-1 1-6-14-13-1 1-18-29-5-1 1-4-3-2-1 1-11-10-1 1-19-17-16-1 101 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1-12-9-25-1 1-24-23-21-1 1-27-20-22-1 1-7-8-15-1 8.1.5 Resultado Experimento 5 Beneficio Bruto 18.943.422,912 Costes de operario 106.000 Costes de vehículo 40.000 Costes de agua 172.462,5 Costes de combustible 48.522,4115 Beneficio neto 18.576.438,0005 €/año Número total de heliostatos 420 Número de rutas 14 Número de vehículos 2 Duración del ciclo de limpieza, C 2 días 103 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1-24-23-14-1 1-10-16-27-1 1-20-13-6-1 1-34-33-1 1-19-38-26-1 1-25-8-9-1 1-40-28-29-1 1-31-41-30-1 1-12-11-39-1 1-4-36-37-1 1-7-2-1 1-21-32-22-1 105 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1-3-35-15-1 1-18-17-5-1 8.1.8 Resultado Experimento 8 Beneficio Bruto 22.304.134,5408 Costes de operario 106.000 Costes de vehículo 40.000 Costes de agua 205.312,50 Costes de combustible 57.986,4523 Beneficio neto 21.894.835,5885 €/año Número total de heliostatos 500 Número de rutas 12 Número de vehículos 2 Duración del ciclo de limpieza, C 2 días 113 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1-9-10-11-1 1-28-27-26-1 1-32-30-29-1 1-8-4-3-1 1-34-23-7-1 1-19-18-20-1 1-13-6-5-1 1-21-31-12-1 1-2-1 1-14-15-22-1 1-24-17-16-1 1-25-35-33-1 115 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 8.1.9 Conclusiones de los experimentos 1-8 En el siguiente cuadro se pueden ver conjuntamente los resultados de los experimentos estudiados. Tabla 8. Resultados de los experimentos 1-8. Experimento Beneficio neto (€/año) 1 21.970.286,7634 2 21.969.714,3679 3 28.319.264,7477 4 28.320.392,7070 5 18.576.438,0005 6 18.575.901,2710 7 21.894.881,9704 8 21.894.835,5885 En él, las soluciones encontradas parecen ser las que se esperaban, puesto que los casos 3 y 4 eran los mejores escenarios que se podían presentar a priori. En primer lugar porque eran los que mayor número de heliostatos presentaban, un total de 540, que por tanto producirán un beneficio más alto frente a los casos 7 y 8, que contaban con 500 heliostatos; o el resto de casos en los que había 420. En segundo lugar por su densidad, que era la mayor, y junto con la forma del campo hizo que se colocaran, como se ha mencionado en el párrafo anterior, el mayor número de paneles posible. Finalmente, es destacable que, en los cuatro primero escenarios, en los que puede parecer que los valores van a ser peores debido a las pocas radiales y anillos, los resultados son mejores que en los cuatro últimos. Esto se debe, entre otras cosas, a que al añadir más anillos o radiales, aunque se acorte el camino para los vehículos, estamos creando más nodos “vacíos” o de “corte” que complican el modelo, no poseen heliostatos y por tanto no aportan mejoría a la función objetivo. A continuación, a partir del mejor resultado de los experimentos analizados se realizan 3 nuevos estudios. Se realizará una comparativa variando la capacidad, el número de vehículos y el número de turnos. El escenario más favorable es, por poco margen frente al 3, el estudio número 4. Se trata de un campo elíptico con torre en el lateral, tres anillos y una radial, formado por 30 nodos que contienen 540 heliostatos en total. 8.2 Estudios 1-3 8.2.1 Resultados Estudio 1 Se varía la capacidad de los vehículos manteniendo constantes el número de vehículos y el número de turnos. 8.2.1.1 Resultado Estudio 1A Beneficio Bruto 28.750.008,8448 Costes de operario 106.000 Costes de vehículo 40.000 Costes de agua 221.737,5 Costes de combustible 65.498,2702 Beneficio neto 28.316.773,0745 €/año Número total de heliostatos 540 Q 1 Número de rutas 29 Número de turnos 2 Número de vehículos 2 Duración del ciclo de limpieza, C días  117 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1-11-1 1-14-1 1-20-1 1-10-1 1-16-1 1-18-1 1-22-1 1-4-1 1-12-1 1-30-1 1-15-1 1-29-1 1-24-1 1-26-1 1-7-1 1-19-1 1-5-1 1-28-1 1-27-1 1-8-1 1-21-1 1-26-1 1-17-1 1-13-1 1-9-1 1-2-1 1-3-1 1-6-1 1-25-1 119 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 8.2.1.2 Resultado Estudio 1B Beneficio Bruto 28.750.008,8448 Costes de operario 106.000 Costes de vehículo 40.000 Costes de agua 221.737,5 Costes de combustible 63.658,2390 Beneficio neto 28.318.613,1057 €/año Número total de heliostatos 540 Q 2 Número de rutas 15 Número de turnos 2 Número de vehículos 2 Duración del ciclo de limpieza, C días  1-22-24-1 1-29-28-1 1-5-8-1 1-18-17-1 1-13-14-1 1-23-21-1 1-11-10-1 1-30-15-1 1-25-16-1 1-6-7-1 1-4-1 1-27-26-1 1-12-9-1 1-3-2-1 1-19-20-1 121 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 8.2.1.3 Resultado Estudio 1C Beneficio Bruto 28.750.008,8448 Costes de operario 106.000 Costes de vehículo 40000 Costes de agua 221.737,5 Costes de combustible 61.878,6377 Beneficio neto 28.320.392,7070 €/año Número total de heliostatos 540 Q 3 Número de rutas 10 Número de turnos 2 Número de vehículos 2 Duración del ciclo de limpieza, C 2 días Nota: los resultados de este estudio se corresponden con los del experimento inicial seleccionado, en este caso el experimento 4, por tanto no se muestran las rutas al ser las mismas. 8.2.3.2 Resultado Estudio 3B Beneficio Bruto 28.750.008,8448 Costes de operario 106.000 Costes de vehículo 40000 Costes de agua 221.737,5 Costes de combustible 61.878,6377 Beneficio neto 28.320.392,7070 €/año Número total de heliostatos 540 Q 3 Número de rutas 10 Número de turnos 2 Número de vehículos 2 Duración del ciclo de limpieza, C 2 días Nota: los resultados de este estudio se corresponden con los del experimento inicial seleccionado, en este caso el experimento 4, por tanto no se muestran las rutas al ser las mismas. 129 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 8.2.3.3 Resultado Estudio 3C Beneficio Bruto 29.223.048,8448 Costes de operario 159.000 Costes de vehículo 60.000 Costes de agua 221.737,5 Costes de combustible 61.892,0575 Beneficio neto 28.720.419,2873 €/año Número total de heliostatos 540 Q 3 Número de rutas 10 Número de turnos 2 Número de vehículos 3 Duración del ciclo de limpieza, C 1 día *Ruta común. 8.2.4 Ruta común 1-26-28-30-1 1-6-14-15-1 1-18-29-5-1 1-2-3-4-1 1-11-10-1 1-19-17-16-1 131 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1-12-9-25-1 1-24-23-21-1 1-27-20-22-1 1-7-8-13-1 8.2.5 Comparativas Tabla 9. Resultados de los estudios 1-3. Q nt nv Beneficio (€/año) Estudio 1A 1 2 2 28.316.773,0745 Estudio 1B 2 2 2 28.318.613,1057 Estudio 1C 3 2 2 28.320.392,7070 Estudio 1D 4 2 2 28.320.561,0718 Estudio 2A 3 1 2 26.954.288,1646 Estudio 2B 3 2 2 28.320.392,7070 Estudio 2C 3 3 2 28.740.380,0050 Estudio 3A 3 2 1 26.974.259,2873 Estudio 3B 3 2 2 28.320.392,7070 Estudio 3C 3 2 3 28.720.419,2873 Como se puede apreciar, en la mayoría de los estudios los resultados son parecidos, excepto en los que suponen la existencia de un solo turno o un solo vehículo, puesto que retrasan la capacidad de producción en la planta. En el caso del estudio 1, los costes asociados a los parámetros número de vehículos y número de turnos permanecen constantes. En esta ocasión, se obtiene mejor resultado cuanto mayor es la capacidad del vehículo, es decir, en los estudios 1B, 1C y 1D aparece una mejoría sucesivamente respecto del 1A. En el siguiente gráfico se muestra la evolución de la función objetivo al aumentar la capacidad; se puede observar que aumenta de forma lineal hasta llegar a un valor de “equilibrio” que puede ser cercano a 3, y que proporciona unas rutas casi equilibradas en cuanto a tamaño. 133 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. Tabla 10. Variación del beneficio según la capacidad. En cuanto al estudio 2 permanecerá invariable el coste de vehículos, mientras que en el estudio 3 no cambiará el coste de operario. En ambos casos el mejor resultado se obtiene cuando se usa el máximo de recursos posible, en referencia a operarios o turnos. Además, al aumentar los recursos se puede ver que disminuye el número de días en la duración del ciclo. También se puede destacar que aumentar el número de turnos (operarios) o vehículos, en menor medida, no afecta de manera notable en los costes de la empresa, por lo que se intentará seleccionar el mejor valor posible de estas variables. Sin embargo, sí que producen una subida del beneficio, reseñable en ambos casos, y de forma prácticamente paralela. Tabla 11. Variación del beneficio según nt y nv. No obstante, si se observan los resultados de manera detallada, el aumentar el número de turnos frente al número de vehículos produce un beneficio mayor. Para terminar, se pretende estudiar en los dos últimos apartados cómo variarían los ingresos de la empresa ante las fluctuaciones del mercado. Serán los estudios 4 y 5 a partir del mejor de los escenarios anteriores, el Estudio 2C, que contempla una capacidad de 3 nodos, 3 turnos y 2 vehículos. Cobra sentido que, mientras más turnos haya y mayor número de vehículos, mejores sean los resultados. 135 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 8.3 Estudios 4 y 5 Nota: en los siguientes apartados se encontraron dos nuevas soluciones con distintas rutas en cada caso, que posiblemente no serían óptimas (aunque sí muy buenas) debido a su bajo tiempo de ejecución (300 segundos). 8.3.1 Resultado Estudio 4 Si durante un año de crisis del petróleo aumentaran los precios del sector en un 10%, se puede ver que no afecta en gran medida a la empresa, y sería un hecho que podría soportar. Esto se debe a que la planta no es relativamente grande y los costes de combustible no se verían muy alterados en el caso de que subieran un poco los valores de coste del combustible. Cómo afecta al beneficio de la empresa el hecho de que los precios del combustible se incrementen un 10% durante un año de crisis petrolífera. Beneficio Bruto 29.223.048,8448 Costes de operario 159.000 Costes de vehículo 40.000 Costes de agua 221.737,5 Costes de combustible 68.077,0403 Beneficio neto 28.734.234,3045 €/año Número total de heliostatos 540 Número de rutas 10 Número de vehículos 2 Duración del ciclo de limpieza, C 1 día 1-5-6-1 1-24-21-23-1 1-15-14-13-1 1-19-22-20-1 1-28-25-26-1 1-30-29-27-1 137 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. 1-10-11-12-1 1-4-3-2-1 1-7-9-8-1 1-16-18-17-1 8.5 Conclusiones finales 8.5.1 Puntos de mejora Se pueden considerar varios cambios en el modelo, intentando por ejemplo que se visite primero el nodo más lejano o el más cercano. Por ejemplo, si la empresa posee vehículos que necesitan mantenimiento, puede ser interesante tomar el primer caso ya que si se estropea alguno (generalmente lo hará tras un tiempo funcionando), al haber pasado ese tiempo es posible que se haya ido acercando al depósito y se tardará menos en ir a repararlo. El segundo puede ser interesante bajo un punto de vista “just in time”, es decir, se limpia el primer heliostato que se encuentra. Primero el más cercano Primero el más lejano No obstante, estas posibles modificaciones no influyen en que las soluciones sean mejores o peores, ya que en algunos casos el visitar el nodo más lejano hace que, por ejemplo, a la vuelta se pueda tomar otra ruta más cercana que acorte la distancia. Todas estas situaciones podrían analizarse y compararse en el futuro. En cuanto a la variable , en algunas ocasiones puede ser interesante diferenciarla del tiempo entre limpiezas. Es decir, puede limpiarse la planta cada X días aunque el ciclo sea menor. La idea sería equilibrar este tiempo sabiendo que:  Si el número de días entre limpiezas aumenta, los costes disminuyen, pero el beneficio también disminuye ya que los heliostatos se ensucian más.  Si el número de días entre limpiezas disminuye, los costes aumentan así como el beneficio, al rendir más los heliostatos. Ante estas condiciones existe un tiempo de equilibrio para el cual los beneficios son máximos y no se ven mermados por los costes que implica limpiar cada X días. Este valor será el óptimo, y se puede conocer resolviendo el problema mediante linealización. Otra versión que pudiera estudiarse del modelo es el equilibrado de distancia en las rutas, aunque en este caso lo que se pretende es maximizar el beneficio. Para ello habría que cambiar el objetivo del problema o incluir alguna restricción que limitara cada ruta en una distancia, lo que 145 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. haría que se igualaran un poco más en cuanto a lo que recorre cada camión en cada una de las rutas. Aun así, en el sentido de capacidad se puede ver que las rutas están bastante equilibradas, ya que en la gran parte de ellas se visitan 3 nodos (20 heliostatos cada uno) que es el máximo impuesto en las restricciones. Obviamente, en muchos de los casos en los que no se obtuvieron soluciones totalmente óptimas aunque sí muy buenas, pudieran encontrarse éstas aumentando los tiempos de funcionamiento del solver. 8.5.2 Problemas encontrados Los principales inconvenientes a la hora de abordar un modelo como éste fueron los típicos asociados a la programación no lineal. Hubo primero que encontrar un software para resolverlo, el software comercial Knitro 5.2 64 bit (para PNL Entera mixta) no fue capaz de encontrar soluciones. Finalmente se usó Gurobi como ya se ha comentado anteriormente. Sin embargo, la gran cantidad de datos, variables y restricciones hizo que los tiempos de ejecución fueran muy extensos hasta encontrar puntos óptimos. En muchos casos se tuvieron que limitar los tiempos de funcionamiento del solver, puesto que continuaba trabajando durante horas. En la mayoría de experimentos y estudios se encontraron soluciones muy buenas u óptimas en menos de 1200 segundos (20 minutos). 147 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. GLOSARIO  CAMPO SOLAR. Extensión de terreno, gestionada normalmente por una empresa, en la cual se colocan paneles solares con el fin de obtener energía eléctrica gracias a la radiación solar. Existen campos solares de diversa índole, desde los más pequeños para uso doméstico (huertos solares), hasta los que son capaces de producir buen porcentaje de la electricidad consumida por un país. CÉLULA SOLAR. Una célula solar es una máquina capaz de transformar la energía del sol que recibe en electricidad. Se fabrican principalmente con Silicio. La energía eléctrica se consigue al existir una diferencia de potencial en los extremos de la carga que se ha conectado previamente a la célula. Los paneles solares están compuestos de multitud de éstas células solares. VATIO (W). Unidad de potencia del Sistema Internacional de Unidades que mide, entre otras muchas cosas, la capacidad instalada en un campo solar de producción eléctrica. Equivale a un julio por segundo J/s, y representa la potencia eléctrica que se crea debido a la diferencia de potencial de 1 voltio y la corriente eléctrica de 1 amperio. En este trabajo se ha hablado normalmente en términos de kilovatios (KW), que son 1000 vatios. 149 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. REFERENCIAS  [1] Von Aichberger, S., & Berg, J., «Solar Thermal Electricity», Informe, vol. Q1, 2017. [2] GreenPeace, SolarPaces, & STELA, «Solar Thermal Electricity», Informe, p.5, Febrero 2016. [3] LUCENA AGUILAR, M. (2010). Análisis y optimización de la limpieza de helióstatos de un campo solar. Sevilla: Universidad de Sevilla.  151 Optimización de las rutas y flota de vehículos de limpieza en una planta termo-solar mediante aproximaciones lineales sucesivas. BIBLIOGRAFÍA ARAHAL, M.R., BERENGUEL, M., & RODRÍGUEZ, F. (2006). Técnicas de predicción con aplicaciones en Ingeniería. Sevilla: Universidad de Sevilla. ASOCIACIÓN ESPAÑOLA PARA LA PROMOCIÓN DE LA INDUSTRIA TERMOSOLAR. (s.f.). La energía termosolar. Obtenido de http://www.protermosolar.com CAMERO, D., MOREJÓN, D., PENICHE J., & RUIZ, A. (Julio de 2013). Aprovechamiento de energía solar como energía renovable. Obtenido de http://www.monografias.com CENTRO DE ESTUDIOS EN MEDIO AMBIENTE Y ENERGÍA RENOVABLE. (s.f.). Cómo funciona un panel solar. Obtenido de http://www.cemaer.org ENDESA. (2014). Centrales solares. Obtenido de http://www.endesaeduca.com ENERGÍAS RENOVABLES. (s.f.). Impacto medioambiental de la energía solar. Obtenido de http://www.energiasrenovablesinfo.com GARCÍA ÁLVAREZ, M. (Abril de 2010). Historia de la energía solar. Obtenido de http://recuerdosdepandora.com GARCÍA GARRIDO, S. (2009). Centrales termosolares CCP. Volumen I. Madrid: Renovetec. GEORGE B., T. (2005). Cálculo, varias variables. México: Pearson. LÓPEZ MARIJUÁN, D. (Primavera 2012). Centrales termosolares. En: El Ecologista, nº 72, p. 32 LUCENA AGUILAR, M. (2010). Análisis y optimización de la limpieza de helióstatos de un campo solar. Sevilla: Universidad de Sevilla. MALO ARAGÓN, B. (2011). Estudio del efecto de la limpieza de módulos en plantas fotovoltaicas. Sevilla: Universidad de Sevilla. MAYORDOMO, E. (Octubre de 2015). Algoritmos aproximados. Obtenido de http://diis.unizar.es/ MOWATT, K. (s.f.). Los impactos sociales, económicos y ambientales de los sistemas de energías renovables. Obtenido de http://www.ehowenespañol.com PLATAFORMA SOLAR DE ALMERÍA. (s.f.). Discos parabólicos. Obtenido de http://www.psa.es ROCA, JOSE A. (2016). Las 10 centrales más grandes del mundo. Obtenido de http://elperiodicodelaenergia.com RODRÍGUEZ PÉREZ, J. (2012). Caracterización, modelado y determinación de las rutas de la flota en una empresa de rendering. Sevilla: Universidad de Sevilla. WIKIPEDIA. (s.f.). Central solar de torre central. Obtenido de https://es.wikipedia.org 